[发明专利]自动驾驶方法、装置、设备、系统、车辆和计算机可读存储介质

说明书

本申请公开了一种基于神经网络的自动驾驶方法，神经网络包括经训练的第一特征提取部分、第二特征提取部分和决策部分，第一特征提取部分和决策部分是前馈神经网络，第二特征提取部分是卷积神经网络，方法包括：将与车辆的自动驾驶相关联的第一类数据输入第一特征提取部分以提取出第一类特征，第一类数据是一维数据；将与车辆的自动驾驶相关联的第二类数据输入第二特征提取部分以提取出第二类特征，第二类数据是多维数据；将第一类特征和第二类特征输入决策部分，以确定自动驾驶的车辆当前的驾驶策略。还公开了自动驾驶装置等。

技术领域

本申请涉及自动驾驶，更具体地，涉及自动驾驶方法、装置、设备、系统、车辆和计算机可读存储介质。

背景技术

自动驾驶技术通常包括高精地图、环境感知、行为决策、路径规划、运动控制等技术，有着广泛的应用前景。

2013年，美国交通部下辖的美国国家公路交通安全管理局（NHTSA），率先发布了自动驾驶汽车的分级标准，其对自动化的描述共有4个级别，其包括特定功能自动化、部分自动化、有条件自动化、完全自动化四个阶段，其大概意思就是车辆自动化程度和操控车辆接管时人类参与的程度，人参与度越低自动驾驶程度越高。

2014年，美国国际自动机工程师学会（SAE）也制订了一套自动驾驶汽车分级标准，其对自动化的描述分为5个等级，其增加了完全自动驾驶这一项最高水平的自动驾驶。这为我们判定目前市场上这些在售车型的自动驾驶级别提供了一个可靠的标准。

下表描述了NHTSA和SAE给出的自动驾驶级别。

发明内容

本发明的实施例提供了一种基于神经网络的自动驾驶方法、装置、设备、系统、车辆和计算机可读存储介质。

根据本发明的第一方面，提供一种基于神经网络的自动驾驶方法，其中，神经网络包括经训练的第一特征提取部分、第二特征提取部分和决策部分，其中，第一特征提取部分和决策部分是前馈神经网络，第二特征提取部分是卷积神经网络，该方法包括：将与车辆的自动驾驶相关联的第一类数据输入神经网络的第一特征提取部分以提取出第一类特征，其中，第一类数据是一维数据；获取与车辆的自动驾驶相关联的第二类数据，并输入神经网络的第二特征提取部分以提取出第二类特征，其中，第二类数据是多维数据；以及将第一类特征和第二类特征输入神经网络的决策部分，以确定自动驾驶的车辆当前的驾驶策略。

根据一个实施例，第一类数据包括：自动驾驶的车辆当前的任务数据、自动驾驶的车辆自身的状态数据以及当前的交通规则有关的数据，第二类数据包括：自动驾驶的车辆当前的目标障碍物的数据和自动驾驶的车辆当前行驶环境中的道路有关的数据，以及自动驾驶的车辆当前的驾驶策略包括：针对目标障碍物的决策结果。

根据一个实施例，任务数据包括与特定道路场景关联的任务数据。

根据一个实施例，第二类数据包括经采样的自动驾驶的车辆当前的目标障碍物的轨迹的坐标数据以及经采样的自动驾驶的车辆当前行驶环境中的道路边界的坐标数据。

根据一个实施例，经采样的自动驾驶的车辆当前的目标障碍物的轨迹的坐标数据以及经采样的自动驾驶的车辆当前行驶环境中的道路边界的坐标数据采用相同的格式。

根据一个实施例，神经网络的第一特征提取部分的输出节点和神经网络的决策部分中与之对应的输入节点以全连接的方式相连，神经网络的第二特征提取部分的输出节点和神经网络的决策部分中与之对应的输入节点以一一对应的方式相连。

根据一个实施例，自身的状态数据包括：自动驾驶的车辆的位置坐标、速度、朝向以及几何信息。

根据一个实施例，当前的交通规则有关的数据包括：指示自动驾驶的车辆当前面对的交通信号灯状态的数据。

根据一个实施例，当前的交通规则有关的数据包括：自动驾驶的车辆的当前道路的限速数据。