专利名称: |
车道保持算法的确定方法、车道保持的控制方法及系统 |
摘要: |
本发明实施例提供一种车道保持算法的确定方法,包括:获得行车状态的车辆与车道中心线的距离、偏角以及车辆的道路图像、车辆车速;根据所述距离和偏角,确定行车状态的即时回报;以各状态的即时回报、车辆车速以及车辆的道路图像为样本参数集,基于卷积神经网络训练动作值函数,直到目标函数收敛,以建立动作值函数的深度强化学习网络,其中,所述动作值函数的训练包括:通过卷积神经网络从车辆的道路图像序列提取展开的图像特征,并在卷积的最后一层图像特征加入车辆车速,以获得动作值函数。该算法为深度增强学习的端到端车道保持算法,使用时的鲁棒性和舒适性强,可以基于好的驾驶习惯的数据样本进行训练,提高驾驶的舒适性和安全性。 |
专利类型: |
发明专利 |
国家地区组织代码: |
上海;31 |
申请人: |
上海汽车集团股份有限公司 |
发明人: |
徐成;邹清全;刘奋;吕成浩;卢远志;田润 |
专利状态: |
有效 |
申请号: |
CN201710534979.4 |
公开号: |
CN109204308A |
代理机构: |
北京信远达知识产权代理事务所(普通合伙) 11304 |
代理人: |
魏晓波 |
分类号: |
B60W30/12(2006.01)I;B;B60;B60W;B60W30 |
申请人地址: |
201203 上海市浦东新区张江高科技园区松涛路563号1号楼509室 |
主权项: |
1.一种车道保持算法的确定方法,其特征在于,包括:获得行车状态的车辆与车道中心线的距离、偏角以及车辆的道路图像、车辆车速;根据所述距离和偏角,确定行车状态的即时回报;以各状态的即时回报、车辆车速以及车辆的道路图像为样本参数集,基于卷积神经网络训练动作值函数,直到目标函数收敛,以建立动作值函数的深度强化学习网络,其中,所述动作值函数的训练包括:通过卷积神经网络从车辆的道路图像序列提取展开的图像特征,并在卷积的最后一层图像特征加入车辆车速,以获得动作值函数。 |
所属类别: |
发明专利 |