车辆行为控制方法、装置、电子设备和存储介质与流程
本申请属于自动驾驶,尤其涉及一种车辆行为控制方法、装置、电子设备和存储介质。
背景技术:
1、当前,自动驾驶技术正在飞速发展,行为预测技术是自动驾驶关键技术之一。通常可以根据道路环境、周围交通参与者、自车状态、自车动作等数据,预测生成合适驾驶行为,并控制自车基于该驾驶行为行驶。
2、但由于所采取的预测依据通常为多个时刻的监测数据,导致行为预测过程中,预测模型难免“偷看”下一个时刻的自车动作,导致预测生成的驾驶动作准确率较低。
技术实现思路
1、本申请旨在至少解决现有技术中存在的技术问题之一。为此,本申请提出一种车辆行为控制方法、装置、电子设备和存储介质,以提升了生成每一个移动目标在时刻下的预测动作的准确率。
2、第一方面,本申请提供了一种车辆行为控制方法,包括:
3、获取当前检测周期中若干时刻下每一个移动目标的移动监测数据和地面环境数据;移动目标包括当前车辆、目标车辆和行人;
4、针对每一时刻,对移动监测数据和地面环境数据执行交互融合操作,生成第一融合特征;
5、基于第一融合特征对应的时刻信息,对第一融合特征进行排序,并为排序后的第一融合特征增加时间掩码,生成第二融合特征;
6、基于推理模型对第二融合特征执行推理操作,生成每一个移动目标在时刻下的预测动作,并基于预测动作控制当前车辆移动。
7、根据本申请的车辆行为控制方法,通过获取当前检测周期中若干时刻下当前车辆、目标车辆和行人等每一个移动目标的移动监测数据和地面环境数据,针对每一时刻,对移动监测数据和地面环境数据执行交互融合操作,生成第一融合特征;基于第一融合特征对应的时刻,对第一融合特征进行排序,并为排序后的第一融合特征增加时间掩码,生成第二融合特征,基于推理模型对增加时间掩码后的第二融合特征执行推理操作,避免推理过程受下一个时刻的各个特征的干扰,提高了生成每一个移动目标在时刻下的预测动作的准确率。
8、根据本申请的一个实施例,基于推理模型对第二融合特征执行推理操作,生成每一个移动目标在时刻下的预测动作,包括:
9、基于每一个移动目标的历史预测动作,生成动作嵌入特征;历史预测动作为移动目标上一个时刻的预测动作;
10、针对每一个移动目标,将动作嵌入特征和第二融合特征进行融合,生成第三融合特征;
11、将第三融合特征输入推理模型,生成移动目标在时刻下的预测动作。
12、根据本申请的一个实施例,基于每一个移动目标的历史预测动作,生成动作嵌入特征,包括:
13、对移动目标的历史预测动作的加速度和航向角速度编码,生成目标编码;
14、对目标编码执行离散映射操作,生成离散嵌入向量,并对目标编码执行数值映射操作,生成数值嵌入向量;
15、基于离散嵌入向量和数值嵌入向量,生成移动目标的动作嵌入特征。
16、根据本申请的一个实施例,对目标编码执行数值映射操作,生成数值嵌入向量,包括:
17、对目标编码执行取模操作,生成第一整数特征,并对目标编码执行取整操作,生成第二整数特征;
18、基于第一整数特征和第二整数特征,生成数值嵌入向量。
19、根据本申请的一个实施例,推理模型包括若干个动作头;将第三融合特征输入推理模型,生成移动目标在时刻的预测动作,包括:
20、针对每一个移动目标,将每一个第一动作向量嵌入第三融合特征,生成第一条件化特征;
21、基于动作头对每一个第一条件化特征执行推理操作,生成移动目标在时刻的第一预测动作。
22、根据本申请的一个实施例,生成第一条件化特征之后,该方法包括:
23、将每一个第二动作向量嵌入第一条件化特征,生成第二条件化特征;
24、基于动作头对每一个第二条件化特征执行推理操作,生成移动目标在时刻的第二预测动作。
25、根据本申请的一个实施例,在基于推理模型对第二融合特征执行推理操作,生成每一个移动目标在时刻的预测动作之后,该方法还包括:
26、获取移动目标的第一实测动作和第二实测动作;
