CN115114976B - 预瞄距离预测模型的训练方法、装置、设备和存储介质 - Google Patents

Abstract

本发明实施例提供了一种预瞄距离预测模型的训练方法和装置，其中，所述方法包括：采集自动驾驶车辆的驾驶信息；获取每个备选预瞄距离数据对应的控制信息；根据驾驶信息和每个控制信息选择预瞄距离标签数据；根据驾驶信息和距离公式获取多个预瞄距离计算数据；根据多个预瞄距离计算数据和预瞄距离标签数据选择一组预瞄参数标签数据；根据预瞄参数标签数据生成预瞄距离预测模型。本发明实施例中预瞄距离预测模型的预瞄参数并非采用依据经验而设定的常数。预瞄参数的真值更加适应自动驾驶车辆在不同工况下的驾驶情况，预瞄距离预测模型更加适应自动驾驶车辆在不同工况下对预瞄距离进行预测，丰富预瞄距离的预测场景，提高预瞄距离的预测准确率。

Description

预瞄距离预测模型的训练方法、装置、设备和存储介质

技术领域

本发明涉及汽车技术领域，特别是涉及一种预瞄距离预测模型的训练方法、装置、电子设备和计算机可读存储介质。

背景技术

自动驾驶技术从业务流程上分为3个核心的流程，分别是环境感知定位、决策规划、执行控制。其中，环境感知定位流程通过摄像头、GPS和传感器等模块获取汽车行驶过程中的环境指标。决策规划流程收集感知的数据，对车辆的下一步行为作出判断和指导，并生成未来一段时间内可行驶的轨迹。执行控制流程控制车辆，完成对生成轨迹的跟踪。

在决策规划流程中，需要跟踪控制算法预测得到车辆的预瞄距离。传统的预瞄距离预测方案通常根据经验设计跟踪模式和参数，人力和时间成本较高，且设计得到的跟踪模式和参数不适合多种工况环境。

发明内容

鉴于上述问题，提出了本发明实施例以便提供一种克服上述问题或者至少部分地解决上述问题的一种预瞄距离预测模型的训练方法、装置、电子设备和计算机可读存储介质。

为了解决上述问题，根据本发明实施例的第一方面，公开了一种预瞄距离预测模型的训练方法，所述方法包括：在自动驾驶车辆的影子模式下采集所述自动驾驶车辆在多种工况下的驾驶信息；生成一组备选预瞄距离数据，并根据预设控制算法获取每个所述备选预瞄距离数据对应的控制信息；根据所述驾驶信息和每个所述控制信息，从每个所述备选预瞄距离数据中选择预瞄距离标签数据；生成多组备选预瞄参数数据，并根据所述驾驶信息和预设距离公式获取多个预瞄距离计算数据；根据多个所述预瞄距离计算数据和所述预瞄距离标签数据，从多组所述备选预瞄参数数据中选择一组预瞄参数标签数据；根据所述预瞄参数标签数据生成预瞄距离预测模型。

可选地，所述生成一组备选预瞄距离数据，并根据预设控制算法获取每个所述备选预瞄距离数据对应的控制信息，包括：获取一个预瞄距离范围数据，从所述预瞄距离范围数据中均匀采样得到所述备选预瞄距离数据；根据比例积分微分PID算法获取每个所述备选预瞄距离数据对应的控制信息。

可选地，所述驾驶信息和所述控制信息均包含油门信息和刹车信息；所述根据所述驾驶信息和每个所述控制信息，从每个所述备选预瞄距离数据中选择预瞄距离标签数据，包括：分别将所述驾驶信息中的油门信息与每个所述控制信息中的油门信息进行比较得到多个油门比较结果，并分别将所述驾驶信息中的刹车信息与每个所述控制信息中的刹车信息进行比较得到多个刹车比较结果；根据多个所述油门比较结果和多个所述刹车比较结果，从每个所述备选预瞄距离数据中选择所述预瞄距离标签数据。

