[发明专利]基于联邦学习的自动驾驶训练方法、设备及介质

权利要求书

1.一种基于联邦学习的自动驾驶训练方法，其特征在于，应用于云端服务器，所述云端服务器与各个目标车辆共同构成基于联邦学习的自动驾驶训练系统，所述基于联邦学习的自动驾驶训练方法包括：

在检测到训练指令时，获取通过预设基础模型和离线数据经由离线训练得到的预设待训练模型，将所述预设待训练模型在线实时发送给预设行驶范围内的各目标车辆；

获取所述各目标车辆基于各自实时本地数据集对所述预设待训练模型进行训练后得到的各第一目标模型参数；

基于所述各第一目标模型参数，在线执行预设联邦流程，并对所述预设待训练模型进行迭代训练，得到第二目标模型参数，其中，预设联邦流程包括：各个目标车辆将第一目标模型参数发送给云服务器端，云服务器端接收各个第一目标模型参数后，对各个第一目标模型参数进行聚合，得到第一聚合参数，在得到第一聚合参数后，将第一聚合参数发送给各个目标车辆，以供各个目标车辆进行下轮的本地迭代训练，得到对应下一轮的目标模型参数，在得到对应下一轮的目标模型参数后，各个目标车辆将下一轮的目标模型参数发送给云服务器端，以供云服务器端进行聚合；

将所述第二目标模型参数发送给所述目标车辆，以供各所述目标车辆在线基于所述第二目标模型参数完善得到各自本地的目标模型，以实现各自的自动驾驶功能；

所述在检测到训练指令时，获取预设待训练模型，将所述预设待训练模型发送给预设行驶范围内的各目标车辆的步骤，包括：

在检测到训练指令时，根据所述训练指令中携带的区域属性，从预设模型集合中选取所述预设待训练模型；

将所述预设待训练模型发送给预设行驶范围内的各目标车辆，其中，预设行驶范围是由预设待训练模型确定的，即是预设待训练模型确定，则预设行驶范围确定。

2.如权利要求1所述基于联邦学习的自动驾驶训练方法，其特征在于，所述在检测到训练指令时，根据所述训练指令中携带的区域属性，从预设模型集合中选取所述预设待训练模型的步骤，包括：

在检测到训练指令时，根据所述训练指令中携带的区域属性，从预设模型集合中选取预设模型子集合；

根据所述训练指令中携带的时间信息以及车辆类型信息，从预设模型子集合中选取所述预设待训练模型。

3.如权利要求1所述基于联邦学习的自动驾驶训练方法，其特征在于，所述将所述第二目标模型参数发送给所述目标车辆，以供各所述目标车辆基于所述第二目标模型参数得到各自的目标模型，以实现各自的自动驾驶功能的步骤，包括：

对所述第二目标模型参数进行加密处理，得到加密模型参数；

将所述加密模型参数发送给所述目标车辆，以供各所述目标车辆基于所述第二目标模型参数得到各自的目标模型，以实现各自的自动驾驶功能。

4.如权利要求1所述基于联邦学习的自动驾驶训练方法，其特征在于，所述在检测到训练指令时，获取预设待训练模型，将所述预设待训练模型发送给预设行驶范围内的各目标车辆的步骤，还包括：

在检测到训练指令时，获取预设待训练模型；

与预设行驶范围内的各个基站进行通信，将所述预设待训练模型分发给所述各个基站，以供所述各个基站基于与各个目标车辆的距离信息，将所述预设待训练模型发送给预设行驶范围内的各目标车辆。

5.如权利要求1所述基于联邦学习的自动驾驶训练方法，其特征在于，所述将所述预设待训练模型在线实时发送给预设行驶范围内的各目标车辆的步骤之前，所述方法包括：

获取预设基础模型；

基于具有预设识别标签的离线训练数据，对所述预设基础模型进行迭代训练，以对所述预设基础模型中的模型参数进行训练更新，直至所述预设基础模型达到预设训练完成条件；达到预设训练完成条件后的所述预设基础模型设置为预设待训练模型。

6.如权利要求5所述基于联邦学习的自动驾驶训练方法，其特征在于，所述具有预设识别标签的离线训练数据包括具有预设识别标签的离线激光雷达扫描数据，离线摄像数据以及离线毫米波雷达数据。