KR102424067B1

KR102424067B1 - 정보 처리 방법, 장치 및 저장 매체

Info

Publication number: KR102424067B1
Application number: KR1020200021243A
Authority: KR
Inventors: 페이 가오
Original assignee: 아폴로 인텔리전트 드라이빙 테크놀로지(베이징) 컴퍼니 리미티드
Priority date: 2019-02-21
Filing date: 2020-02-20
Publication date: 2022-07-22
Also published as: CN109703569B; JP7220169B2; EP3699890A3; US20200269841A1; CN113392809B; CN109703569A; JP2020132153A; CN113392809A; KR20200102378A; EP3699890A2

Abstract

본 발명의 실시예는 정보 처리 방법, 장치 및 저장 매체를 제공하는 바, 여기서, 상기 방법은, 운전 행위에 기반하여 취득한 적어도 두 개의 제1 정보를 수집하는 것; 상기 적어도 두 개의 제1 정보에 기반하여 적어도 두 개의 제1 특징 정보를 취득하는 것; 상기 적어도 두 개의 제1 특징 정보에 대하여 식별을 수행하여, 각각의 제1 특징 정보에 대응된 태그 정보를 취득하는 것; 상기 적어도 두 개의 제1 특징 정보와 각각의 제1 특징 정보에 대응된 태그 정보에 기반하여, 샘플 집합을 취득하는 것; 상기 샘플 집합에 기반하여 모델을 구성하여, 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물 사이의 상대 관계를 나타내는 관계 모델을 취득하는 것; 및 상기 관계 모델에 기반하여 차선 변경 선택을 수행하는 것을 포함한다. 본 발명의 실시예를 사용하면 차선 변경의 정확도를 향상시킬 수 있다.

Description

정보 처리 방법, 장치 및 저장 매체 {Information processing method and device and storage medium}

본 발명은 정보 처리 기술 분야에 관한 것으로서, 특히 정보 처리 방법, 장치 및 저장 매체에 관한 것이다.

정보 처리의 일 응용 상황으로는 차량 자율 주행에서, 차량 자율 주행의 운동 계획을 구현하기 위하여, 차량 운동의 궤적에 대하여 평가를 수행하여야 한다. 차량 차선 변경은 운동 궤적 중에서 중요한 하나의 요소이다. 관련 기술 중에서 운전자의 경험에 기반하여 어떻게 차선을 선택하여 차선 변경을 수행할지 결정을 내린다. 단지 운전자의 경험만을 통하여 취득한 결정은 지나치게 간단하고, 차량 주변의 환경 예를 들면 장애물에 대한 판단이 정확하지 않으며, 쉽게 차선 변경의 정확성을 떨어트리고, 특히 여러 가지 복잡한 상황에서, 실제 운전 과정 중의 차선 변경 결과의 수행성과 안전성을 확보하기 어렵다.

본 발명의 실시예는 정보 처리 방법, 장치 및 저장 매체를 제공하여, 종래 기술 중의 하나 또는 복수의 기술적 과제를 해결하도록 한다.

제1 측면에 있어서, 본 발명의 실시예는 정보 처리 방법을 제공하는 바,

운전 행위에 기반하여 취득한 적어도 두 개의 제1 정보를 수집하는 것;

상기 적어도 두 개의 제1 정보에 기반하여, 적어도 두 개의 제1 특징 정보를 취득하는 것;

상기 적어도 두 개의 제1 특징 정보에 대하여 식별을 수행하여, 각각의 제1 특징 정보에 대응된 태그 정보를 취득하는 것;

상기 적어도 두 개의 제1 특징 정보와 각각의 제1 특징 정보에 대응된 태그 정보에 기반하여, 샘플 집합을 취득하는 것;

상기 샘플 집합에 기반하여 모델을 구성하여, 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물의 관계를 나타내는 관계 모델을 취득하는 것; 및

상기 관계 모델에 기반하여, 차선 변경 선택을 수행하는 것을 포함한다.

일 실시 방식에 있어서, 상기 샘플 집합에 기반하여 모델을 구성하는 과정중에,

차량 현재 주행 차선 및 인접된 차선에 기반하여 처리 대기 구역을 취득하는 것; 및

세팅된 셀에 기반하여 상기 처리하여야 하는 구역을 적어도 두 개의 통행가능한 구역으로 구분하는 것을 포함한다.