可选地，所述根据多个所述油门比较结果和多个所述刹车比较结果，从每个所述备选预瞄距离数据中选择所述预瞄距离标签数据，包括：从多个所述控制信息中选择出油门比较结果满足预设油门比较条件，且刹车比较结果满足预设刹车比较条件的目标控制信息；将所述目标控制信息对应的所述备选预瞄距离数据作为所述预瞄距离标签数据。

可选地，每组所述备选预瞄参数数据包含多个预瞄参数；所述生成多组备选预瞄参数数据，并根据所述驾驶信息和预设距离公式获取多个预瞄距离计算数据，包括：针对每个所述预瞄参数，分别获取一个预瞄参数范围数据，分别从每个所述预瞄参数范围数据中均匀采样得到多组所述备选预瞄参数数据；将多组所述备选预瞄参数数据中的每个所述预瞄参数进行组合得到多组备选预瞄参数组合数据；将所述驾驶信息和每组所述备选预瞄参数组合数据分别输入至所述预设距离公式，输出多个所述预瞄距离计算数据。

可选地，所述根据多个所述预瞄距离计算数据和所述预瞄距离标签数据，从多组所述备选预瞄参数数据中选择一组预瞄参数标签数据，包括：分别将每个所述预瞄距离计算数据与所述预瞄距离标签数据进行比较得到多个距离比较结果；根据多个所述距离比较结果从多组所述备选预瞄参数数据中选择一组预瞄参数标签数据。

可选地，所述根据多个所述距离比较结果从多组所述备选预瞄参数数据中选择一组预瞄参数标签数据，包括：从多个所述预瞄距离计算数据中选择距离比较结果满足预设距离比较条件的目标预瞄距离计算数据；将所述目标预瞄距离计算数据对应的一组所述备选预瞄参数组合数据作为所述预瞄参数标签数据。

根据本发明实施例的第二方面，还公开了一种预瞄距离预测模型的训练装置，所述装置包括：驾驶信息采集模块，用于在自动驾驶车辆的影子模式下采集所述自动驾驶车辆在多种工况下的驾驶信息；控制信息获取模块，用于生成一组备选预瞄距离数据，并根据预设控制算法获取每个所述备选预瞄距离数据对应的控制信息；距离标签获取模块，用于根据所述驾驶信息和每个所述控制信息，从每个所述备选预瞄距离数据中选择预瞄距离标签数据；预瞄距离计算模块，用于生成多组备选预瞄参数数据，并根据所述驾驶信息和预设距离公式获取多个预瞄距离计算数据；参数标签获取模块，用于根据多个所述预瞄距离计算数据和所述预瞄距离标签数据，从多组所述备选预瞄参数数据中选择一组预瞄参数标签数据；预测模型生成模块，用于根据所述预瞄参数标签数据生成预瞄距离预测模型。

可选地，所述控制信息获取模块，包括：预瞄距离采样模块，用于获取一个预瞄距离范围数据，从所述预瞄距离范围数据中均匀采样得到所述备选预瞄距离数据；纵向控制算法模块，用于根据比例积分微分PID算法获取每个所述备选预瞄距离数据对应的控制信息。

可选地，所述驾驶信息和所述控制信息均包含油门信息和刹车信息；所述距离标签获取模块，包括：信息比较模块，用于分别将所述驾驶信息中的油门信息与每个所述控制信息中的油门信息进行比较得到多个油门比较结果，并分别将所述驾驶信息中的刹车信息与每个所述控制信息中的刹车信息进行比较得到多个刹车比较结果；距离选择模块，用于根据多个所述油门比较结果和多个所述刹车比较结果，从每个所述备选预瞄距离数据中选择所述预瞄距离标签数据。

可选地，所述距离选择模块，用于从多个所述控制信息中选择出油门比较结果满足预设油门比较条件，且刹车比较结果满足预设刹车比较条件的目标控制信息；将所述目标控制信息对应的所述备选预瞄距离数据作为所述预瞄距离标签数据。

