买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：北京易航远智科技有限公司

摘要：本公开提供了一种基于高精地图的自动驾驶控制方法，包括：实时获取本车自身信息及本车周边环境信息，实时获取本车车载高精地图的路径规划信息；基于本车自身信息、本车周边环境信息及路径规划信息获取相对信息；基于本车自身信息、本车周边环境信息、路径规划信息及相对信息构建信息融合空间；从信息融合空间抽取关键信息构建状态空间，并输入至深度强化学习模型；深度强化学习模型输出用于自动驾驶控制的控制变量；将控制变量转换为本车的行动指令数值；其中，路径规划信息以连续路径点表示，连续路径点为本车当前位置后续的预设数量的连续路径点。本车还提供了一种基于高精地图的自动驾驶控制装置、电子设备以及可读存储介质。

主权项：1.一种基于高精地图的自动驾驶控制方法，其特征在于，包括：实时获取本车自身信息及本车周边环境信息，实时获取本车车载高精地图的路径规划信息；基于所述本车自身信息、本车周边环境信息及所述路径规划信息获取相对信息；基于所述本车自身信息、本车周边环境信息、路径规划信息及所述相对信息构建信息融合空间；从所述信息融合空间抽取关键信息构建状态空间，并输入至深度强化学习模型；所述深度强化学习模型输出用于自动驾驶控制的控制变量；以及将所述控制变量转换为本车的行动指令数值；其中，所述路径规划信息以连续路径点表示，所述连续路径点为本车当前位置后续的预设数量的连续路径点；其中，所述相对信息包括本车与其他车辆的相对信息即相对车辆信息、本车与连续路径点的相对信息即相对路径点信息及本车与连续路径点轨迹连接线的相对信息即相对路径点连线信息；所述关键信息包括本车自身信息、其他车辆信息、相对路径点信息及车道交通信息；所述其他车辆信息基于所述本车周边环境信息获得；所述相对路径点信息基于所述路径规划信息获得；所述车道交通信息基于所述本车周边环境信息获得；所述深度强化学习模型为经过了奖励回报空间及现实驾驶规范信息训练之后的深度强化学习模型；其中，所述奖励回报空间至少基于所述状态空间构建；所述奖励回报空间包括以下回报奖励函数变量：速度奖励变量，所述速度奖励变量关联所述本车自身信息及所述相对路径点信息；碰撞奖励变量，所述碰撞奖励变量关联所述其他车辆信息、相对车辆信息、车道交通信息及本车自身信息；转角奖励变量，所述转角奖励变量关联所述本车自身信息及相对路径点信息；路线奖励变量，所述路线奖励变量关联所述相对路径点信息及所述相对路径点连线信息；终点奖励变量，所述终点奖励变量关联所述本车自身信息、所述相对路径点信息及所述相对路径点连线信息；交通灯奖励变量，所述交通灯奖励变量关联所述本车自身信息及车道交通信息。

全文数据：

权利要求：

百度查询： 北京易航远智科技有限公司 基于高精地图的自动驾驶控制方法及自动驾驶控制装置