一种无人驾驶设备的控制方法及控制装置与流程

1.本发明涉及技术领域，尤其涉及一种无人驾驶设备的控制方法及控制装置。


背景技术：

2.无人车又称智能车、无人自主车、自主导航车或轮式移动机器人，是室外移动机器人在交通领域的重要应用。无人车系统是集环境感知、规划决策和多级辅助驾驶功能于一体的综合系统。它是充分考虑车路一体化、协调规划的车辆系统，也是智能交通系统的重要组成部分，利用传感器技术、信号处理技术、通信技术和计算机技术等。无人驾驶汽车可以通过集成视觉、激光雷达、超声波传感器、微波雷达、gps、里程表、磁罗盘等各种车载传感器来识别汽车所处的环境和状态。并根据获取的道路信息、交通信号信息、车辆位置和障碍物信息进行分析判断，向主控计算机发出所需的控制，控制汽车的转向和速度，从而实现无人驾驶汽车能够自主导向。
3.现有技术中在无人驾驶过程中，车辆往往在需要变道的情况下才会按照预设的指令进行变道，而且车辆的换道决策通常不会综合考虑到对应场景下的行驶效率和安全性，因此即便在不同的场景下，车辆的换道决策也是相同的，这样很难满足不同场景下的行驶需求，保证行驶安全和行驶效率，进而显得极为不便，所以亟需可以提高安全性的一种无人驾驶设备的控制方法及控制装置。


