本发明涉及智能驾驶,具体而言,涉及一种车辆辅助驾驶智能决策方法及系统。
背景技术:
1、随着科技的发展,智能车辆逐渐融入人们的生活日常,智能车辆可以辅助驾驶员对车辆进行驾驶,通过智能车辆的车载设备采集周围数据,再对数据进行分析为驾驶人员提供决策信息,保证车辆行车安全,但是针对驾驶时道路上的一些障碍物仍然难以精确采集其数据辅助决策生成,导致驾驶人员驾驶时可能存在安全隐患。
技术实现思路
1、本发明的目的在于提供一种智能决策方法及系统,以改善上述问题。
2、为了实现上述目的,本申请实施例提供了如下技术方案:
3、一方面,本申请实施例提供了一种智能决策方法,所述方法包括:
4、获取图像信息,所述图像信息为车载设备采集的第一车辆周围的目标物的图像,所述第一车辆为驾驶人员所驾驶的车辆;
5、利用深度估计算法对所述图像信息进行处理,得到深度图像信息;
6、将所述图像信息和所述深度图像信息均发送至第一神经网络进行特征提取,得到第一特征向量和第二特征向量,所述第一特征向量和所述第二特征向量均为空间特征向量;
7、将所述第一特征向量和所述第二特征向量进行级联,得到第三特征向量;
8、将所述第三特征向量发送至决策层,得到决策结果,所述决策结果包括第一车辆的方向盘转动角度和第一车辆的行驶速度。
9、第二方面,本申请实施例提供了一种智能决策系统,所述系统包括:
10、获取模块,用于获取图像信息,所述图像信息为车载设备采集的第一车辆周围的目标物的图像,所述第一车辆为驾驶人员所驾驶的车辆;
11、第一处理模块,用于利用深度估计算法对所述图像信息进行处理,得到深度图像信息;
12、第二处理模块,用于将所述图像信息和所述深度图像信息均发送至第一神经网络进行特征提取,得到第一特征向量和第二特征向量,所述第一特征向量和所述第二特征向量均为空间特征向量;
13、第三处理模块,用于将所述第一特征向量和所述第二特征向量进行级联,得到第三特征向量;
14、决策模块,用于将所述第三特征向量发送至决策层,得到决策结果,所述决策结果包括第一车辆的方向盘转动角度和第一车辆的行驶速度。
15、第三方面,本申请实施例提供了一种智能决策设备,所述设备包括存储器和处理器。存储器用于存储计算机程序;处理器用于执行所述计算机程序时实现上述智能决策方法的步骤。
16、第四方面,本申请实施例提供了一种可读存储介质,所述可读存储介质上存储有计算机程序,所述计算机程序被处理器执行时实现上述智能决策方法的步骤。
17、本发明的有益效果为:
18、本发明通过车载设备采集驾驶车辆周围的图像信息后利用深度估计算法对图像进行处理,得到深度图像信息,通过深度估计算法处理图像信息避免了针对路面一些坑洼、裂缝、凸起、凹陷等区域难以精确感知的问题,再提取图像信息和深度图像信息的空间上的特征并将其级联,得到第三特征向量,有效的融合了两种图像信息的特征,以提高车辆决策的精度,将第三特征向量发送至决策层输出第一车辆的方向盘转动角度和第一车辆的行驶速度辅助驾驶人员绕开目标物,从而保证行车安全。
19、本发明的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明实施例了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
1.一种车辆辅助驾驶智能决策方法,其特征在于,包括:
2.根据权利要求1所述的智能决策方法,其特征在于,利用深度估计算法对所述图像信息进行处理,得到深度图像信息,包括:
3.根据权利要求2所述的智能决策方法,其特征在于,将所述第一子图像信息和所述第二子图像信息发送至金字塔注意力网络进行特征提取,得到第一特征图和第二特征图,包括:
4.根据权利要求2所述的智能决策方法,其特征在于,根据所述第三特征图生成深度图像信息,包括:
5.根据权利要求1所述的智能决策方法,其特征在于,将所述第三特征向量发送至决策层,得到决策结果,包括:
6.根据权利要求5所述的智能决策方法,其特征在于,将所述第三特征向量和所述第四特征向量进行增强,得到增强后的第三特征向量和增强后的第四特征向量,包括:
7.根据权利要求5所述的智能决策方法,其特征在于,将所述第三特征向量和所述第四特征向量进行增强,得到增强后的第三特征向量和增强后的第四特征向量,包括:
8.根据权利要求3所述的智能决策方法,其特征在于,所述四种不同尺寸的卷积层为1x1、3x3、5x5和7x7。
9.根据权利要求3所述的智能决策方法,其特征在于,所述残差网络为级联的25个残差块。
10.一种车辆辅助驾驶智能决策系统,其特征在于,包括: