[发明专利]基于分层强化学习的自动驾驶决策方法和装置

权利要求书

1.一种基于分层强化学习的自动驾驶决策方法，其特征在于，所述方法包括：

获取上游数据，所述上游数据包括感知融合数据、定位数据和控制数据；

将所述上游数据输入到深度学习的模型中，输出得到感受野模型和第一预测轨迹；

将所述感受野模型和所述第一预测轨迹输入到强化学习算法中，输出得到第一规划轨迹；

根据所述第一规划轨迹控制车辆执行相应操作。

2.根据权利要求1所述的基于分层强化学习的自动驾驶决策方法，其特征在于，所述感知融合数据包括障碍物坐标信息、红绿灯种类信息和车辆类别信息；所述定位数据包括自车的位置信息和周围车辆的位置信息；所述控制数据包括所述自车的状态信息和方向盘转角信息。

3.根据权利要求1所述的基于分层强化学习的自动驾驶决策方法，其特征在于，所述方法还包括：

将所述上游数据输入到车辆预测算法中进行预训练，构建预测模型；

获取当前上游数据；

将所述当前上游数据输入到所述预测模型中，输出得到所述预测轨迹；

其中，车辆预测算法为栅格法、LSTM或锚点法。

4.根据权利要求1所述的基于分层强化学习的自动驾驶决策方法，其特征在于，所述方法还包括：

将所述感受野模型和所述预测轨迹进行动态排列组合，得到下层输入数据；

将所述下层输入数据通过所述强化学习算法进行训练，得到综合评估；

将所述综合评估进行数学公式映射，得到决策模块评价和预测模块评价。

5.根据权利要求1所述的基于分层强化学习的自动驾驶决策方法，其特征在于，所述方法还包括：

根据环境信息和上一时刻的决策实时动态调整所述感受野模型，得到调整后的感受野模型；

在当前时刻对所述调整后的感受野模型进行预测，得到动态变换的第二预测轨迹；

根据所述调整后的感受野模型和所述第二预测轨迹，生成第二规划轨迹。

6.一种基于分层强化学习的自动驾驶决策装置，其特征在于，所述装置包括：

预测模块，用于获取上游数据，所述上游数据包括感知融合数据、定位数据和控制数据；将所述上游数据输入到深度学习的模型中，输出得到感受野模型和第一预测轨迹；

决策规划模块，用于将所述感受野模型和所述第一预测轨迹输入到强化学习算法中，输出得到第一规划轨迹；

控制模块，用于根据所述第一规划轨迹控制车辆执行相应操作。

7.根据权利要求6所述的基于分层强化学习的自动驾驶决策装置，其特征在于，所述感知融合数据包括障碍物坐标信息、红绿灯种类信息和车辆类别信息；所述定位数据包括自车的位置信息和周围车辆的位置信息；所述控制数据包括所述自车的状态信息和方向盘转角信息。

8.根据权利要求6所述的基于分层强化学习的自动驾驶决策装置，其特征在于，所述装置还包括：

预训练模块，用于将所述上游数据输入到车辆预测算法中进行预训练，构建预测模型；

获取模块，用于获取当前上游数据；

输入模块，用于将所述当前上游数据输入到所述预测模型中，输出得到所述预测轨迹；

其中，车辆预测算法为栅格法、LSTM或锚点法。

9.一种电子设备，包括存储器、处理器，所述存储器上存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至5任一项所述的方法。

10.一种具有处理器可执行的非易失的程序代码的计算机可读介质，其特征在于，所述程序代码使所述处理器执行所述权利要求1至5任一项所述的方法。