一种车辆自动驾驶的人类注意力经验学习方法与装置

本发明涉及自动驾驶，特别是涉及一种车辆自动驾驶的人类注意力经验学习方法与装置。

背景技术：

1、目前，计算机视觉技术在自动驾驶领域应用广泛。其中，最为常见的方法是依赖大量的标注数据和模型训练资源去训练多种成熟的、用于自动驾驶的机器学习模型。通过摄像头捕获驾驶环境信息，基于完成训练的机器学习模型确定前进方向，并自动规划路径以及绕过障碍物。但仍然存在模型在面对各种突发复杂情况时无法及时做出反应的问题，如何有效学习人类驾驶员在驾驶过程中对各种复杂场景的注意力分布特性，进而提升车辆对各类复杂场景的理解能力并提升车辆自动驾驶的控制策略优化水平，是自动驾驶车辆应对各类复杂“长尾场景”的关键难题之一。

技术实现思路

1、本发明所要解决的技术问题是：提供一种车辆自动驾驶的人类注意力经验学习方法与装置，提高自动驾驶系统的响应速度。

2、为了解决上述技术问题，本发明采用的技术方案为：

3、一种车辆自动驾驶的人类注意力经验学习方法，包括：

4、获取当前驾驶场景数据，所述当前驾驶场景数据包括至少一个区域数据；

5、通过注意力分布模型处理所述当前驾驶场景数据，得到不同所述区域数据的权重值；

6、由高权重值至低权重值依次处理所述区域数据，并生成驾驶决策。

7、为了解决上述技术问题，本发明采用的另一技术方案为：

8、一种车辆自动驾驶的人类注意力经验学习装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如下步骤：

9、获取当前驾驶场景数据，所述当前驾驶场景数据包括至少一个区域数据；

10、通过注意力分布模型处理所述当前驾驶场景数据，得到不同所述区域数据的权重值；

11、由高权重值至低权重值依次处理所述区域数据，并生成驾驶决策。

12、本发明的有益效果在于：在获取车辆当前驾驶场景数据后，通过注意力分布模型得到当前驾驶场景数据中不同区域数据的权重值，即自动驾驶车辆能够区分不同驾驶环境下当前驾驶场景数据中各个区域数据的重要程度；并优先处理权重值高的区域数据，即自动驾驶系统将侧重于对权重值更高的关键信息的处理，从而提高生成驾驶决策的响应速度以及行车安全性。

技术特征：

1.一种车辆自动驾驶的人类注意力经验学习方法，其特征在于，包括：

2.根据权利要求1所述的一种车辆自动驾驶的人类注意力经验学习方法，其特征在于，所述通过注意力分布模型处理所述当前驾驶场景数据之前包括：

3.根据权利要求2所述的一种车辆自动驾驶的人类注意力经验学习方法，其特征在于，所述获取驾驶员当前注视画面之前包括：

4.根据权利要求1所述的一种车辆自动驾驶的人类注意力经验学习方法，其特征在于，所述由高权重值至低权重值依次处理所述区域数据之前还包括：

5.根据权利要求1所述的一种车辆自动驾驶的人类注意力经验学习方法，其特征在于，所述由高权重值至低权重值依次处理所述区域数据，并生成驾驶决策包括：

6.一种车辆自动驾驶的人类注意力经验学习装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如下步骤：

7.根据权利要求6所述的一种车辆自动驾驶的人类注意力经验学习装置，其特征在于，所述通过注意力分布模型处理所述当前驾驶场景数据之前包括：

8.根据权利要求7所述的一种车辆自动驾驶的人类注意力经验学习装置，其特征在于，所述获取驾驶员当前注视画面之前包括：

9.根据权利要求6所述的一种车辆自动驾驶的人类注意力经验学习装置，其特征在于，所述由高权重值至低权重值依次处理所述区域数据之前还包括：

10.根据权利要求6所述的一种车辆自动驾驶的人类注意力经验学习装置，其特征在于，所述由高权重值至低权重值依次处理所述区域数据，并生成驾驶决策包括：

技术总结本发明公开一种车辆自动驾驶的人类注意力经验学习方法与装置，包括：获取当前驾驶场景数据，所述当前驾驶场景数据包括至少一个区域数据；通过注意力分布模型处理所述当前驾驶场景数据，得到不同所述区域数据的权重值；由高权重值至低权重值依次处理所述区域数据，并生成驾驶决策。在获取车辆当前驾驶场景数据后，通过注意力分布模型得到当前驾驶场景数据中不同区域数据的权重值，即自动驾驶车辆能够区分不同驾驶环境下当前驾驶场景数据中各个区域数据的重要程度；并优先处理权重值高的区域数据，即自动驾驶系统将侧重于对权重值更高的关键信息的处理，从而提高生成驾驶决策的响应速度以及行车安全性。技术研发人员：廖律超,王春波,张积林,刘岩,孙倩,曾界茂,肖菡堃,王子浩,江文霞,高嘉骏受保护的技术使用者：福建理工大学技术研发日：技术公布日：2024/7/9