可选地，每组所述备选预瞄参数数据包含多个预瞄参数；所述预瞄距离计算模块，包括：预瞄参数采样模块，用于针对每个所述预瞄参数，分别获取一个预瞄参数范围数据，分别从每个所述预瞄参数范围数据中均匀采样得到多组所述备选预瞄参数数据；预瞄参数组合模块，用于将多组所述备选预瞄参数数据中的每个所述预瞄参数进行组合得到多组备选预瞄参数组合数据；预瞄距离公式模块，用于将所述驾驶信息和每组所述备选预瞄参数组合数据分别输入至所述预设距离公式，输出多个所述预瞄距离计算数据。

可选地，所述参数标签获取模块，包括：距离比较模块，用于分别将每个所述预瞄距离计算数据与所述预瞄距离标签数据进行比较得到多个距离比较结果；参数选择模块，用于根据多个所述距离比较结果从多组所述备选预瞄参数数据中选择一组预瞄参数标签数据。

可选地，所述参数选择模块，用于从多个所述预瞄距离计算数据中选择距离比较结果满足预设距离比较条件的目标预瞄距离计算数据；将所述目标预瞄距离计算数据对应的一组所述备选预瞄参数组合数据作为所述预瞄参数标签数据。

根据本发明实施例的第三方面，还公开了一种电子设备，包括存储器、处理器及存储在所述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第一方面所述的一种预瞄距离预测模型的训练方法。

根据本发明实施例的第四方面，还公开了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现第一方面所述的一种预瞄距离预测模型的训练方法。

与现有技术相比，本发明实施例提供的技术方案具有如下优点：

本发明实施例提供的一种预瞄距离预测模型的训练方案，可以预先在自动驾驶车辆的影子模式下采集自动驾驶车辆在多种工况下的驾驶信息。然后根据控制算法获取每个备选预瞄距离数据对应的控制信息，进而根据驾驶信息和每个控制信息，从每个备选预瞄距离数据中选择预瞄距离标签数据。至此，得到的预瞄距离标签数据可以作为预瞄距离预测模型的预测距离的真值。接下来，根据驾驶信息和预瞄距离公式获取多个预瞄距离计算数据，进而根据多个预瞄距离计算数据和预瞄距离标签数据，从多组备选预瞄参数数据中选择一组预瞄参数标签数据。至此，预瞄参数标签数据可以作为预瞄距离预测模型的预瞄参数的真值。最终，根据预瞄参数标签数据生成预瞄距离预测模型。

本发明实施例中预瞄距离预测模型的预瞄参数并非采用依据经验而设定的常数，而是通过先确定预瞄距离的真值，然后根据预瞄距离的真值再确定预瞄参数的真值的方式确定预瞄距离预测模型中的预瞄参数。本发明实施例中的预瞄参数的真值更加适应自动驾驶车辆在不同工况下的驾驶情况，本发明实施例中的预瞄距离预测模型也更加适应自动驾驶车辆在不同工况下对预瞄距离进行预测，丰富了预瞄距离的预测场景，提高了预瞄距离的预测准确率。

附图说明

图1是本发明实施例的一种预瞄距离预测模型的训练方法的步骤流程图；

图2是本发明实施例的一种预瞄距离预测模型的训练装置的结构框图；

图3是本发明实施例的一种电子设备的结构示意图。

具体实施方式

为使本发明的上述目的、特征和优点能够更加明显易懂，下面结合附图和具体实施方式对本发明作进一步详细的说明。

参照图1，示出了本发明实施例的一种预瞄距离预测模型的训练方法的步骤流程图。该预瞄距离预测模型的训练方法可以应用于终端或者服务器。该预瞄距离预测模型的训练方法具体可以包括如下步骤：

步骤101，在自动驾驶车辆的影子模式下采集自动驾驶车辆在多种工况下的驾驶信息。

在本发明的实施例中，影子模式表示自动驾驶车辆的自动驾驶规划程序正常运行，但是对自动驾驶车辆不进行控制的一种工作模式。驾驶信息可以包括但不限于车辆信息和道路信息等等。