技术实现要素：

4.本发明的目的是提供一种无人驾驶设备的控制方法及控制装置，解决了现有技术中车辆的换道决策通常不会综合考虑到对应场景下的行驶效率和安全性，因此即便在不同的场景下，车辆的换道决策也是相同的，这样很难满足不同场景下的行驶需求，保证行驶安全和行驶效率的问题。
5.为了实现上述目的，本发明采用了如下技术方案：
6.一种无人驾驶设备的控制方法及控制装置，包括无人驾驶设备的控制装置，控制装置包括环境特征模块、解耦模块、控制模块、训练模块，其中环境特征模块通过各类传感器信息融合，使自动驾驶系统能充分了解和认识环境，并根据车辆行驶目标做出路径规划，解耦模块对环境特征进行解耦，确定环境特征对应的各解耦特征，解耦特征用于表征各车道的障碍物位置分布以及各车道障碍物与无人驾驶设备的速度分布，控制模块，用以自动控制车辆的行驶，针对每个环境片段，根据该环境片段对应的环境数据，确定该环境片段的环境特征，并作为训练样本。
7.优选的，历史车辆状态和历史路况信息，确定针对指定设备的各历史换道决策，以及将历史车辆状态和历史路况信息输入到权重模型，确定指定设备在历史路况信息对应的历史环境中行驶时，历史换道决策中包含的各决策因子对应的预测偏好权重。
8.优选的，预测障碍物在未来的行驶轨迹，作为预测轨迹，以及获取障碍物的历史轨迹，确定预测轨迹与历史轨迹之间的轨迹趋势偏差度，在无人驾驶设备确定出的急刹加速
度不小于急刹保护模式下预设的刹车加速度的情况下，若确定轨迹趋势偏差度大于预设偏差度，监测到无人驾驶设备在自动驾驶过程中将产生急刹。
9.优选的，判断同一单位时刻在第二行驶数据中对应的位置，与在其他无人驾驶设备的第一行驶数据中对应的位置是否处于预设范围内，若是，向无人驾驶设备发送禁止指示，若否，向无人驾驶设备发送允许指示，无人驾驶设备，当接收到禁止指示时，根据第一行驶数据行驶；当接收到允许指示时，根据第二行驶数据行驶。
10.优选的，确定满足预设训练条件，具体包括：针对每一轮模型训练，从各训练样本中确定出目标样本，其中，针对每个训练样本，若确定该训练样本在该轮模型训练中所确定出的实际行驶场景，不同于将该训练样本输入到上一轮调整后的场景行驶模型中所识别出的行驶场景，将该训练样本将为目标样本，若确定目标样本在各训练样本中的占比小于设定占比，确定满足预设训练条件。
11.优选的，无人驾驶车辆的控制方法可以进一步完善自动驾驶相关领域的功能，并且利用了目前车辆上安装的摄像头，无需额外再安装硬件设备，通过上述过程进行路面识别，通过得到的目标路面状态决定是否停车，不是直接停车，而是需要考虑了在接收到停车指令或无人驾驶车辆到达预设位置的情况下的路面情况，如此，可提高停车控制的效果等。
12.本发明至少具备以下有益效果：
13.通过预训练的自编码器，能够将无人驾驶设备所处环境的环境特征进行特征提取并解耦，得到各解耦特征，将各解耦特征输入预先强化学习得到的决策模型，输出该环境特征对应的决策，以根据得到的决策控制该无人驾驶设备向目的地运动，在本说明书提供的模型训练的方法和无人驾驶设备的控制方法中，针对每个训练样本，将作为该训练样本的历史传感数据输入到预设的场景行驶模型中，得到该训练样本对应的行驶场景，并继续将该历史传感数据输入到与该行驶场景对应的决策模型中，得到该训练样本对应的第一预测控制策略，以根据该第一预测控制策略，对行驶场景对应的决策模型进行训练，得到该行驶场景对应的调整后决策模型。
附图说明
14.为了更清楚地说明本发明实施例技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
15.图1为本发明的控制装置模块连接示意图。
具体实施方式
16.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
17.实施例一
18.参照图1，包括无人驾驶设备的控制装置，控制装置包括环境特征模块、解耦模块、控制模块、训练模块，其中环境特征模块通过各类传感器信息融合，使自动驾驶系统能充分了解和认识环境，并根据车辆行驶目标做出路径规划，解耦模块对环境特征进行解耦，确定
环境特征对应的各解耦特征，解耦特征用于表征各车道的障碍物位置分布以及各车道障碍物与无人驾驶设备的速度分布，控制模块，用以自动控制车辆的行驶，针对每个环境片段，根据该环境片段对应的环境数据，确定该环境片段的环境特征，并作为训练样本。
19.根据环境场景对应的环境特征，基于自编码器准确得到解耦的具有可解释性的解耦特征，并通过具有泛化性的决策模型，准确输出在各种环境场景下应当控制无人驾驶设备执行的决策，提高了决策的合理性和准确率。
20.实施例二
21.参照图1，历史车辆状态和历史路况信息，确定针对指定设备的各历史换道决策，以及将历史车辆状态和历史路况信息输入到权重模型，确定指定设备在历史路况信息对应的历史环境中行驶时，历史换道决策中包含的各决策因子对应的预测偏好权重。
22.实施例三
23.参照图1，预测障碍物在未来的行驶轨迹，作为预测轨迹，以及获取障碍物的历史轨迹，确定预测轨迹与历史轨迹之间的轨迹趋势偏差度，在无人驾驶设备确定出的急刹加速度不小于急刹保护模式下预设的刹车加速度的情况下，若确定轨迹趋势偏差度大于预设偏差度，监测到无人驾驶设备在自动驾驶过程中将产生急刹，判断同一单位时刻在第二行驶数据中对应的位置，与在其他无人驾驶设备的第一行驶数据中对应的位置是否处于预设范围内，若是，向无人驾驶设备发送禁止指示，若否，向无人驾驶设备发送允许指示，无人驾驶设备，当接收到禁止指示时，根据第一行驶数据行驶；当接收到允许指示时，根据第二行驶数据行驶。
24.实施例四
25.参照图1，确定满足预设训练条件，具体包括：针对每一轮模型训练，从各训练样本中确定出目标样本，其中，针对每个训练样本，若确定该训练样本在该轮模型训练中所确定出的实际行驶场景，不同于将该训练样本输入到上一轮调整后的场景行驶模型中所识别出的行驶场景，将该训练样本将为目标样本，若确定目标样本在各训练样本中的占比小于设定占比，确定满足预设训练条件，无人驾驶车辆的控制方法可以进一步完善自动驾驶相关领域的功能，并且利用了目前车辆上安装的摄像头，无需额外再安装硬件设备，通过上述过程进行路面识别，通过得到的目标路面状态决定是否停车，不是直接停车，而是需要考虑了在接收到停车指令或无人驾驶车辆到达预设位置的情况下的路面情况，如此，可提高停车控制的效果等。
26.该服务器在确定出各环境片段后，可根据该环境片段的环境特征，确定各车道的障碍物位置分布以及各车道障碍物与该采集设备的速度分布，作为训练样本的标签。即，将各训练样本的属性作为标签。
27.以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。