[发明专利]驾驶控制模型训练方法、驾驶控制方法及相关装置

权利要求书

1.一种驾驶控制模型训练方法，其特征在于，所述方法包括：

获取标准轨迹图及每一个控制时刻所对应的实际驾驶轨迹图；

基于所述实际驾驶轨迹图、标准轨迹图和实际驾驶轨迹图与标准轨迹图之间的轨迹图像相似度，对待训练模型进行深度强化训练，以得到驾驶控制模型。

2.根据权利要求1所述的驾驶控制模型训练方法，其特征在于，所述待训练模型包括第一分类层和第二分类层；所述第一分类层用于输出驾驶控制量；所述第二分类层用于预测驾驶控制精准度；

对待训练模型进行深度强化训练，以得到驾驶控制模型的步骤包括：

根据每个控制时刻所对应的所述实际驾驶轨迹图及标准轨迹图，生成每个控制时刻对应的状态参数；

利用所有的控制时刻所对应的状态参数，结合每个所述状态参数对应的轨迹图像相似度，对所述第二分类层进行训练；

根据每个控制时刻的所述状态参数及所述状态参数对应的轨迹图像相似度，配合所述第二分类层，对所述第一分类层进行训练；

将训练后的所述第一分类层与所述待训练模型中的卷积处理层进行组合，得到所述驾驶控制模型。

3.根据权利要求2所述的驾驶控制模型训练方法，其特征在于，对所述第二分类层进行训练的步骤包括：

按照控制时刻的顺序，依次遍历每一个所述状态参数；

利用所述卷积处理层对当前遍历到的第一目标状态参数进行处理，得到第一特征数据；

将所述第一特征数据输入所述第二分类层，得到第一准确度；

根据所述第一准确度及所述第一目标状态参数对应的轨迹图像相似度，得到第一输出结果；

利用所述卷积处理层对第二目标状态参数进行处理，得到第二特征数据；其中，第二目标状态参数为所述第一目标状态参数的相邻下一个控制时刻所对应的状态参数；

将所述第二特征数据输入所述第二分类层，得到第二准确度；

根据所述第二准确度及所述第二目标状态参数对应的轨迹图像相似度，得到第二输出结果；

基于所述第一输出结果与所述第二输出结果之间的差异，对所述第二分类层的模型参数进行调整。

4.根据权利要求3所述的驾驶控制模型训练方法，其特征在于，对所述第一分类层进行训练的步骤包括：

将所述卷积处理层输出的所述第一特征数据输入所述第一分类层，得到第一目标状态参数对应的驾驶控制量；

根据所述第二分类层输出的所述第二准确度及所述第一目标状态参数对应的轨迹图像相似度，得到训练奖励值；

基于所述第一目标状态参数、所述第二目标状态参数、所述第一目标状态参数对应的驾驶控制量及训练奖励值，生成样本向量；

利用所述样本向量对所述第一分类层的参数进行迭代。

5.根据权利要求3或4所述的驾驶控制模型训练方法，其特征在于，在所述卷积处理层为预先训练得到的特征提取层的情况下，所述卷积处理层的生成方式包括：

获取由编码层和解码层串联得到的预选模型；

获取随机生成的多帧模拟轨迹图；

将所述模拟轨迹图输入所述编码层，以得到特征图；

将所述特征图输入所述解码层，以得到恢复图；

利用所述模拟轨迹图与对应的所述恢复图之间相似差异值，对所述预选模型的模型参数进行迭代，以得到目标模型；

将所述目标模型中的编码层取出，并与所述第一分类层和第二分类层连接，以作为所述卷积处理层。

6.根据权利要求3或4所述的驾驶控制模型训练方法，其特征在于，在所述待训练模型中的卷积处理层为初始卷积层的情况下，所述初始卷积层的输出侧分别与所述第一分类层和第二分类层的输入侧连接；

所述方法还包括：在训练所述第一分类层和第二分类层的同时，迭代所述初始卷积层的模型参数。

7.根据权利要求1所述的驾驶控制模型训练方法，其特征在于，实际驾驶轨迹图与标准轨迹图之间的轨迹图像相似度的获取过程包括：

获取所述实际驾驶轨迹图对应的第一轨迹序列和所述标准轨迹图对应的第二轨迹序列；

利用时间规整算法对所述第一轨迹序列和第二轨迹序列进行处理，以得到所述轨迹图像相似度。