步骤102，生成一组备选预瞄距离数据，并根据预设控制算法获取每个备选预瞄距离数据对应的控制信息。

在本发明的实施例中，可以依据经验生成一组备选预瞄距离数据。一组预瞄距离数据可以包含多个备选预瞄距离数据。例如，一组预瞄距离数据为0、5、10、15、20、25、30。预瞄距离数据的单位可以为米。本发明实施例对预瞄距离数据的数量和单位等不做具体限制。

在实际应用中，可以基于纵向控制算法获取一组预瞄距离数据中每个预瞄距离数据对应的控制信息。该控制信息可以表示驾驶员或者自动驾驶规划程序对自动驾驶车辆进行控制的相关信息，如刹车信息、油门信息等等。

步骤103，根据驾驶信息和每个控制信息，从每个备选预瞄距离数据中选择预瞄距离标签数据。

在本发明的实施例中，驾驶信息和控制信息中可以包含属于同一类的信息，例如，驾驶信息和控制信息均可以包含刹车信息，驾驶信息和控制信息均可以包含油门信息。

需要说明的是，每个控制信息可以对应于一个备选预瞄距离数据，也就是说，控制信息与备选预瞄距离数据之间存在对应关系。

步骤104，生成多组备选预瞄参数数据，并根据驾驶信息和预设距离公式获取多个预瞄距离计算数据。

在本发明的实施例中，可以依据经验生成多组备选预瞄参数数据。一组备选预瞄参数数据可以包含多个预瞄参数。在实际应用中，一组备选预瞄参数数据可以包含第一预瞄参数、第二预瞄参数和第三预瞄参数。预设距离公式可以为ld＝p1*V²+p2*V+p3，其中，ld表示预瞄距离计算数据、p1表示第一预瞄参数、p2表示第二预瞄参数、p3表示第三预瞄参数、V表示驾驶信息中的车速信息。

步骤105，根据多个预瞄距离计算数据和预瞄距离标签数据，从多组备选预瞄参数数据中选择一组预瞄参数标签数据。

在本发明的实施例中，每个预瞄距离计算数据可以对应于一组备选预瞄参数数据，也就是说，预瞄距离计算数据与成组的备选预瞄参数数据具有对应关系。

步骤106，根据预瞄参数标签数据生成预瞄距离预测模型。

在本发明的实施例中，将预瞄参数标签数据替换上述预设距离公式中的p1、p2和p3，可以生成预瞄距离预测模型。

本发明实施例提供的一种预瞄距离预测模型的训练方案，可以预先在自动驾驶车辆的影子模式下采集自动驾驶车辆在多种工况下的驾驶信息。然后根据控制算法获取每个备选预瞄距离数据对应的控制信息，进而根据驾驶信息和每个控制信息，从每个备选预瞄距离数据中选择预瞄距离标签数据。至此，得到的预瞄距离标签数据可以作为预瞄距离预测模型的预测距离的真值。接下来，根据驾驶信息和预瞄距离公式获取多个预瞄距离计算数据，进而根据多个预瞄距离计算数据和预瞄距离标签数据，从多组备选预瞄参数数据中选择一组预瞄参数标签数据。至此，预瞄参数标签数据可以作为预瞄距离预测模型的预瞄参数的真值。最终，根据预瞄参数标签数据生成预瞄距离预测模型。

本发明实施例中预瞄距离预测模型的预瞄参数并非采用依据经验而设定的常数，而是通过先确定预瞄距离的真值，然后根据预瞄距离的真值再确定预瞄参数的真值的方式确定预瞄距离预测模型中的预瞄参数。本发明实施例中的预瞄参数的真值更加适应自动驾驶车辆在不同工况下的驾驶情况，本发明实施例中的预瞄距离预测模型也更加适应自动驾驶车辆在不同工况下对预瞄距离进行预测，丰富了预瞄距离的预测场景，提高了预瞄距离的预测准确率。

