[发明专利]基于深度学习的智能驾驶决策方法及系统

权利要求书

1.一种基于深度学习的智能驾驶决策方法，其特征在于，包括如下步骤：

建立具有智能驾驶功能的深度学习网络模型；

利用所建立的深度学习网络模型控制车辆自动运行，实时采集车辆的外部环境信息和内部运行信息以形成实时外部环境数据和实时内部运行数据，将所述实时外部环境数据和所述实时内部运行数据输入所述深度学习模块以获取车辆实时控制指令；以及

依据所述车辆实时控制指令控制车辆运行。

2.如权利要求1所述的基于深度学习的智能驾驶决策方法，其特征在于，建立具有智能驾驶功能的深度学习网络模型的步骤包括：

采集车辆运行时的车外环境信息形成环境训练数据；

采集车辆运行时的运行信息形成运行训练数据；

采集车辆运行时的操控信息形成控制训练数据；

利用所述环境训练数据、所述运行训练数据以及所述控制训练数据进行深度学习训练，并获得所述深度学习网络模型。

3.如权利要求1所述的基于深度学习的智能驾驶决策方法，其特征在于，采集车辆的外部环境信息形成实时外部环境数据的步骤包括：

利用车载的激光雷达、毫米波雷达以及超声波雷达采集车辆外部的障碍物信息形成雷达数据；

利用车载的摄像头采集车辆外部的图像信息形成图像数据；

利用车载的定位装置采集车辆的位置信息形成定位数据，所述定位数据、所述图像数据以及所述雷达数据作为所述实时外部环境数据。

4.如权利要求1所述的基于深度学习的智能驾驶决策方法，其特征在于，采集车辆的内部运行信息形成实时内部运行数据的步骤，包括：

采集车辆加速度计的测量数据；

采集车辆发动机运行状态数据；

采集车辆变速箱运行状态数据；

采集车辆底盘运行状态数据；

采集车身电子系统运行状态数据，将所述车身电子系统运行状态数据、底盘运行状态数据、变速箱运行状态数据、发动机运行状态数据以及加速度计的测量数据作为所述实时内部运行数据。

5.如权利要求1所述的基于深度学习的智能驾驶决策方法，其特征在于，还包括：

将实时外部环境数据和实时内部运行数据与车辆实时控制指令进行存储；

利用存储的实时外部环境数据、实时内部运行数据以及车辆实时控制指令对所述深度学习网络模型进行自适应的深度学习重训练。

6.一种基于深度学习的智能驾驶决策系统，其特征在于，包括：

具有智能驾驶功能的深度学习网络模型；

实时数据采集模块，用于实时采集车辆的外部环境信息和内部运行信息以形成实时外部环境数据和实时内部运行数据；以及

与所述深度学习网络模型和所述实时数据采集模块连接的执行模块，所述执行模块与车辆控制连接，用于将所述实时数据采集模块采集的实时外部数据环境和实时内部运行数据输入所述深度学习网络模型内以获取车辆实时控制指令，并依据所获取的车辆实时控制指令控制车辆运行。

7.如权利要求6所述的基于深度学习的智能驾驶决策系统，其特征在于，还包括模型训练模块，所述模型训练模块内输入有采集车辆运行时的车外环境信息形成的环境训练数据、采集车辆运行时的运行信息形成的运行训练数据以及采集车辆运行时的操控信息形成的控制训练数据；

所述模型训练模块利用所述环境训练数据、所述运行训练数据以及所述控制训练数据进行深度学习训练以得到所述深度学习网络模型。

8.如权利要求6所述的基于深度学习的智能驾驶决策系统，其特征在于，所述实时数据采集模块与车载的激光雷达、毫米波雷达、超声波雷达、摄像头以及定位装置通信连接，用于接收所述车载的激光雷达、毫米波雷达以及超声波雷达采集的车辆外部的障碍物信息形成的雷达数据，接收所述摄像头采集车辆外部的图像信息形成的图像数据，接收所述定位装置采集车辆的位置信息形成的定位数据，并将所述定位数据、所述图像数据以及雷达数据作为实时外部环境数据。