申请/专利权人：广州极飞科技股份有限公司

申请日：2021-04-28

公开（公告）日：2024-04-12

公开（公告）号：CN113156961B

主分类号：G05D1/43

分类号：G05D1/43;G05D1/644;G05D1/648;G05D105/15

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.08.10#实质审查的生效;2021.07.23#公开

摘要：本发明实施例提出一种驾驶控制模型训练方法、驾驶控制方法及相关装置，涉及自动驾驶技术领域。其中，上述驾驶控制模型训练方法包括：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。从而使得得到的驾驶控制模型能够准确的控制作业设备按照标准轨迹驾驶。

主权项：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；所述待训练模型包括用于提取图像特征的卷积处理层及两个分别与卷积处理层的输出层连接的全连接层；与所述卷积处理层连接的所述全连接层分别是用于预判控制时刻所对应的驾驶控制量的第一分类层和用于预测驾驶控制精准度的第二分类层；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；对所述待训练模型进行训练的过程中，无需针对所述卷积处理层进行训练。

全文数据：

权利要求：

百度查询： 广州极飞科技股份有限公司 驾驶控制模型训练方法、驾驶控制方法及相关装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD