CN109808706A - 学习式辅助驾驶控制方法、装置、系统及车辆 - Google Patents

Abstract

本发明涉及一种学习式辅助驾驶控制方法、装置、系统及车辆，核心在于方法，包括：阶段1：在驾驶员驾驶过程中，采集不同情况下至少包括周边车辆及车道线的环境数据以及对应的驾驶员输入的油门、刹车、转向控制量，并根据其得到训练数据训练控制模型；阶段2：当辅助驾驶开启时，采集当前至少包括周边车辆及车道线的环境数据，并输入训练好的控制模型，将控制模型输出的相应的控制信号控制车辆行驶。与现有技术相比，本发明可以省略掉驾驶员对车辆参数的设置，节约时间，使系统更方便使用，同时通过学习驾驶员的驾驶习惯，可以使系统对车辆的控制风格更加接近驾驶员平时对车辆的控制，满足驾驶员对系统的期待，使系统更懂用户更智能。

Description

学习式辅助驾驶控制方法、装置、系统及车辆

技术领域

本发明涉及汽车辅助驾驶领域，尤其是涉及一种学习式辅助驾驶控制方法、装置、系统及车辆。

背景技术

近年来，各种辅助驾驶功能被应用于高端车辆上，甚至于一些低端A级车也搭载了例如自适应巡航和自动换道功能，其中，自适应巡航系统(ACC)是指使用雷达或者摄像头来探测前方车辆，根据驾驶员对跟车速度和跟车时距的设置，通过控制刹车和油门来保持和前方车辆的距离；自动换道系统是指驾驶员触发转向请求后，系统控制方向盘的转向扭矩从而实现换道操作。

但是目前的自适应巡航系统还比较原始，需要驾驶员在开启功能后进行一些参数的设定，例如期望时速、跟车距离等，当前方无车时，按照期望时速行驶，当前方有车时按照前车的速度行驶，时间一长，驾驶员可能会犯困，由于自适应巡航无无法对相邻车道以及前方弯道进行调整，从而造成更加危险的后果。

同样的，现有的自动换道系统，在换道过程中只会按照系统预设的力矩进行变道，无法进行调整，但是每个人能够承受的幅度或者感受到舒适的幅度是不一致的，如果需要让每一个乘客都感觉到舒适，本领域技术人员能够的想到的方法是需要针对不同的乘客进行设定，这显然是不现实的。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种学习式辅助驾驶控制方法、装置、系统及车辆。

本发明的目的可以通过以下技术方案来实现：

一种学习式辅助驾驶控制方法，包括：

阶段1：在驾驶员驾驶过程中，采集不同情况下至少包括周边车辆及车道线的环境数据以及对应的驾驶员输入的油门、刹车、转向控制量，并根据其得到训练数据训练控制模型；

阶段2：当辅助驾驶开启时，采集当前至少包括周边车辆及车道线的环境数据，并输入训练好的控制模型，将控制模型输出的相应的控制信号控制车辆行驶。

所述阶段1中，采集得到环境数据和控制量后，基于油门、刹车、转向控制量和运行状态得到跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向，

并将环境数据和得到的跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向作为训练数据；

所述阶段2中，控制模型输出的控制信号为跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向。

一种学习式辅助驾驶控制装置，包括处理器、存储器，以及存储于存储器上并由所述处理器执行的程序，所述处理器执行所述程序时实现以下步骤：

阶段1：在驾驶员驾驶过程中，采集不同情况下至少包括周边车辆及车道线的环境数据以及对应的驾驶员输入的油门、刹车、转向控制量，并根据其得到训练数据训练控制模型；

阶段2：当辅助驾驶开启时，采集当前至少包括周边车辆及车道线的环境数据，并输入训练好的控制模型，将控制模型输出的相应的控制信号控制车辆行驶。

一种学习式辅助驾驶控制系统，包括摄像头、雷达传感器和控制装置，所述控制装置包括处理器、存储器，以及存储于存储器上并由所述处理器执行的程序，所述处理器执行所述程序时实现以下步骤：

阶段1：在驾驶员驾驶过程中，采集不同情况下至少包括周边车辆及车道线的环境数据以及对应的驾驶员输入的油门、刹车、转向控制量，并根据其得到训练数据训练控制模型；

阶段2：当辅助驾驶开启时，采集当前至少包括周边车辆及车道线的环境数据，并输入训练好的控制模型，将控制模型输出的相应的控制信号控制车辆行驶。

一种车辆，包括车辆本体、摄像头、雷达传感器和控制装置，所述摄像头、雷达传感器和控制装置均设于车辆本体上，所述控制装置包括处理器、存储器，以及存储于存储器上并由所述处理器执行的程序，所述处理器执行所述程序时实现以下步骤：

阶段1：在驾驶员驾驶过程中，采集不同情况下至少包括周边车辆及车道线的环境数据以及对应的驾驶员输入的油门、刹车、转向控制量，并根据其得到训练数据训练控制模型；

阶段2：当辅助驾驶开启时，采集当前至少包括周边车辆及车道线的环境数据，并输入训练好的控制模型，将控制模型输出的相应的控制信号控制车辆行驶。

与现有技术相比，本发明具有以下有益效果：可以省略掉驾驶员对车辆参数的设置，节约时间，使系统更方便使用，同时通过学习驾驶员的驾驶习惯，可以使系统对车辆的控制风格更加接近驾驶员平时对车辆的控制，满足驾驶员对系统的期待，使系统更懂用户更智能。

附图说明

图1为本发明方法的主要步骤流程示意图；

图2为阶段1的系统框图；

图3为阶段2的系统框图。

具体实施方式

下面结合附图和具体实施例对本发明进行详细说明。本实施例以本发明技术方案为前提进行实施，给出了详细的实施方式和具体的操作过程，但本发明的保护范围不限于下述的实施例。