在本发明的一种优选实施例中，生成一组备选预瞄距离数据，并根据预设控制算法获取每个备选预瞄距离数据对应的控制信息的一种实施方式为，依据经验获取一个预瞄距离范围数据，如一个预瞄距离范围数据为50米。从预瞄距离范围数据中均匀采样得到备选预瞄距离数据。如备选预瞄距离数据为5米、10米、15米、20米、25米、30米、35米、40米、45米、50米。然后根据比例积分微分(Proportion Integral Differential，简称PID)算法获取每个备选预瞄距离数据对应的控制信息。

在本发明的一种优选实施例中，驾驶信息和控制信息均包含油门信息和刹车信息。当根据驾驶信息和每个控制信息，从每个备选预瞄距离数据中选择预瞄距离标签数据时，可以分别将驾驶信息中的油门信息与每个控制信息中的油门信息进行比较得到多个油门比较结果，并分别将驾驶信息中的刹车信息与每个控制信息中的刹车信息进行比较得到多个刹车比较结果；根据多个油门比较结果和多个刹车比较结果，从每个备选预瞄距离数据中选择预瞄距离标签数据。在实际应用中，根据多个油门比较结果和多个刹车比较结果，从每个备选预瞄距离数据中选择预瞄距离标签数据的一种实施方式为，从多个控制信息中选择出油门比较结果满足预设油门比较条件，且刹车比较结果满足预设刹车比较条件的目标控制信息；将目标控制信息对应的备选预瞄距离数据作为预瞄距离标签数据。

例如，可以将油门比较结果与油门阈值进行比较，若油门比较结果小于油门阈值，则认为油门比较结果较小，即油门比较结果满足预设油门比较条件，也可以理解为驾驶信息中的油门信息与控制信息中的油门信息差距较小。同理，可以将刹车比较结果与刹车阈值进行比较，若刹车比较结果小于刹车阈值，则认为刹车比较结果较小，即刹车比较结果满足预设刹车比较条件，也可以理解为驾驶信息中的刹车信息与控制信息中的刹车信息差距较小。若某控制信息K1中的刹车信息与驾驶信息J中的刹车信息的差距最小，且控制信息K1中的油门信息与驾驶信息J中额油门信息的差距最小，则认为控制信息K1与驾驶信息J的油门比较结果满足预设油门比较条件，且控制信息K1与驾驶信息J的刹车比较结果满足预设刹车比较条件。控制信息K1即目标控制信息。与目标控制信息K1对应的备选预瞄距离L1为预瞄距离标签数据。该预瞄距离标签数据可以理解为预瞄距离预测模型中的预瞄距离真值。

在本发明的一种优选实施例中，每组备选预瞄参数数据可以包含多个预瞄参数。例如，一组备选预瞄参数数据可以包含上述p1、p2和p3。生成多组备选预瞄参数数据，并根据驾驶信息和预设距离公式获取多个预瞄距离计算数据的一种实施方式为，针对每个预瞄参数，分别获取一个预瞄参数范围数据，分别从每个预瞄参数范围数据中均匀采样得到多组备选预瞄参数数据；将多组备选预瞄参数数据中的每个预瞄参数进行组合得到多组备选预瞄参数组合数据；将驾驶信息和每组备选预瞄参数组合数据分别输入至预设距离公式，输出多个预瞄距离计算数据。

例如，针对上述第一预瞄参数p1，获取一个预瞄参数范围数据[0，1]，在[0，1]中均匀采样得到第一预瞄参数p1的一组备选预瞄参数数据。同理，可以针对第二预瞄参数p2和第三预瞄参数p3采样得到各自的一组备选预瞄参数数据。最终，针对第一预瞄参数p1的备选预瞄参数数据为0.2、0.4、0.6、0，8、1，针对第二预瞄参数p2的备选预瞄参数数据为2、4、6、8、10、12、14、16、18、20，针对第三预瞄参数p3的备选预瞄参数数据为5、10、15、20、25、30、35、40、45、50。进而将第一预瞄参数p1的备选预瞄参数数据、第二预瞄参数p2的备选预瞄参数数据和第三预瞄参数p3的备选预瞄参数数据中分别提取一个备选预瞄参数数据进行组合得到多组备选预瞄参数组合数据。如，从第一预瞄参数p1的备选预瞄参数数据中提取出0.2，从第二预瞄参数p2的备选预瞄参数数据中提取出2，从第三预瞄参数p3的备选预瞄参数数据中提取出5，将0.2、2和5组合为一组备选预瞄参数组合数据。将驾驶信息中的车速信息、p1＝0.2、p2＝2、p3＝5输入至ld＝p1*V²+p2*V+p3中，输出对应的ld。

