一种基于开关式深度学习网络模型的自动驾驶决策方法及系统

授权

摘要

本发明公开了一种基于开关式深度学习网络模型的自动驾驶决策方法，其包括：通过多个摄像头采集各导航指令下车辆行驶中的行车环境数据；步骤S11，将所述采集的行车环境数据，与实时的导航指令作为输入导入经预先训练优化好的自动驾驶决策模块中，所述自动驾驶决策模块采用开关式深度学习网络模型，所述开关式深度学习网络模型包括多级卷积神经网络(CNN)层、特征选择层、长短期记忆神经网络(LSTM)层以及输出层；步骤S12，所述自动驾驶决策模块根据所输入的行车环境数据与实时的导航指令的类型输出方向盘转角和车辆期望行驶速度，以控制车辆实现自动驾驶。本发明还公开了相应的系统。本发明可以根据不同的驾驶指令选择激活不同的特征开关，能实现复杂路况下的自动驾驶。

基本信息

专利标题：

一种基于开关式深度学习网络模型的自动驾驶决策方法及系统

专利标题（英）：

暂无

公开（公告）号：

CN112026782A

申请号：

CN201910480963.9

公开（公告）日：

2020-12-04

申请日：

2019-06-04

授权号：

CN112026782B

授权日：

2022-05-03

发明人：

王玉龙裴锋王丹温俊杰闵欢刘文如

申请人：

广州汽车集团股份有限公司

申请人地址：

广东省广州市越秀区东风中路448--458号成悦大厦23楼

代理机构：

深圳汇智容达专利商标事务所(普通合伙)

代理人：

熊贤卿

优先权：

CN201910480963.9

主分类号：

B60W50/00

IPC分类号：

B60W50/00