일 실시 방식에 있어서, 상기 통행가능한 구역은 차량 주행 노선을 횡축으로 하는 좌표계에서 다음과 같이 구분된다. 즉, 횡축 방향 상에서, 상기 차량을 중심으로, 세팅된 거리 파라미터에 기반하여, 중심을 원점으로 하여 앞방향으로 상기 거리 파라미터에 대응하는 거리치만큼 증가되도록 구성되고; 및/또는 세팅된 거리 파라미터에 기반하여, 중심을 원점으로 하여 뒤방향으로 상기 거리 파라미터에 대응되는 거리치만큼 증가되도록 구성되는 구역으로 구분된다.

일 실시 방식에 있어서, 상기 통행가능한 구역은 차량 주행 노선을 횡축으로 하는 좌표계에서 다음과 같이 구분된다. 즉: 종축 방향 상에서, 적어도 차량 현재 주행 차선의 좌측과 우측에 대응하는 두 개의 차선으로 구분된다.

일 실시 방식에 있어서, 상기 방법은 또한,

상기 차량의 현재 주행 차선 상에서의 주행 상황에 대해, 각 프레임으로 이미지를 채집하고, 이미지 채집 결과에 기반하여 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물 사이의 상대 관계를 취득하는 것;

상기 상대 관계를 상기 모델을 구성하는데 사용할 시, 상기 상대 관계를 상기 통행가능한 구역의 속성 정보로 하는 것을 포함한다.

일 실시 방식에 있어서, 상기 방법은 또한,

상기 적어도 두 개의 통행가능한 구역 중에서 장애물이 존재하는 부분을 분할하여, 적어도 두개의 제2 특징 정보를 취득하고, 상기 적어도 두 개의 제2 특징 정보를 상기 모델을 구성하는데 사용하는 것을 포함한다.

일 실시 방식에 있어서, 상기 관계 모델에 기반하여 차선 선택을 수행하는 것은,

상기 관계 모델에 기반하여 신경망을 취득하는 바, 상기 신경망은 차선 변경 기능에 기반하여, 적어도 두 개의 대응된 차선 변경 기능을 구현하기 위한 서브 신경망으로 구분된 것;

상기 적어도 두 개의 제2 특징 정보와 각각의 제1 특징 정보의 태그 정보를, 상기 적어도 두 개의 대응된 차선 변경 기능을 구현하기 위한 서브 신경망에서 계산을 수행하여, 적어도 두 개의 차량 차선 변경 확률을 취득하는 것;

상기 적어도 두 개의 차량 차선 변경 확률에 기반하여, 목표 차량 차선 변경 확률을 취득하는 것;

상기 목표 차량 차선 변경 확률에 기반하여, 차선 선택을 수행하는 것을 포함한다.

제2 측면에 있어서, 본 발명의 실시예는 정보 처리 장치를 제공하는 바,

운전 행위에 기반하여 취득한 적어도 두 개의 제1 정보를 수집하는 수집 유닛;

상기 적어도 두 개의 제1 정보에 기반하여 적어도 두 개의 제1 특징 정보를 취득하는 제1 처리 유닛;

상기 적어도 두 개의 제1 특징 정보에 대하여 식별을 수행하여, 각각의 제1 특징 정보에 대응된 태그 정보를 취득하기 위한 제2 처리 유닛;

상기 적어도 두 개의 제1 특징 정보와 각각의 제1 특징 정보에 대응된 태그 정보에 기반하여, 샘플 집합을 취득하기 위한 제3 처리 유닛;

상기 샘플 집합에 기반하여 모델을 구성하며, 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물의 관계를 나타내는 관계 모델을 취득하기 위한 모델링 유닛; 및

상기 관계 모델에 기반하여, 차선 변경 선택을 수행하기 위한 차선 선택 유닛을 구비한다.

일 실시 방식에 있어서, 상기 모델링 유닛은 또한,

차량 현재 주행 차선 및 인접된 차선에 기반하여 처리하여야 하는 구역을 취득하고;

세팅된 셀에 기반하여 상기 처리하여야 하는 구역을 적어도 두 개의 통행가능한 구역으로 구분한다.

일 실시 방식에 있어서, 상기 통행가능한 구역은 차량 주행 노선을 횡축으로 하는 좌표계에서, 다음과 같이 구분된다. 즉: 종축 방향 상에서, 적어도 차량 현재 주행 차선의 좌측과 우측에 대응된 두 개의 차선으로 구분된다.

일 실시 방식에 있어서, 상기 장치는 또한,

상기 차량의 현재 주행 차선 상에서의 주행 상황에 대해, 각 프레임으로 이미지를 채집하고, 이미지 채집 결과에 기반하여, 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물 사이의 상대 관계를 취득하기 위한 채집 유닛; 및

상기 상대 관계를 모델을 구성하는데 사용할 시, 상기 상대 관계를 상기 통행가능한 구역의 속성 정보로 하기 위한 속성 결정 유닛을 구비한다.

일 실시 방식에 있어서, 상기 장치는 또한,

상기 적어도 두 개의 통행가능한 구역 중에서 장애물이 존재하는 부분을 분할하여, 적어도 두개의 제2 특징 정보를 취득하고, 상기 적어도 두 개의 제2 특징 정보를 모델을 구성하는데 사용하기 위한 분할 유닛을 구비한다.

일 실시 방식에 있어서, 상기 차선 변경 선택 유닛은 또한,

상기 관계 모델에 기반하여 신경망을 취득하는 바, 상기 신경망은 차선 변경 기능에 기반하여, 적어도 두 개의 대응된 차선 변경 기능를 구현하기 위한 서브 신경망으로 구분되고;

상기 적어도 두 개의 제2 특징 정보와 각각의 제1 특징 정보의 태그 정보를, 적어도 두 개의 대응된 차선 변경 기능를 구현하기 위한 신경망에서 계산을 수행하여, 적어도 두 개의 차량 차선 변경 확률을 취득하며;

상기 적어도 두 개의 차량 차선 변경 확률에 기반하여, 목표 차량 차선 변경 확률을 취득하고;

상기 목표 차량 차선 변경 확률에 기반하여, 차선 선택을 수행한다.

제3 측면에 있어서, 본 발명의 실시예는 정보 처리 장치를 제공하는 바, 상기 장치의 기능은 하드웨어를 통하여 구현할 수도 있고, 또는 하드웨어를 통하여 상응한 소프트웨어를 수행시켜 구현할 수도 있다. 상기 하드웨어 또는 소프트웨어는 하나 또는복수의 상기 기능에 대응되는 모듈을 구비한다.

일 가능한 설계에서, 상기 장치의 구조는 프로세서와 메모리를 포함하고, 상기 메모리는 상기 장치를 지원하여 상기 어느 한 정보 처리 방법을 수행하는 프로그램을 저장하고, 상기 프로세서는 상기 메모리 중에 저장된 프로그램을 수행하도록 구성된다. 상기 장치는통신 인터페이스를 더 포함하여, 기타 장치 또는 통신 네트워크와 통신을 수행한다.

제4 측면에 있어서, 본 발명의 실시예는 컴퓨터 판독가능 저장 매체를 제공하는 바, 차선 선택 장치가 사용하는 컴퓨터 소프트웨어 명령을 저장하고, 당해 명령은 상기 어느 한 정보 처리 방법을 수행하는 것과 관련된 프로그램을 포함한다.

상기 기술방안 중의 한 기술방안은 하기 장점 또는 유익한 효과를 가지는 바, 즉

본 발명의 실시예는 운전 행위에 기반하여 취득한 적어도 두 개의 제1 정보를 취득하고, 상기 적어도 두 개의 제1 정보에 기반하여 적어도 두 개의 제1 특징 정보를 취득한다. 상기 적어도 두 개의 제1 특징 정보에 대하여 식별을 수행하여, 각각의 제1 특징 정보의 태그 정보를 취득하고, 상기 적어도 두 개의 제1 특징 정보와 각각의 제1 특징 정보에 대응된 태그 정보에 기반하여 샘플 집합을 취득한다. 특징 정보와 태그 정보를 사용하여 샘플 집합을 구성하고, 단지 운전 행위에 기반하여 구성하는 것이 아니기 때문에, 샘플 집합 중의 정보는 더욱 진실한 운전 상황에 근접하다. 상기 샘플 집합에 기반하여 모델을 구성하는 바, 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물의 관계를 나타내는 관계 모델을 취득하며, 이로써 차량 주변의 환경 예를 들면 장애물의 위치 관계에 대하여 정확하게 판단한 후, 상기 관계 모델에 기반하여수행하는 차선 변경 선택은 필연코 더욱 정확할 것이므로, 차선 변경의 정확도를 향상시키고, 실제 운전 과정 중의 차선 변경 결과의 수행성과 안전성을 확보한다.

상기 요약은 단지 설명서를 위한 목적이며, 어떠한방식으로도 제한하지 않는다. 상기 기술된 예시적 측면, 실시 방식과 특징 외, 도면과 아래의 상세한 설명을 통하여, 본 발명의 진일보의 측면, 실시 방식과 특징은 더욱 명료해질 것이다.

별도로 규정된 것 외, 도면 중에서 복수의 도면의 동일한 도면 부호는 동일하거나 유사한 부품 또는 요소를 표시하는 것이 일관적이다. 이러한 도면은 반드시 비례에 따라 그려진 것이 아니다. 이러한 도면은 단지 본 발명에 기반하여 공개된 일부 실시 방식만 도시하고 있으며, 이를 본 발명의 범위를 제한하는 것으로 간주해서는 않된다.
도1은 본 발명의 실시예에 의한 정보 처리 방법의 흐름도이다.
도2는 본 발명의 실시예에 의한 차량 주행 노선 상의 통행가능한 구역의 도면이다.
도3은 본 발명의 실시예에 의한 구분된 통행가능한 구역의 파라미터 구성 도면이다.
도4는 본 발명의 실시예에 의한 샘플 집합에 기반하여 모델을 구성하는 흐름도이다.
도5는 본 발명의 실시예에 의한 관계 모델에 기반하여차선 선택을 수행하는 흐름도이다.
도6은 본 발명의 실시예에 의한 정보 처리 장치의 구조 블럭도이다.
도7은 본 발명의 실시예에 의한 정보 처리 장치의 구조 블럭도이다.

아래에서는 단지 어떠한 예시적 실시예를 설명하고 있다. 당업자들에게 숙지된 바와 같이, 본 발명의 정신과 범위를 초과하지 않는 전제 하에서, 다양한 서로 다른 방식을 통하여 상기 설명된 실시예를 수정할 수 있다. 그러므로, 도면과 설명은 본질적으로는 예시적이고 비제한적인 것으로 간주한다.

관련 기술에서, 자율 주행 운동 계획 과정에서, 계획된 궤적에 대하여 평가를 수행하여야 한다. 구체적으로 말하면, 차량 차선 변경의 계획에서, 어떻게 차선 선택에 대하여 평가를 수행하는가 하는 것은 아주 중요한 바, 당해 차선 선택의 평가에 기반하여 여러 가지 복잡한 상황을 처리하여, 실제 운전 과정 중의 차선 변경 결과의 수행성과 안전성을 확보한다. 구체적으로 말하면, 자율 주행 운동 계획 과정은 운전자의 일부 경험에 기반하여, 또한 규칙과 일부 특정된 역치를 통하여 모델링을 수행하여 차량 차선 변경의 선택을 수행한다. 관련 기술의 처리 과정에서, 환경 정보에 대하여 간소화를 수행할 수 밖에 없으며; 사용되는 규칙과 역치가 비교적 고정되고 기계적이기 때문에, 차선 변경 시기의 선택이 일반적으로 가장 적합한 시기가 아니여서 쉽게 여러 가지 배드 케이스(bad case)가 발생하는 바, 샘플 중에서 실제 운전 상황에 부합되지 않는 일부 샘플을 배드 케이스 칭할 수 있으며; 차선 변경 결정의 유연성이 떨어지며; 기타 인류 운전자의 규칙 방안에 대한 차선 변경 결정의 예측 가능성이 열악하다.

하기 본 발명의 실시예를 사용할 경우, 운전 행위에 기반하여 취득한 제1 특징 정보(예를 들면 가속도, 속도 등) 및 각 제1 특징 정보에 대응되는 태그 정보(예를 들면 좌측으로 차선 변경, 우측으로 차선 변경 또는 직진 등)를 통하여, 관계 모델링을 위한 샘플 집합을 취득할 수 있고, 또한 모델링을 통하여 취득한 관계 모델은 주행 노선, 메인 차량과 장애물의 관계에 대하여 정확한 기술을 구현하여, 당해 관계 모델에 기반하여 하여 수행하는 차선 선택은 차선 변경의 정확성을 향상시킨다.

도1은 본 발명의 실시예에 의한 정보 처리 방법의 흐름도이다. 도1에 도시된 바와 같이, 당해과정은,

101 단계: 운전 행위에 기반하여 취득한 적어도 두 개의 제1 정보를 수집하는 것;

102 단계: 상기 적어도 두 개의 제1 정보에 기반하여 적어도 두 개의 제1 특징 정보를 취득하는 것;

103 단계: 상기 적어도 두 개의 제1 특징 정보에 대하여 식별을 수행하여, 각각의 제1 특징 정보에 대응된 태그 정보를 취득하는 것;

104 단계: 상기 적어도 두 개의 제1 특징 정보와 각각의 제1 특징 정보에 대응된 태그 정보에 기반하여, 샘플 집합을 취득하는 것;

105 단계: 상기 샘플 집합에 기반하여 모델을 구성하는 바, 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물의 관계를 나타내는 관계 모델을 취득하는 것;

106 단계: 상기 관계 모델에 기반하여 차선 변경 선택을 수행하는 것을 포함한다.

일 실시 방식에 있어서, 각 프레임을 단위로 차량이 어느 한 차선 상에서 주행할 때 취득한 정보를 채집하는 바, 구체적으로 말하면, 당해 정보는 직업 기사의 운전 행위이다. 운전 과정 중의 운전 행위에 대하여 특징 추출을 수행하는 바, 즉 당해 정보를 역사 데이터로 하여, 역사 데이터에 기반하여 특징 정보, 예를 들면 가속도, 속도, 제한 속도 등을 취득한다. 가속도, 속도, 제한 속도 등이 제1 특징 정보를 구성한다. 예를 들면 가속도, 속도, 제한 속도 등 제1 특징 정보에 대하여 식별을 수행한 후 태그를 추가하여, 예를 들면 좌측으로 차선 변경, 우측으로 차선 변경 또는 직진 등 태그 정보를 취득한다. 제1 특징 정보와 태그 정보를 관계 모델에 입력하여 차선 변경이 가능한지 여부를 평가하는 샘플 집합으로 한다. 상기 샘플 집합에 기반하여 모델링을 수행하는 과정에서, 당해 샘플 집합을 이용하여 딥러닝을 수행하여 관계 모델을 취득하는 바, 당해 관계 모델은 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물의 관계를 표시한다. 당해 관계 모델이 주행 노선, 메인 차량과 장애물의 관계에 대하여 정확한 기술을 할 수 있기 때문에, 당해 관계 모델에 기반하여차선 선택을 수행하여, 차량 차선 변경의 정확성을 향상시킨다. 특히 여러 가지 복잡한 상황에서, 실제 운전 과정 중의 차선 변경 결과의 수행성과 안전성을 확보하기 어렵다.

일 실시 방식에 있어서, 도2에 도시된 것은 차량 주행 노선 상의 일 통행가능한 구역의 도면이다. 딥러닝의 모델링 과정에 관계 모델을 사용하는 방법은, 노선 내비게이션과 장애물을 고차원의 셀에 기반하여 하는 통행가능한 구역으로 모델링하여, 당해 통행가능한 구역을 통하여 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물 지간의 상대적 위치 관계를 기술한다. 여기서, 고차원은 셀 수량 및 특징 수량의 조합이 비교적 많고, 희소성이 있으며, 기술적으로 학습이 어렵기 때문이며, 본 발명의 실시예는 관계 모델과 공유 서브 신경망 기술(관계 모델이 구성하는 신경망 중의 각 서브 신경망에 기반하여, 서브 신경망은 각각 여러 가지 관계를 표시하는 바, 예를 들면 차선 막힘, 후방 충돌, 동시 차선 변경 등이)을 사용하여 딥러닝의 난이도를 현저하게 낮출 수 있다.

샘플 집합에 기반하여 모델링을 수행하여, 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물의 관계를 표시하는 관계 모델을 취득하는 과정에서, 차량 현재 주행 차선 및 인접된 차선에 기반하여 처리하여야 하는 구역(11)을 취득하고, 세팅된 셀에 기반하여 상기 처리하여야 하는 구역을 적어도 두 개의 통행가능한 구역으로 구분할 수 있는 바, 도2에 도시된 바와 같이, 처리하여야 하는 구역(11)은 네 개의 통행가능한 구역으로 구분되는 바, 각각 통행가능한 구역(110), 통행가능한 구역(111), 통행가능한 구역(112), 통행가능한 구역(113)이다. 현재 차량은 메인 차량이고, 현재 차선 상에서 주행하며, 당해 운전 상황에서, 또한 메인 차량과 위치가 상대적으로 앞선 전방 차량 및 메인 차량과 위치가 상대적으로 처진 후방 차량을 포함한다. 메인 차량이 주행하는 현재 차선 상에 표시된 장애물(121)과 장애물(122)가 존재하기 때문에, 차량의 안전 운전을 위하여, 메인 차량은 인접된 차선(좌측 차선 또는 우측 차선) 상으로 차선 변경하여야 한다. 구체적으로 사용하는 차선 선택 및 차선 변경 궤적은 차선 변경 궤적(21)을 사용할지 아니면 차선 변경 궤적(22)를 사용할지는 당해 관계 모델이 차선 선택을 수행하여야 한다.

