CN115716476B 自动驾驶变道方法、装置、电子设备及存储介质 （佛山仙湖实验室）

仙湖度假区阳光路3号仙湖湾商业广变道决策模型预测自车在当前路况行驶的行驶2基于实时的路况信息和实时的车况信息，利用训练好的变道决策模将路线预测结果和脑电信息所表征的驾驶员驾驶意图进行比较，在对决策表中的离线训练信息进行离散化处理，利用预设的神经网整合表达决策结果相同的最小条件属性集，计算整合后的最小使用离线决策规则对变道决策模型进行训练，将变道决策依据离线训练信息构建训练数据集，随机对训练数据集中3.根据权利要求1所述的自动驾驶变道方法，其特征在于，所述对驾驶员进行脑电采对初始脑电信息进行预处理，使用预设的脑电类比模板对预处理后依据脑电类比结果确定预处理后的初始脑电信息中存在的错误电位并进行剔除处理，3依据自车与障碍物的距离找寻若干个预瞄点，使用预瞄点构建对障碍物进行边界膨胀处理，依据当前的换道路线和自车环境重新绘制的换道路线所对应的自车转向角大于上一次绘制的换道路线所对应的自车转向检测范围内未出现连续障碍物时，控制换道后的自车驶过障碍物所述连续障碍物为与相同车道中的前一个障碍物的距离小于预设的障碍距离阈值的依据实时的路况信息和实时的车况信息构建模拟行驶情景，将模拟行驶情景进行显预测模块，用于基于实时的路况信息和实时的车况信息，利用训练控制模块，用于将路线预测结果和脑电信息所表征的驾驶员驾驶对决策表中的离线训练信息进行离散化处理，利用预设的神经网整合表达决策结果相同的最小条件属性集，计算整合后的最小4使用离线决策规则对变道决策模型进行训练，将变道决策9.一种计算机可读存储介质，所述计算机可读存储介质存于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的自动驾驶变道方5[0014]依据离散分类结果对决策表进行属性约减，确定用于表达决策的最小条件属性度和置信水平以确定离线决策规则；一一6[0026]依据脑电类比结果确定预处理后的初始脑电信息中存在的错误电位并进行剔除[0035]所述连续障碍物为与相同车道中的前一个障碍物的距离小于预设的障碍距离阈7[0041]控制模块，用于将路线预测结果和脑电信息所表征的驾8技术人员通常理解的含义相同。本文中所使用的术语只是为了描述本申请实施例的目的，9便可以基于这128个余弦相似度构建余弦相似度矩阵，然后通过训练后的卷积神经网络对理解为自车到达路口时依据初始行驶路线或实时行驶路线进行转向的[0089]图2是第二个实施例示出的一种自动驾驶变道方法的流程示意图，在图一实施例表能将多个独立的条件和多个动作直接的联系清晰[0097]在一种可能的实现方式中，将离散化后的离线训练信息输入预设的神经网络模性集的覆盖度和置信水平以确定离线决策规[0101]在一种可能的实现方式中，将表达决策结果相同的最小条件属性集进行归纳总[0104]请参阅图3，在一些实施例中，步骤S204可以包括但不限于包括步骤S301至步骤[0106]在一种可能的实现方式中，对训练数据集中的各个类型的离线训练信息进行编[0107]示例性地，针对典型变道场景，离线训练信息构造的训练数据集为{xi,yi,vi,C[0117]请参阅图4，在一些实施例中，步骤S102可以包括但不限于包括步骤S401至步骤通道的脑电信号使用共同平均参[0122]请参阅图5，在一些实施例中，步骤S104可以包括但不限于包括步骤S501至步骤[0131]依据自车与障碍物的距离找寻若干个预瞄点可以是在实间P0和P5的距离来增大自车转向角，使重新绘制的换道路线所对应的自车转向角大于上一驶路线的车道上，可以是使用镜像的贝塞尔曲线绘制返回初始行驶路线的车道上的路线，内未出现连续障碍物时，控制换道后的自车驶过障碍物后再变换至初始行驶路线的车道；[0179]控制模块604，用于将路线预测结果和脑电信息所表征的驾驶员驾驶意图进行比[0180]该自动驾驶变道装置的具体实施方式与上述自动驾驶变道方法的具体实施例基可以根据实际的需要选择其中的部分或者全部模块来实现本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