车辆的控制方法及装置、无人驾驶车辆与流程

本发明涉及车辆控制技术领域，具体而言，涉及一种车辆的控制方法及装置、无人驾驶车辆。

背景技术：

车辆行驶在道路上，需要对周围路况进行快速、及时的分析，以确保其能够正常行驶在道路上。若要确保车辆能够正常行驶在车辆上，对车辆所在路况进行分析十分重要。相关技术中，在对车辆所在路况进行分析时，一般是通过采集当前道路上的图像，并对图像进行分析，以确定车辆当前所在道路上的路况信息。然而，相关技术中在对采集的图像进行分析时，可能会由于图像上的干扰物较多，导致分析得到的路况并不准确，那么基于上述图像分析得的路况确定的用于对车辆进行控制的控制策略可能也会存在错误，这就为道路安全埋下了安全隐患。

针对上述相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中干扰物的影响，降低了路况分析的精准度，存在安全隐患的问题，目前尚未提出有效的解决方案。

技术实现要素：

本发明实施例提供了一种车辆的控制方法及装置、无人驾驶车辆，以至少解决相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中干扰物的影响，降低了路况分析的精准度，存在安全隐患的技术问题。

根据本发明实施例的一个方面，提供了一种车辆的控制方法，包括：获取目标车辆的行驶环境图像；对所述行驶环境图像进行预处理，得到预处理后的行驶环境图像；通过驾驶行为决策模型，确定与所述预处理后的行驶环境图像对应的控制策略，其中，所述驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：行驶环境图像以及与所述行驶环境图像对应的控制策略，所述行驶环境图像为预处理后的图像；按照所述控制策略控制所述目标车辆的行驶行为。

可选地，获取目标车辆当前所在空间的行驶环境图像，包括：确定所述目标车辆处于运行状态；触发所述目标车辆上的图像采集设备采集所述目标车辆预定区域内的行驶环境图像。

可选地，对所述行驶环境图像进行预处理，包括以下至少之一：利用热核扩散方式对所述行驶环境图像进行去噪处理，以过滤掉所述行驶环境图像中的背景噪声；将所述行驶环境图像与行驶环境图像模板比较，以过滤掉所述行驶环境图像中的背景噪声，其中，所述行驶环境图像模板为预先设置并用于对行驶环境图像进行去噪的模板。

可选地，按照所述控制策略控制所述目标车辆的行驶行为，包括以下至少之一：按照所述控制策略控制所述目标车辆的行驶速度；按照所述控制策略控制所述目标车辆的行驶方向。

可选地，该车辆的控制方法还包括：对所述行驶环境图像进行分析，得到所述目标车辆所在环境的气象信息；基于所述气象信息确定所述目标车辆所在环境的环境等级；按照所述环境等级控制所述目标车辆的预定部件，其中，所述预定部件包括以下至少之一：车窗、雨刷器、空调器。

可选地，基于所述气象信息确定所述目标车辆所在环境的环境等级，包括：通过环境等级判定模型，确定与所述气象信息对应的环境等级，其中，所述环境等级判定模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中每一组训练数据均包括：气象信息与气象信息对应的环境等级。

可选地，在通过环境等级判定模型，确定与所述气象信息对应的环境等级之前，该车辆的控制方法还包括：获取多个历史气象信息；通过预定判断条件对所述多个历史气象信息进行标定，确定多个所述历史气象信息中每一个历史气象信息对应的环境等级，以获取所述训练数据。

可选地，该车辆的控制方法还包括：采集所述目标车辆中乘客的图像；对所述图像进行分析，得到所述乘客的情绪信息；确定与所述情绪信息对应的多媒体文件；控制所述目标车辆的媒体部件播放所述多媒体文件。

根据本发明实施例的另外一个方面，还提供了一种车辆的控制方法，包括：在目标车辆的操作界面中展示所述目标车辆的行驶环境图像；对所述行驶环境图像进行预处理，得到预处理后的行驶环境图像；在所述操作界面中展示通过驾驶行为决策模型，确定与所述预处理后的行驶环境图像对应的控制策略，其中，所述驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：行驶环境图像以及与所述行驶环境图像对应的控制策略，所述行驶环境图像为预处理后的图像；在所述操作界面上展示所述目标车辆按照所述控制策略行驶的行驶路线。