在本发明的一种优选实施例中，根据多个预瞄距离计算数据和预瞄距离标签数据，从多组备选预瞄参数数据中选择一组预瞄参数标签数据的一种实施方式为，分别将每个预瞄距离计算数据与预瞄距离标签数据进行比较得到多个距离比较结果；根据多个距离比较结果从多组备选预瞄参数数据中选择一组预瞄参数标签数据。在实际应用中，根据多个距离比较结果从多组备选预瞄参数数据中选择一组预瞄参数标签数据时，可以从多个预瞄距离计算数据中选择距离比较结果满足预设距离比较条件的目标预瞄距离计算数据；将目标预瞄距离计算数据对应的一组备选预瞄参数组合数据作为预瞄参数标签数据。

例如，若多个距离比较结果中的距离比较结果g1最小，则认为距离比较结果g1满足预设距离比较条件，说明距离比较结果g1对应的预瞄距离计算数据t1与预瞄距离标签数据之间的差距最小，即预瞄距离计算数据t1为目标预瞄距离计算数据。进而将目标预瞄距离计算数据t1对应的备选预瞄参数组合数据p1＝0.2、p2＝2、p3＝5作为预瞄参数标签数据。

需要说明的是，上述预设距离公式还可以为ld＝k_v*V+k_p*Kappa+S_0，其中，ld表示预瞄距离计算数据、k_v表示第一预瞄参数即车速系数、k_p表示第二预瞄参数即曲率系数、Kappa表示驾驶信息中当前道路的曲率、S_0表示第三预瞄参数即基本距离、V表示驾驶信息中的车速信息。

需要说明的是，对于方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本发明实施例并不受所描述的动作顺序的限制，因为依据本发明实施例，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作并不一定是本发明实施例所必须的。

参照图2，示出了本发明实施例的一种预瞄距离预测模型的训练装置的结构框图，该预瞄距离预测模型的训练装置可以应用于终端或者服务器，该预瞄距离预测模型的训练装置具体可以包括如下模块：

驾驶信息采集模块21，用于在自动驾驶车辆的影子模式下采集所述自动驾驶车辆在多种工况下的驾驶信息；

控制信息获取模块22，用于生成一组备选预瞄距离数据，并根据预设控制算法获取每个所述备选预瞄距离数据对应的控制信息；

距离标签获取模块23，用于根据所述驾驶信息和每个所述控制信息，从每个所述备选预瞄距离数据中选择预瞄距离标签数据；

预瞄距离计算模块24，用于生成多组备选预瞄参数数据，并根据所述驾驶信息和预设距离公式获取多个预瞄距离计算数据；

参数标签获取模块25，用于根据多个所述预瞄距离计算数据和所述预瞄距离标签数据，从多组所述备选预瞄参数数据中选择一组预瞄参数标签数据；

预测模型生成模块26，用于根据所述预瞄参数标签数据生成预瞄距离预测模型。

在本发明的一种优选实施例中，所述控制信息获取模块22，包括：

预瞄距离采样模块，用于获取一个预瞄距离范围数据，从所述预瞄距离范围数据中均匀采样得到所述备选预瞄距离数据；

纵向控制算法模块，用于根据比例积分微分PID算法获取每个所述备选预瞄距离数据对应的控制信息。

在本发明的一种优选实施例中，所述驾驶信息和所述控制信息均包含油门信息和刹车信息；

所述距离标签获取模块23，包括：

信息比较模块，用于分别将所述驾驶信息中的油门信息与每个所述控制信息中的油门信息进行比较得到多个油门比较结果，并分别将所述驾驶信息中的刹车信息与每个所述控制信息中的刹车信息进行比较得到多个刹车比较结果；

