CN114169463B 一种自主预测车道信息模型训练方法及装置 （云控智行(上海)汽车科技有限公司）_第1页
CN114169463B 一种自主预测车道信息模型训练方法及装置 （云控智行(上海)汽车科技有限公司）_第2页
CN114169463B 一种自主预测车道信息模型训练方法及装置 （云控智行(上海)汽车科技有限公司）_第3页
CN114169463B 一种自主预测车道信息模型训练方法及装置 （云控智行(上海)汽车科技有限公司）_第4页
CN114169463B 一种自主预测车道信息模型训练方法及装置 （云控智行(上海)汽车科技有限公司）_第5页
已阅读5页，还剩26页未读， 继续免费阅读

下载本文档

版权说明：本文档由用户提供并上传，收益归属内容提供方，若内容存在侵权，请进行举报或认领

文档简介

司WO2021073389A1,2021.04.一种自主预测车道信息模型训练方法及装置本发明实施例公开一种自主预测车道信息2通过人工或自动标注方式，获得冗余系数数据，所述冗余系数为CrossEntropy(match(PointList,N0,N1|R),GroundTruth)GPS位置信息与车获得的高精度地图数据结构信息，计算出车即将在哪一个车道的车道匹;获取目标车辆高精度定位信息和目标车辆接收到的至少一部分M获取历史车辆状态信息、历史车道信息，所述历史车辆状态信3;;;;;;6.一种自适应冗余系数模型训练装置，所述自适CrossEntropy(match(PointList,N0,N1|R),GroundTruth)GPS位置信息与车获得的高精度地图数据结构信息，计算出车即将在哪一个车道的车道匹4[0003]车辆匹配车道的基本思路是将车辆自身的高精度定位与自车的高精度地图信息[0005]现有解决车道信息缺失问题的常用方法为历史的车路协同系统中收到的MAP数据56应冗余系数是通过上述任意一项的自适应冗余系数78[0067]图3为本发明实施例提供的基于少量高精地图数据匹配车道的算法的一种流程示[0073]图1为本发明实施例提供的自主预测车道信息模型训练方法的一种流程示意图。[0075]车辆高精度定位信息是基于地基增强RTK(Real-timekinematic实时差分定位)据。现有解决车道信息缺失问题的常用方法为历史MAP数据缓存，以便下次无法接收时使9RNN(RecurrentNeuralNetwork循环神经网络)模型的基础上增加了对长期依赖的支持优t1t2t3t11所以本发明实施例采用最小均方误差作为损失函数用于L[0091]在一种可实现的方式中，使用训练集与损失函数，应用BPTT(back-propagation[0093]图2为本发明实施例提供的自适应冗余系数模型训练的一种流程示意图。该方法式可以是根据以匹配车道信息的MAP及自车位置信息的对应关系，自动标注获得冗余系数一种情况下，车道匹配算法是通过自车GPS位置信息与自车获得的高精度地图数据结构信[0109]图3为本发明实施例提供的基于少量高精地图数据匹配车道的算法的一种流程示态信息相对应，所述历史车辆状态信息包括历史车辆高精度定位信息和历史车辆运动信[0136]图4为本发明实施例提供的自主预测车道信息模型训练装置的一种结构示意图。[0148]图5为本发明实施例提供的自适应冗余系数模型训练装置的一种结构示意图。本这些修改或者替换，并不使相应技术方案的本质脱离本

人人文库> 全部分类> 行业资料 > 信息产业

温馨提示

  • 1. 本站所有资源如无特殊说明，都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等，如果需要附件，请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸，网页内容里面会有图纸预览，若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间，仅对用户上传内容的表现方式做保护处理，对用户上传分享的文档内容本身不做任何修改或编辑，并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容，请与我们联系，我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

最新文档

评论

0/150

提交评论