27、基于第一实测动作和第一预测动作,生成第一动作损失,并基于第二实测动作和第二预测动作,生成第二动作损失;
28、基于第一动作损失和/或第二动作损失,对推理模型进行更新。
29、第二方面,本申请提供了一种车辆行为控制装置,包括:
30、第一获取模块,用于获取当前检测周期中若干时刻每一个移动目标的移动监测数据和地面环境数据;移动目标包括当前车辆、目标车辆和行人;
31、第一生成模块,用于针对每一时刻,对移动监测数据和地面环境数据执行交互融合操作,生成第一融合特征;
32、第二生成模块,用于基于第一融合特征对应的时刻信息,对第一融合特征进行排序,并为排序后的第一融合特征增加时间掩码,生成第二融合特征;
33、第三生成模块,用于基于推理模型对第二融合特征执行推理操作,生成每一个移动目标在时刻下的预测动作,并基于预测动作控制当前车辆移动。
34、根据本申请的车辆行为控制装置,通过获取当前检测周期中若干时刻下当前车辆、目标车辆和行人等每一个移动目标的移动监测数据和地面环境数据,针对每一时刻,对移动监测数据和地面环境数据执行交互融合操作,生成第一融合特征;基于第一融合特征对应的时刻,对第一融合特征进行排序,并为排序后的第一融合特征增加时间掩码,生成第二融合特征,基于推理模型对增加时间掩码后的第二融合特征执行推理操作,避免推理过程受下一个时刻的各个特征的干扰,提高了生成每一个移动目标在时刻下的预测动作的准确率。
35、第三方面,本申请提供了一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,处理器执行计算机程序以实现上述第一方面车辆行为控制方法的步骤。
36、第四方面,本申请提供了非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现上述第一方面车辆行为控制方法的步骤。
37、第五方面,本申请提供了一种计算机程序产品,包括计算机程序,该计算机程序被处理器执行时实现上述第一方面车辆行为控制方法的步骤。
38、本申请的附加方面和优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本申请的实践了解到。
1.一种车辆行为控制方法,其特征在于,包括:
2.根据权利要求1所述的车辆行为控制方法,其特征在于,所述基于推理模型对所述第二融合特征执行推理操作,生成每一个所述移动目标在所述时刻下的预测动作,包括:
3.根据权利要求2所述的车辆行为控制方法,其特征在于,所述基于每一个所述移动目标的历史预测动作,生成动作嵌入特征,包括:
4.根据权利要求3所述的车辆行为控制方法,其特征在于,所述对所述目标编码执行数值映射操作,生成数值嵌入向量,包括:
5.根据权利要求2所述的车辆行为控制方法,其特征在于,所述推理模型包括若干个动作头;所述将所述第三融合特征输入推理模型,生成所述移动目标在所述时刻的预测动作,包括:
6.根据权利要求5所述的车辆行为控制方法,其特征在于,所述生成第一条件化特征之后,所述方法包括:
7.根据权利要求1-6任一项所述的车辆行为控制方法,其特征在于,在所述基于推理模型对所述第二融合特征执行推理操作,生成每一个所述移动目标在所述时刻下的预测动作之后,所述方法还包括:
8.一种车辆行为控制装置,其特征在于,包括:
9.一种电子设备,包括存储器、处理器及存储在存储器上的计算机程序,其特征在于,所述处理器执行计算机程序以实现上述权利要求1-7任一项所述车辆行为控制方法。
10.一种非暂态计算机可读存储介质,其上存储有计算机程序,其特征在于,该计算机程序被处理器执行时实现如权利要求1-7任一项所述的车辆行为控制方法。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com