根据本发明实施例的另外一个方面，还提供了一种车辆的控制装置，包括：获取单元，用于获取目标车辆的行驶环境图像；预处理单元，用于对所述行驶环境图像进行预处理，得到预处理后的行驶环境图像；确定单元，用于通过驾驶行为决策模型，确定与所述预处理后的行驶环境图像对应的控制策略，其中，所述驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：行驶环境图像以及与所述行驶环境图像对应的控制策略，所述行驶环境图像为预处理后的图像；控制单元，用于按照所述控制策略控制所述目标车辆的行驶行为。

可选地，所述获取单元，包括：第一确定模块，用于确定所述目标车辆处于运行状态；采集模块，用于触发所述目标车辆上的图像采集设备采集所述目标车辆预定区域内的行驶环境图像。

可选地，所述预处理单元，包括以下至少之一：去噪处理模块，用于利用热核扩散方式对所述行驶环境图像进行去噪处理，以过滤掉所述行驶环境图像中的背景噪声；过滤模块，用于将所述行驶环境图像与行驶环境图像模板比较，以过滤掉所述行驶环境图像中的背景噪声，其中，所述行驶环境图像模板为预先设置并用于对行驶环境图像进行去噪的模板。

可选地，所述控制单元，包括以下至少之一：第一控制模块，用于按照所述控制策略控制所述目标车辆的行驶速度；第二控制模块，用于按照所述控制策略控制所述目标车辆的行驶方向。

可选地，该车辆的控制装置还包括：分析单元，用于对所述行驶环境图像进行分析，得到所述目标车辆所在环境的气象信息；所述确定单元，用于基于所述气象信息确定所述目标车辆所在环境的环境等级；所述控制单元，用于按照所述环境等级控制所述目标车辆的预定部件，其中，所述预定部件包括以下至少之一：车窗、雨刷器、空调器。

可选地，所述确定单元，包括：第二确定模块，用于通过环境等级判定模型，确定与所述气象信息对应的环境等级，其中，所述环境等级判定模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中每一组训练数据均包括：气象信息与气象信息对应的环境等级。

可选地，该车辆的控制装置还包括：获取模块，用于在通过环境等级判定模型，确定与所述气象信息对应的环境等级之前，获取多个历史气象信息；标定模块，用于通过预定判断条件对所述多个历史气象信息进行标定，确定多个所述历史气象信息中每一个历史气象信息对应的环境等级，以获取所述训练数据。

可选地，该车辆的控制装置还包括：采集单元，用于采集所述目标车辆中乘客的图像；所述获取单元，用于对所述图像进行分析，得到所述乘客的情绪信息；所述确定单元，用于确定与所述情绪信息对应的多媒体文件；所述控制单元，用于控制所述目标车辆的媒体部件播放所述多媒体文件。

根据本发明实施例的另外一个方面，还提供了一种车辆的控制装置，包括：第一展示单元，用于在目标车辆的操作界面中展示所述目标车辆的行驶环境图像；处理单元，用于对所述行驶环境图像进行预处理，得到预处理后的行驶环境图像；第二展示单元，用于在所述操作界面中展示通过驾驶行为决策模型，确定与所述预处理后的行驶环境图像对应的控制策略，其中，所述驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，所述多组训练数据中的每一组训练数据均包括：行驶环境图像以及与所述行驶环境图像对应的控制策略，所述行驶环境图像为预处理后的图像；第三展示单元，用于在所述操作界面上展示所述目标车辆按照所述控制策略行驶的行驶路线。

根据本发明实施例的另外一个方面，还提供了一种无人驾驶车辆，使用上述中任一项所述的车辆的控制方法。

根据本发明实施例的另外一个方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质包括存储的计算机程序，其中，在所述计算机程序被处理器运行时控制所述计算机可读存储介质所在设备执行上述中任一项所述的车辆的控制方法。

根据本发明实施例的另外一个方面，还提供了一种处理器，所述处理器用于运行计算机程序，其中，所述计算机程序运行时执行上述中任一项所述的车辆的控制方法。

在本发明实施例中，获取目标车辆的行驶环境图像；对行驶环境图像进行预处理，得到预处理后的行驶环境图像；通过驾驶行为决策模型，确定与预处理后的行驶环境图像对应的控制策略，其中，驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：行驶环境图像以及与行驶环境图像对应的控制策略，行驶环境图像为预处理后的图像；按照控制策略控制目标车辆的行驶行为。通过本发明实施例提供的车辆的控制方法，实现了通过预处理后的行驶环境图像得到对目标车辆进行控制的控制策略的目的，达到了提高对目标车辆进行控制的精准度的技术效果，降低了安全隐患，进而解决了相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中干扰物的影响，降低了路况分析的精准度，存在安全隐患的技术问题。

附图说明

此处所说明的附图用来提供对本发明的进一步理解，构成本申请的一部分，本发明的示意性实施例及其说明用于解释本发明，并不构成对本发明的不当限定。在附图中：

图1是根据本发明实施例的车辆的控制方法的流程图；

图2是根据本发明实施例的可选的车辆的控制方法的流程图；

图3是根据本发明实施例的车辆的控制装置的示意图；

图4是根据本发明实施例的可选的车辆的控制装置的示意图。

具体实施方式

为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明保护的范围。

需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

实施例1

根据本发明实施例，提供了一种车辆的控制方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图1是根据本发明实施例的车辆的控制方法的流程图，如图1所示，该车辆的控制方法包括如下步骤：

步骤s102，获取目标车辆的行驶环境图像。

可选的，这里的目标车辆可以为无人驾驶车辆。

可选的，这里的行驶环境图像可以为在目标车辆行驶过程中，采集的目标车辆所在道路上的图像。

可选的，这里的图像采集设备可以包括但不限于：雷达、激光传感器。

作为一种可选的实施例，获取目标车辆当前所在空间的行驶环境图像，包括：确定目标车辆处于运行状态；触发目标车辆上的图像采集设备采集目标车辆预定区域内的行驶环境图像。

例如，当目标车辆上的监测设备监测到目标车辆处于运行状态时，可以触发目标车辆上的图像采集设备采集目标车辆预定范围内的图像，即，行驶环境图像，用于描述目标车辆当前所在道路的路况信息。

步骤s104，对行驶环境图像进行预处理，得到预处理后的行驶环境图像。

由于图像采集设备采集的行驶环境图像可能会受到空气中粉尘、垃圾等的影响，会导致行驶环境图像中存在较多干扰物，影响对目标车辆所在道路的路况分析。

因此，在本发明实施例中，可以先对行驶环境图像进行预处理，然后基于预处理后的行驶环境图像来进行路况判断，进而得到行驶环境图像对应的控制策略。

作为一种可选的实施例，对行驶环境图像进行预处理，包括以下至少之一：利用热核扩散方式对行驶环境图像进行去噪处理，以过滤掉行驶环境图像中的背景噪声；将行驶环境图像与行驶环境图像模板比较，以过滤掉行驶环境图像中的背景噪声，其中，行驶环境图像模板为预先设置并用于对行驶环境图像进行去噪的模板。

即，即可以利用热核扩散技术去除图像中的背景噪声，也可以将行驶环境图像与图像库中的图像模板进行比较，以得到去除背景噪声的干净环境图像，以便于后续对行驶环境图像的分析。

步骤s106，通过驾驶行为决策模型，确定与预处理后的行驶环境图像对应的控制策略，其中，驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：行驶环境图像以及与行驶环境图像对应的控制策略，行驶环境图像为预处理后的图像。

步骤s108，按照控制策略控制目标车辆的行驶行为。

由上可知，在本发明实施例中，在获取目标车辆的行驶环境图像后，对行驶环境图像进行预处理，得到预处理后的行驶环境图像；并通过驾驶行为决策模型，确定与预处理后的行驶环境图像对应的控制策略，其中，驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：行驶环境图像以及与行驶环境图像对应的控制策略，行驶环境图像为预处理后的图像；以及按照控制策略控制目标车辆的行驶行为，实现了通过预处理后的行驶环境图像得到对目标车辆进行控制的控制策略的目的，达到了提高对目标车辆进行控制的精准度的技术效果，降低了安全隐患。

因此，通过本发明实施例提供的车辆的控制方法，解决了相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中干扰物的影响，降低了路况分析的精准度，存在安全隐患的技术问题。

在上述步骤s108中，按照控制策略控制目标车辆的行驶行为，包括以下至少之一：按照控制策略控制目标车辆的行驶速度；按照控制策略控制目标车辆的行驶方向。

即，在该实施例中，可以根据控制策略控制目标车辆的行驶速度，也可以根据控制策略控制目标车辆的行驶方向。

作为一种可选的实施例，该车辆的控制方法还可以包括：对行驶环境图像进行分析，得到目标车辆所在环境的气象信息；基于气象信息确定目标车辆所在环境的环境等级；按照环境等级控制目标车辆的预定部件，其中，预定部件包括以下至少之一：车窗、雨刷器、空调器。

也即是，在本发明实施例中，也可以通过对行驶环境图像进行分析，得到目标车辆所在环境中的粉尘、雾霾等的含量。另外，也可以根据确定的粉尘、雾霾等的含量来确定环境状况，从而可以控制目标车辆的车窗、雨刷器、空调器等。

例如，当确定当前处于降雨状态，则可以控制目标车辆的雨刷器打开；当确定当前处于粉尘、雾霾含量较高状态，则可以控制目标车辆的车窗关闭；当确定当前车内温度较高，则可以控制车内的空调器打开。另外，也可以根据目标车辆内外的温度差来确定车内空调器的运行模式。具体地，可以通过运行模式确定模型来确定与温度差对应的目标运行模式，从而控制空调器按照该目标运行模式运行。

需要说明的是，上述运行模式确定模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：温度差以及与该温度差对应的运行模式。

作为一种可选的实施例，基于气象信息确定目标车辆所在环境的环境等级，包括：通过环境等级判定模型，确定与气象信息对应的环境等级，其中，环境等级判定模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中每一组训练数据均包括：气象信息与气象信息对应的环境等级。

其中，在通过环境等级判定模型，确定与气象信息对应的环境等级之前，该车辆的控制方法还包括：获取多个历史气象信息；通过预定判断条件对多个历史气象信息进行标定，确定多个历史气象信息中每一个历史气象信息对应的环境等级，以获取训练数据。

这里可以通过机器学习训练得到环境等级判定模型，从而可以根据环境等级判定模型来确定环境等级，从而提高了环境状态确定的效率，也可以及时做出对应的反应。

作为一种可选的实施例，该车辆的控制方法还包括：采集目标车辆中乘客的图像；对图像进行分析，得到乘客的情绪信息；确定与情绪信息对应的多媒体文件；控制目标车辆的媒体部件播放多媒体文件。

在该实施例中，可以利用目标车辆内设置的图像采集设备采集车辆内乘客的图像，从而可以利用情绪分析模式来确定与图像对应的乘客的情绪信息，进而确定与情绪信息对应的多媒体文件，并控制目标车辆内的媒体部件播放多媒体信息，为乘客提供舒适的乘车环境。

通过本发明实施例提供的车辆的控制方法，不仅可以对采集到的目标车辆所在环境内的图像，并对图像进行预处理后，根据预处理后的图像确定对目标车辆进行控制的控制策略，提高了对目标车辆进行控制的精准度，降低了道路安全隐患。

实施例2

根据本发明实施例，提供了一种车辆的控制方法的方法实施例，需要说明的是，在附图的流程图示出的步骤可以在诸如一组计算机可执行指令的计算机系统中执行，并且，虽然在流程图中示出了逻辑顺序，但是在某些情况下，可以以不同于此处的顺序执行所示出或描述的步骤。

图2是根据本发明实施例的可选的车辆的控制方法的流程图，如图2所示，该车辆的控制方法包括如下步骤：

步骤s202，在目标车辆的操作界面中展示目标车辆的行驶环境图像。

步骤s204，对行驶环境图像进行预处理，得到预处理后的行驶环境图像。

步骤s206，在操作界面中展示通过驾驶行为决策模型，确定与预处理后的行驶环境图像对应的控制策略，其中，驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：行驶环境图像以及与行驶环境图像对应的控制策略，行驶环境图像为预处理后的图像。

步骤s208，在操作界面上展示目标车辆按照控制策略行驶的行驶路线。

由上可知，在本发明实施例中，可以在目标车辆的操作界面中展示目标车辆的行驶环境图像后；对行驶环境图像进行预处理，得到预处理后的行驶环境图像；并在操作界面中展示通过驾驶行为决策模型，确定与预处理后的行驶环境图像对应的控制策略，其中，驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：行驶环境图像以及与行驶环境图像对应的控制策略，行驶环境图像为预处理后的图像；以及在操作界面上展示目标车辆按照控制策略行驶的行驶路线，实现了通过预处理后的行驶环境图像得到对目标车辆进行控制的控制策略的目的，达到了提高对目标车辆进行控制的精准度的技术效果，降低了安全隐患。

因此，通过本发明实施例提供的车辆的控制方法，解决了相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中干扰物的影响，降低了路况分析的精准度，存在安全隐患的技术问题。

实施例3

根据本发明实施例的另外一个方面，还提供了一种车辆的控制装置，图3是根据本发明实施例的车辆的控制装置的示意图，如图3所示，该车辆的控制装置可以包括：获取单元31、预处理单元33、确定单元35以及控制单元37。下面对该车辆的控制装置进行说明。

获取单元31，用于获取目标车辆的行驶环境图像。

预处理单元33，用于对行驶环境图像进行预处理，得到预处理后的行驶环境图像。

确定单元35，用于通过驾驶行为决策模型，确定与预处理后的行驶环境图像对应的控制策略，其中，驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：行驶环境图像以及与行驶环境图像对应的控制策略，行驶环境图像为预处理后的图像。

控制单元37，用于按照控制策略控制目标车辆的行驶行为。

此处需要说明的是，上述获取单元31、预处理单元33、确定单元35以及控制单元37对应于实施例1中的步骤s102至s108，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例1所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

由上可知，在本发明实施例中，可以通过获取单元获取目标车辆的行驶环境图像；然后利用预处理单元对行驶环境图像进行预处理，得到预处理后的行驶环境图像；接着利用确定单元通过驾驶行为决策模型，确定与预处理后的行驶环境图像对应的控制策略，其中，驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：行驶环境图像以及与行驶环境图像对应的控制策略，行驶环境图像为预处理后的图像；并利用控制单元按照控制策略控制目标车辆的行驶行为。通过本发明实施例提供的车辆的控制装置，实现了通过预处理后的行驶环境图像得到对目标车辆进行控制的控制策略的目的，达到了提高对目标车辆进行控制的精准度的技术效果，降低了安全隐患，解决了相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中干扰物的影响，降低了路况分析的精准度，存在安全隐患的技术问题。

可选地，获取单元，包括：第一确定模块，用于确定目标车辆处于运行状态；采集模块，用于触发目标车辆上的图像采集设备采集目标车辆预定区域内的行驶环境图像。

可选地，预处理单元，包括以下至少之一：去噪处理模块，用于利用热核扩散方式对行驶环境图像进行去噪处理，以过滤掉行驶环境图像中的背景噪声；过滤模块，用于将行驶环境图像与行驶环境图像模板比较，以过滤掉行驶环境图像中的背景噪声，其中，行驶环境图像模板为预先设置并用于对行驶环境图像进行去噪的模板。

可选地，控制单元，包括以下至少之一：第一控制模块，用于按照控制策略控制目标车辆的行驶速度；第二控制模块，用于按照控制策略控制目标车辆的行驶方向。

可选地，该车辆的控制装置还包括：分析单元，用于对行驶环境图像进行分析，得到目标车辆所在环境的气象信息；确定单元，用于基于气象信息确定目标车辆所在环境的环境等级；控制单元，用于按照环境等级控制目标车辆的预定部件，其中，预定部件包括以下至少之一：车窗、雨刷器、空调器。

可选地，确定单元，包括：第二确定模块，用于通过环境等级判定模型，确定与气象信息对应的环境等级，其中，环境等级判定模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中每一组训练数据均包括：气象信息与气象信息对应的环境等级。

可选地，该车辆的控制装置还包括：获取模块，用于在通过环境等级判定模型，确定与气象信息对应的环境等级之前，获取多个历史气象信息；标定模块，用于通过预定判断条件对多个历史气象信息进行标定，确定多个历史气象信息中每一个历史气象信息对应的环境等级，以获取训练数据。

可选地，该车辆的控制装置还包括：采集单元，用于采集目标车辆中乘客的图像；获取单元，用于对图像进行分析，得到乘客的情绪信息；确定单元，用于确定与情绪信息对应的多媒体文件；控制单元，用于控制目标车辆的媒体部件播放多媒体文件。

实施例4

根据本发明实施例的另外一个方面，还提供了一种车辆的控制装置，图4是根据本发明实施例的可选的车辆的控制装置的示意图，如图4所示，该车辆的控制装置可以包括：第一展示单元41、处理单元43、第二展示单元45以及第三展示单元47。下面对该车辆的控制装置进行说明。

第一展示单元41，用于在目标车辆的操作界面中展示目标车辆的行驶环境图像。

处理单元43，用于对行驶环境图像进行预处理，得到预处理后的行驶环境图像。

第二展示单元45，用于在操作界面中展示通过驾驶行为决策模型，确定与预处理后的行驶环境图像对应的控制策略，其中，驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：行驶环境图像以及与行驶环境图像对应的控制策略，行驶环境图像为预处理后的图像。

第三展示单元47，用于在操作界面上展示目标车辆按照控制策略行驶的行驶路线。

此处需要说明的是，上述第一展示单元41、处理单元43、第二展示单元45以及第三展示单元47对应于实施例2中的步骤s202至s208，上述模块与对应的步骤所实现的示例和应用场景相同，但不限于上述实施例2所公开的内容。需要说明的是，上述模块作为装置的一部分可以在诸如一组计算机可执行指令的计算机系统中执行。

由上可知，在本发明实施例中，可以通过第一展示单元在目标车辆的操作界面中展示目标车辆的行驶环境图像；然后利用处理单元对行驶环境图像进行预处理，得到预处理后的行驶环境图像；接着利用第二展示单元在操作界面中展示通过驾驶行为决策模型，确定与预处理后的行驶环境图像对应的控制策略，其中，驾驶行为决策模型为使用多组训练数据通过机器学习训练得到的，多组训练数据中的每一组训练数据均包括：行驶环境图像以及与行驶环境图像对应的控制策略，行驶环境图像为预处理后的图像；并利用第三展示单元在操作界面上展示目标车辆按照控制策略行驶的行驶路线。通过本发明实施例提供的车辆的控制装置，实现了通过预处理后的行驶环境图像得到对目标车辆进行控制的控制策略的目的，达到了提高对目标车辆进行控制的精准度的技术效果，降低了安全隐患，解决了相关技术中在对车辆所在道路进行路况分析时，容易受到分析对象中干扰物的影响，降低了路况分析的精准度，存在安全隐患的技术问题。

实施例5

根据本发明实施例的另外一个方面，还提供了一种无人驾驶车辆，使用上述中任一项的车辆的控制方法。

实施例6

根据本发明实施例的另外一个方面，还提供了一种计算机可读存储介质，计算机可读存储介质包括存储的计算机程序，其中，在计算机程序被处理器运行时控制计算机可读存储介质所在设备执行上述中任一项的车辆的控制方法。

实施例7

根据本发明实施例的另外一个方面，还提供了一种处理器，处理器用于运行计算机程序，其中，计算机程序运行时执行上述中任一项的车辆的控制方法。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。

在本发明的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。

在本申请所提供的几个实施例中，应该理解到，所揭露的技术内容，可通过其它的方式实现。其中，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，可以为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，单元或模块的间接耦合或通信连接，可以是电性或其它的形式。

所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。

所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：u盘、只读存储器(rom，read-onlymemory)、随机存取存储器(ram，randomaccessmemory)、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。