距离选择模块，用于根据多个所述油门比较结果和多个所述刹车比较结果，从每个所述备选预瞄距离数据中选择所述预瞄距离标签数据。

在本发明的一种优选实施例中，所述距离选择模块，用于从多个所述控制信息中选择出油门比较结果满足预设油门比较条件，且刹车比较结果满足预设刹车比较条件的目标控制信息；将所述目标控制信息对应的所述备选预瞄距离数据作为所述预瞄距离标签数据。

在本发明的一种优选实施例中，每组所述备选预瞄参数数据包含多个预瞄参数；

所述预瞄距离计算模块24，包括：

预瞄参数采样模块，用于针对每个所述预瞄参数，分别获取一个预瞄参数范围数据，分别从每个所述预瞄参数范围数据中均匀采样得到多组所述备选预瞄参数数据；

预瞄参数组合模块，用于将多组所述备选预瞄参数数据中的每个所述预瞄参数进行组合得到多组备选预瞄参数组合数据；

预瞄距离公式模块，用于将所述驾驶信息和每组所述备选预瞄参数组合数据分别输入至所述预设距离公式，输出多个所述预瞄距离计算数据。

在本发明的一种优选实施例中，所述参数标签获取模块25，包括：

距离比较模块，用于分别将每个所述预瞄距离计算数据与所述预瞄距离标签数据进行比较得到多个距离比较结果；

参数选择模块，用于根据多个所述距离比较结果从多组所述备选预瞄参数数据中选择一组预瞄参数标签数据。

在本发明的一种优选实施例中，所述参数选择模块，用于从多个所述预瞄距离计算数据中选择距离比较结果满足预设距离比较条件的目标预瞄距离计算数据；将所述目标预瞄距离计算数据对应的一组所述备选预瞄参数组合数据作为所述预瞄参数标签数据。

本发明实施例还提供了一种电子设备，参见图3，包括：处理器301、存储器302以及存储在所述存储器302上并可在所述处理器301上运行的计算机程序3021，所述处理器301执行所述程序3021时实现前述实施例的预瞄距离预测模型的训练方法。

本发明实施例还提供了一种可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现前述实施例的预瞄距离预测模型的训练方法。

对于装置实施例而言，由于其与方法实施例基本相似，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

需要说明的是，本发明实施例中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。

本说明书中的各个实施例均采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似的部分互相参见即可。

本领域内的技术人员应明白，本发明实施例的实施例可提供为方法、系统、或计算机程序产品。因此，本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

尽管已描述了本发明实施例的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。

最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。

以上对本发明所提供的一种预瞄距离预测模型的训练方法和装置，进行了详细介绍，本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想；同时，对于本领域的一般技术人员，依据本发明的思想，在具体实施方式及应用范围上均会有改变之处，综上所述，本说明书内容不应理解为对本发明的限制。

Claims (10)