一种学习式辅助驾驶控制方法，如图1所示，包括：

阶段1：在驾驶员驾驶过程中，采集不同情况下至少包括周边车辆及车道线的环境数据以及对应的驾驶员输入的油门、刹车、转向控制量，并根据其得到训练数据训练控制模型；

阶段2：当辅助驾驶开启时，采集当前至少包括周边车辆及车道线的环境数据，并输入训练好的控制模型，将控制模型输出的相应的控制信号控制车辆行驶。

阶段1中，采集得到环境数据和控制量后，基于油门、刹车、转向控制量和运行状态得到跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向，

并将环境数据和得到的跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向作为训练数据；

阶段2中，控制模型输出的控制信号为跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向。

具体的，环境数据通过摄像头和雷达采集，摄像头和雷达探测当前驾驶环境，包括当前车道的转弯半径、距离车道线的距离、前方车辆的速度和距离。这些信息通过总线发送到车辆网络。驾驶员对车辆油门、刹车和转向的控制也会有相应的电子控制单元发送到车辆网络。

如图2所示，阶段1中根据大数据建立模型，高速公路辅助系统接入车辆网络，从而获得驾驶员在不同场景下对车辆的操作信息，包含油门位置、油门变化梯度、刹车踏板压力、刹车踏板梯度、纵向加速度、横向加速度、转向力矩、转向角速度等信息。通过统计算法计算出驾驶员在某一场景下对车辆操作的模型。

如图3所示，阶段2中，当驾驶员开启高速公路辅助系统时，系统通过摄像头和雷达得到当前车辆所处的环境信息，将环境信息作为输入，输入到阶段1中学习到的模型中，模型根据当前驾驶场景输出车辆控制信息。

Claims (8)

1.一种学习式辅助驾驶控制方法，其特征在于，包括：

阶段1：在驾驶员驾驶过程中，采集不同情况下至少包括周边车辆及车道线的环境数据以及对应的驾驶员输入的油门、刹车、转向控制量，并根据其得到训练数据训练控制模型；

阶段2：当辅助驾驶开启时，采集当前至少包括周边车辆及车道线的环境数据，并输入训练好的控制模型，将控制模型输出的相应的控制信号控制车辆行驶。

2.根据权利要求1所述的一种学习式辅助驾驶控制方法，其特征在于，所述阶段1中，采集得到环境数据和控制量后，基于油门、刹车、转向控制量和运行状态得到跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向，

并将环境数据和得到的跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向作为训练数据；

所述阶段2中，控制模型输出的控制信号为跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向。

3.一种学习式辅助驾驶控制装置，其特征在于，包括处理器、存储器，以及存储于存储器上并由所述处理器执行的程序，所述处理器执行所述程序时实现以下步骤：

阶段1：在驾驶员驾驶过程中，采集不同情况下至少包括周边车辆及车道线的环境数据以及对应的驾驶员输入的油门、刹车、转向控制量，并根据其得到训练数据训练控制模型；

阶段2：当辅助驾驶开启时，采集当前至少包括周边车辆及车道线的环境数据，并输入训练好的控制模型，将控制模型输出的相应的控制信号控制车辆行驶。

4.根据权利要求3所述的一种学习式辅助驾驶控制方法，其特征在于，所述阶段1中，采集得到环境数据和控制量后，基于油门、刹车、转向控制量和运行状态得到跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向，

并将环境数据和得到的跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向作为训练数据；

所述阶段2中，控制模型输出的控制信号为跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向。

5.一种学习式辅助驾驶控制系统，包括摄像头、雷达传感器和控制装置，其特征在于，所述控制装置包括处理器、存储器，以及存储于存储器上并由所述处理器执行的程序，所述处理器执行所述程序时实现以下步骤：

阶段1：在驾驶员驾驶过程中，采集不同情况下至少包括周边车辆及车道线的环境数据以及对应的驾驶员输入的油门、刹车、转向控制量，并根据其得到训练数据训练控制模型；

阶段2：当辅助驾驶开启时，采集当前至少包括周边车辆及车道线的环境数据，并输入训练好的控制模型，将控制模型输出的相应的控制信号控制车辆行驶。

6.根据权利要求5所述的一种学习式辅助驾驶控制系统，其特征在于，所述阶段1中，采集得到环境数据和控制量后，基于油门、刹车、转向控制量和运行状态得到跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向，

并将环境数据和得到的跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向作为训练数据；

所述阶段2中，控制模型输出的控制信号为跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向。

7.一种车辆，包括车辆本体、摄像头、雷达传感器和控制装置，所述摄像头、雷达传感器和控制装置均设于车辆本体上，其特征在于，所述控制装置包括处理器、存储器，以及存储于存储器上并由所述处理器执行的程序，所述处理器执行所述程序时实现以下步骤：

阶段1：在驾驶员驾驶过程中，采集不同情况下至少包括周边车辆及车道线的环境数据以及对应的驾驶员输入的油门、刹车、转向控制量，并根据其得到训练数据训练控制模型；

阶段2：当辅助驾驶开启时，采集当前至少包括周边车辆及车道线的环境数据，并输入训练好的控制模型，将控制模型输出的相应的控制信号控制车辆行驶。

8.根据权利要求7所述的一种车辆，其特征在于，所述阶段1中，采集得到环境数据和控制量后，基于油门、刹车、转向控制量和运行状态得到跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向，

并将环境数据和得到的跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向作为训练数据；

所述阶段2中，控制模型输出的控制信号为跟车时的速度、距离，换道时的转向扭矩和角速度，以及过弯时的速度、转向。