[发明专利]路径规划方法、装置及自动驾驶车辆控制系统

说明书

本发明公开一种路径规划方法、装置及自动驾驶车辆控制系统，其中，路径规划方法，包括：获取已训练好的基于DQN算法的第一路径规划网络及高速公路上车辆行驶的参数配置及行驶数据，所述第一路径规划网络为以高速公路上车辆行驶路径规划为应用场景进行训练获得的人工神经网络模型；将人工神经网络模型通过工具链转换成脉冲神经网络模型；将脉冲神经网络模型通过工具链映射，生成用于将脉冲神经网络模型部署在硬件系统的帧文件；将帧文件部署在硬件系统上以根据车辆的行驶数据对高速公路上自动驾驶车辆的路径进行实时控制。本发明可以实现自动驾驶中的路径规划系统的高精度和低功耗。

技术领域

本发明涉及信息处理技术领域，尤其涉及一种路径规划方法、装置及自动驾驶车辆控制系统。

背景技术

路径规划在车辆、机器人等在自然场景中移动中具有重要作用，通过路径规划可以让移动的物体找寻到最优的合适路线。随着人工智能与神经网络技术的兴起，出现了多种人工智能路径规划方法。

目前，在车辆自动驾驶技术中，路径规划是一个重要的环节和组成部分，人工智能路径规划方法能够为高级别自动驾驶提供重要的技术保障。通常情况下，车辆无法掌握全局环境信息，所以在自动驾驶领域的路径规划技术常以局部路径规划的形式出现，现有的局部路径规划方法主要为人工智能领域的强化学习算法，常见的强化学习局部规划算法如Deep Q-network(DQN)，其采用经验池和固定目标的策略，建立同结构双重神经网络来优化参数以拟合目标，这种路径规划方法具有能够应对复杂多变的道路场景及精度高的特点。

然而，上述人工神经网络的路径规划方法所需计算资源过大，存在功耗较大的问题，这对于车载场景和边端场景是难以接受的。

发明内容

本发明提供一种路径规划方法、装置及系统路径规划方法、装置及自动驾驶车辆控制系统，可以克服上述现有技术中存在的技术问题，以实现路径规划系统的高精度和低功耗。

本发明提供的一种路径规划方法，包括：

获取已训练好的基于DQN算法的第一路径规划网络及高速公路上车辆行驶的参数配置及行驶数据，所述第一路径规划网络为以高速公路上车辆行驶路径规划为应用场景进行训练获得的人工神经网络模型；

将人工神经网络模型通过工具链转换成脉冲神经网络模型；

将脉冲神经网络模型通过工具链映射，生成用于将脉冲神经网络模型部署在硬件系统的帧文件；

将帧文件部署在硬件系统上以根据车辆的行驶数据对高速公路上自动驾驶车辆的路径进行实时控制。

本发明还提供的一种路径规划装置，包括：

获取模块，用于获取已训练好的基于DQN算法的第一路径规划网络及高速公路上车辆行驶的参数配置及行驶数据，所述第一路径规划网络为以高速公路上车辆行驶路径规划为应用场景进行训练获得的人工神经网络模型；

模型转换模块，用于将人工神经网络模型通过工具链转换成脉冲神经网络模型；

映射模块，用于将脉冲神经网络模型通过工具链映射，生成用于将脉冲神经网络模型部署在硬件系统的帧文件；

部署模块，用于将帧文件部署在硬件系统上以根据车辆的行驶数据对高速公路上自动驾驶车辆的路径进行实时控制。

本发明还提供一种自动驾驶车辆控制系统，包括：上述的路径规划装置。

本发明实施例通过采用DQN算法进行路径规划训练获取高精度的运算决策方式，再将已训练的路径规划网络中计算量大需高功耗的人工神经网络模型转换为低功耗的脉冲神经网络模型，实现了高精度和低功耗的有效结合，并通过硬件系统的工具链进行映射实现了路径规划方法在硬件终端的部署，对于终端硬件算力有限、功耗有限等因素限制条件下实现了路径规划终端部署应用。

附图说明