1.一种预瞄距离预测模型的训练方法，其特征在于，所述方法包括：

在自动驾驶车辆的影子模式下采集所述自动驾驶车辆在多种工况下的驾驶信息；

生成一组备选预瞄距离数据，并根据预设控制算法获取每个所述备选预瞄距离数据对应的控制信息；

根据所述驾驶信息和每个所述控制信息，从每个所述备选预瞄距离数据中选择预瞄距离标签数据；

生成多组备选预瞄参数数据，并根据所述驾驶信息和预设距离公式获取多个预瞄距离计算数据；

根据多个所述预瞄距离计算数据和所述预瞄距离标签数据，从多组所述备选预瞄参数数据中选择一组预瞄参数标签数据；

根据所述预瞄参数标签数据生成预瞄距离预测模型。

2.根据权利要求1所述的方法，其特征在于，所述生成一组备选预瞄距离数据，并根据预设控制算法获取每个所述备选预瞄距离数据对应的控制信息，包括：

获取一个预瞄距离范围数据，从所述预瞄距离范围数据中均匀采样得到所述备选预瞄距离数据；

根据比例积分微分PID算法获取每个所述备选预瞄距离数据对应的控制信息。

3.根据权利要求1所述的方法，其特征在于，所述驾驶信息和所述控制信息均包含油门信息和刹车信息；

所述根据所述驾驶信息和每个所述控制信息，从每个所述备选预瞄距离数据中选择预瞄距离标签数据，包括：

分别将所述驾驶信息中的油门信息与每个所述控制信息中的油门信息进行比较得到多个油门比较结果，并分别将所述驾驶信息中的刹车信息与每个所述控制信息中的刹车信息进行比较得到多个刹车比较结果；

根据多个所述油门比较结果和多个所述刹车比较结果，从每个所述备选预瞄距离数据中选择所述预瞄距离标签数据。

4.根据权利要求3所述的方法，其特征在于，所述根据多个所述油门比较结果和多个所述刹车比较结果，从每个所述备选预瞄距离数据中选择所述预瞄距离标签数据，包括：

从多个所述控制信息中选择出油门比较结果满足预设油门比较条件，且刹车比较结果满足预设刹车比较条件的目标控制信息；

将所述目标控制信息对应的所述备选预瞄距离数据作为所述预瞄距离标签数据。

5.根据权利要求1所述的方法，其特征在于，每组所述备选预瞄参数数据包含多个预瞄参数；

所述生成多组备选预瞄参数数据，并根据所述驾驶信息和预设距离公式获取多个预瞄距离计算数据，包括：

针对每个所述预瞄参数，分别获取一个预瞄参数范围数据，分别从每个所述预瞄参数范围数据中均匀采样得到多组所述备选预瞄参数数据；

将多组所述备选预瞄参数数据中的每个所述预瞄参数进行组合得到多组备选预瞄参数组合数据；

将所述驾驶信息和每组所述备选预瞄参数组合数据分别输入至所述预设距离公式，输出多个所述预瞄距离计算数据。

6.根据权利要求5所述的方法，其特征在于，所述根据多个所述预瞄距离计算数据和所述预瞄距离标签数据，从多组所述备选预瞄参数数据中选择一组预瞄参数标签数据，包括：

分别将每个所述预瞄距离计算数据与所述预瞄距离标签数据进行比较得到多个距离比较结果；

根据多个所述距离比较结果从多组所述备选预瞄参数数据中选择一组预瞄参数标签数据。

7.根据权利要求6所述的方法，其特征在于，所述根据多个所述距离比较结果从多组所述备选预瞄参数数据中选择一组预瞄参数标签数据，包括：

从多个所述预瞄距离计算数据中选择距离比较结果满足预设距离比较条件的目标预瞄距离计算数据；

将所述目标预瞄距离计算数据对应的一组所述备选预瞄参数组合数据作为所述预瞄参数标签数据。

8.一种预瞄距离预测模型的训练装置，其特征在于，所述装置包括：

驾驶信息采集模块，用于在自动驾驶车辆的影子模式下采集所述自动驾驶车辆在多种工况下的驾驶信息；

控制信息获取模块，用于生成一组备选预瞄距离数据，并根据预设控制算法获取每个所述备选预瞄距离数据对应的控制信息；

距离标签获取模块，用于根据所述驾驶信息和每个所述控制信息，从每个所述备选预瞄距离数据中选择预瞄距离标签数据；

预瞄距离计算模块，用于生成多组备选预瞄参数数据，并根据所述驾驶信息和预设距离公式获取多个预瞄距离计算数据；

参数标签获取模块，用于根据多个所述预瞄距离计算数据和所述预瞄距离标签数据，从多组所述备选预瞄参数数据中选择一组预瞄参数标签数据；

预测模型生成模块，用于根据所述预瞄参数标签数据生成预瞄距离预测模型。

9.一种电子设备，包括存储器、处理器及存储在所述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权利要求1至7中任意一项所述的预瞄距离预测模型的训练方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1至7中任意一项所述的预瞄距离预测模型的训练方法。