일 실시 방식에 있어서, 통행가능한 구역은 차량 주행 노선을 횡축으로 하는 죄표계에서 다음과 같이 구분할 수 있다. 1) 당해 횡축 방향 상에서, 상기 차량을 중심으로, 세팅된 거리 파라미터에 기반하여, 중심을 원점으로 하여 앞방향으로 상기 거리 파라미터에 대응하는 거리치만큼 증가되도록 구성되고; 및/또는 세팅된 거리 파라미터에 기반하여, 중심을 원점으로 하여 뒤방향으로 상기 거리 파라미터에 대응되는 거리치만큼 증가되도록 구성되는 구역으로 구분된다. 2) 당해 횡축과 90도 수직되는 종축 방향 상에서, 통행가능한 구역은 적어도 차량 현재 주행 차선의 좌측과 우측의 두개의 차선에 대응된다. 도3은 구분된 일 통행가능한 구역의 파라미터 구성 도면으로서, 거리 파라미터가 80미터라면, 상기 차량을 중심으로, 앞방향 또는 뒤방향으로 각각 80미터 이동하고, 그 후 이 구역은 왼쪽 및 오른쪽 두 차선에 대응된다. 본 발명의 실시예는 언급된 구체적인 파라미터 구성에 제한되지 않는다.

일 실시 방식에 있어서, 도4은 샘플 집합에 기반하여 모델을 구성하는 흐름도로서, 도4에 도시된 바와 같이,

201 단계: 상기 차량의 현재 주행 차선 상에서의 주행 상황에 대해, 각 프레임으로 이미지를 채집하고, 이미지 채집 결과에 기반하여 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물 사이의 상대 관계를 취득하는 것;

202 단계: 상기 상대 관계를 모델을 구성하는데 사용할 시, 상기 상대 관계를 상기 통행가능한 구역의 속성 정보로 하는 것; 및

203 단계: 상기 적어도 두 개의 통행가능한 구역 중에서 장애물이 존재하는 부분을 분할하여 적어도 두개의 제2 특징 정보를 취득하고, 상기 적어도 두 개의 제2 특징 정보를 상기 모델을 구성하는데 사용하는 것을 포함한다.

일 실시 방식에 있어서, 통행가능한 구역은 복수의 셀을 구비할 있고, 진실한 장애물이 존재하는지 여부를 막론하고 모두 셀이 존재하지만, 다른 셀이 표시하는 특징의 값이 다르다. 통행가능한 구역 중의 장애물이 존재하는 셀을 분할하고, 샘플 집합(전에 식별한 태그, 예를 들면 차선 변경없이 직진, 아니면 좌측으로 차선 변경, 아니면 우측으로 차선 변경)을 참조하여 관계 모델로 구성된 신경망에 대응되는 각 서브 신경망으로 입력하여 처리를 수행한다.

지적하여야 할 바로는, 장애물 정보는 정지 및 운동하는 장애물을 포함하는 바, 예를 들면 메인 차량 전방에 위치하고 또한 메인 차량과 동일한 차선 상에 위치하는 전방 차량도 장애물에 속한다.

일 실시 방식에 있어서, 도5는 관계 모델에 기반하여차선 선택을 수행하는 흐름도로서, 도5에 도시된 바와 같이,

301 단계: 상기 관계 모델에 기반하여 신경망을 취득하는 바, 상기 신경망은 차선 변경 기능에 기반하여 적어도 두 개의 대응된 차선 변경 기능을 구현하기 위한 서브 신경망으로 구분되는 것;

302 단계: 상기 적어도 두 개의 제2 특징 정보와 각각의 제1 특징 정보의 태그 정보를, 상기 적어도 두 개의 대응된 차선 변경 기능을 구현하기 위한 신경망에서 계산을 수행하여, 적어도 두 개의 차량 차선 변경 확률을 취득하는 것;

303 단계: 상기 적어도 두 개의 차량 차선 변경 확률에 기반하여 목표 차량 차선 변경 확률을 취득하는 것; 및

304 단계: 상기 목표 차량 차선 변경 확률에 기반하여 차선 선택을 수행하는 것을 포함한다.

본 발명의 실시예를 사용하면, 서브 신경망에 대응되는 계산 처리에 기반하여 차선 확률을 취득하고, 차선 확률을 차선 선택을 수행할지 여부를 평가하는 출력 결과에 사용한다. 여기서, 신경망에 대응되는 계산 처리는 여러 가지 신경망 계층 예를 들면 GRU, Dense 등 네트워크의 가중 조합으로 계산한다. 특징 벡터는 전역인 것이고, 서브 신경망이 이에 대하여 변형 또는 분할을 수행한다. 예를 들면, 특징*가중치 그리고 누적을 한 후 다시 비선형 함수로 계산을 수행하며, 이는 신경망의 범주에 속한다. 나아가, 기능 구역, 공유 서브 신경망, 공간 시퀀스의 방식에 기반하여 차선 변경 의도, 막힘, 충돌, 차선 변경 충돌 등 서브 관계를 표현하여, 최종적으로 차선 확률을 출력하여 평가 결과로 하여 차선 선택을 수행한다. 구체적으로 말하면, 기능 구역은 통행가능한 구역에 대하여 특점의 관계에 따라 당해 관계가 관심을 갖는 구역을 분할한 것이다. 서브 신경망은 신경망 중의 서브 신경망이다. 공유 서브 신경망은 하나의 비교적 작은 네트워크를 말하는 바, 다른 데이터 상에 적용되지만, 이들의 가중치는 같다. 예를 들면 막힘 관계에 있어서, 현재 차선이든 아니면 기타 차선이든, 같은 장애물 분포에서, 이의 막힘성은 동일하며, 같은 함수 조합 관계와 가중치를 사용한다. 공간 시퀀스는 가장 먼 곳으로부터 가장 가까운 곳까지(전방 또는 후방)의 셀 시퀀스이며, 이들을 시퀀스 신경망(GRU)로 처리한다.

6은 본 발명의 실시예의 정보 처리 장치의 구조 블럭도로서, 도6에 도시된 바와 같이, 상기 장치는, 운전 행위에 기반하여 취득한 적어도 두 개의 제1 정보를 수집하기 위한 수집 유닛(31); 상기 적어도 두 개의 제1 정보에 기반하여 적어도 두 개의 제1 특징 정보를 취득하기 위한 제1 처리 유닛(32); 상기 적어도 두 개의 제1 특징 정보에 대하여 식별을 수행하여, 각각의 제1 특징 정보에 대응된 태그 정보를 취득하기 위한 제2 처리 유닛(33); 상기 적어도 두 개의 제1 특징 정보와 각각의 제1 특징 정보에 대응된 태그 정보에 기반하여, 샘플 집합을 취득하기 위한 제3 처리 유닛(34); 상기 샘플 집합에 기반하여 모델을 구성하며, 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물의 관계를 나타내는 관계 모델을 취득하기 위한 모델링 유닛(35); 및 상기 관계 모델에 기반하여 차선 변경 선택을 수행하기 위한 차선 변경 선택 유닛(36)을 구비한다.

일 실시 방식에 있어서, 상기 모델링 유닛은 또한, 차량 현재 주행 차선 및 인접된 차선에 기반하여 처리하여야 하는 구역을 취득하는 것; 세팅된 셀에 기반하여 상기 처리하여야 하는 구역을 적어도 두 개의 통행가능한 구역으로 구분한다.

일 실시 방식에 있어서, 상기 통행가능한 구역은 차량 주행 노선을 횡축으로 하는 좌표계에서, 다음과 같이 구분된다. 즉: 횡축 방향 상에서, 세팅된 거리 파라미터에 기반하여, 중심을 원점으로 하여 앞방향으로 상기 거리 파라미터에 대응하는 거리치만큼 증가되도록 구성되고; 및/또는 세팅된 거리 파라미터에 기반하여, 중심을 원점으로 하여 뒤방향으로 상기 거리 파라미터에 대응하는 거리치만큼 증가되도록 구성되는 구역으로 구분된다. 상기 통행가능한 구역은 차량 주행 노선을 횡축으로 하는 좌표계에서 다음과 같이 구분되다. 즉: 종축 방향 상에서 적어도 차량 현재 주행 차선의 좌측과 우측의 두 개의 차선으로 구분된다.

일 실시 방식에 있어서, 상기 장치는 또한, 상기 차량의 현재 주행 차선 상에서의 주행 상황에 대해, 각 프레임으로 이미지를 채집하고, 이미지 채집 결과에 기반하여 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물 사이의 상대 관계를 취득하기 위한 채집 유닛; 상기 상대 관계를 모델을 구성하는데 사용할 시, 상기 상대 관계를 상기 통행가능한 구역의 속성 정보로 하기 위한 속성 결정 유닛을 구비한다.

일 실시 방식에 있어서, 상기 적어도 두 개의 통행가능한 구역 중에서 장애물이 존재하는 부분을 분할하여 적어도 두개의 제2 특징 정보를 취득하고, 상기 적어도 두 개의 제2 특징 정보를 상기 모델을 구성하는데 사용하기 위한 분할 유닛을 구비한다.

일 실시 방식에 있어서, 상기 차선 변경 선택 유닛은, 또한 상기 관계 모델에 기반하여 신경망을 취득하는 바, 상기 신경망은 차선 변경 기능에 기반하여 적어도 두 개의 대응된 차선 변경 기능을 구현하기 위한 서브 신경망으로 구분되고; 상기 적어도 두 개의 제2 특징 정보와 각각의 제1 특징 정보의 태그 정보를, 적어도 두 개의 대응된 차선 변경 기능을 구현하기 위한 신경망에서 계산을 수행하여, 적어도 두 개의 차량 차선 변경 확률을 취득하며; 상기 적어도 두 개의 차량 차선 변경 확률에 기반하여 목표 차량 차선 변경 확률을 취득하고; 상기 목표 차량 차선 변경 확률에 기반하여 차선 선택을 수행한다.

본 발명의 실시예의 각 장치 중의 각 모듈의 기능은 상기 방법 중의 대응되는 설명을 참조할 수 있으며, 여기에서는 상세한 설명을 생략하도록 한다.

도7는 본 발명의 실시예에 의한 일 정보 처리 장치의 구조 블럭도이다. 당해 정보 처리 장치는 자율 주행 기능이 구비된 차량에 적용될 수 있고, 도7에 도시된 바와 같이, 당해장치는메모리(910)와 프로세서(920)를 포함하고, 메모리(910) 내에는 프로세서(920) 상에서 수행될 수 있는 컴퓨터 프로그램이 저장되어 있다. 프로세서(920)가 컴퓨터 프로그램을 수행할 때 상기 실시예 중의 정보 처리 방법을 수행한다. 메모리(910)와 프로세서(920)의 수량은 하나 또는 복수일 수 있다.

당해 장치는 또한, 외부 장치와 통신을 수행하고, 데이터 상호작용 전송을 수행하는 통신 인터페이스(930)를 포함한다.

메모리(910)는 고속 RAM 메모리를 포함할 수 있고, 또한 예를 들면 적어도 하나의 자기 디스크 메모리와 같은 비휘발성 메모리(non-volatile memory)를 포함할 수도 있다.

메모리(910), 프로세서(920)와 통신 인터페이스(930)가 독립적으로 구현될 경우, 메모리(910), 프로세서(920)와 통신 인터페이스(930)는 버스를 통하여 상호 연결되고 또한 상호 지간의 통신을 완성할 수 있다. 버스는 기술 표준 구조(ISA, Industry Standard Architecture) 버스, 외부 장치 상호 연결(PCI, Peripheral Component Interconnect) 버스 또는 확장 기술 표준 구조(EISA, Extended Industry Standard Architecture) 버스 등일 수 있다. 버스는 주소 버스, 데이터 버스, 제어 버스 등으로 구분될 수 있다. 표시의 편리를 위하여, 도7에서는 하나의 굵은 선으로 표시하였지만, 단지 한 갈래의 버스 또는 한 유형의 버스만 있다는 것을 뜻하는 것이 아니다.

선택적으로, 구체적인 구현에 있어서, 메모리(910), 프로세서(920)와 통신 인터페이스(930)가 하나의 칩 상에 집적될 경우,메모리(910), 프로세서(920)와 통신 인터페이스(930)는 내부 인터페이스를 통하여 상호 사이의 통신을 완성할 수 있다.

본 발명의 실시예는 컴퓨터 판독가능 저장 매체를 제공하는 바, 당해 저장 매체는 컴퓨터 프로그램을 저장하고, 당해 프로그램이 프로세서에 의해수행될 때 상기 제1 측면의 어느 한 항의 상기 방법을 구현한다.

본 발명에 대한 설명에 있어서, 참조 용어 "하나의 실시예", "일부 실시예", "예시", "구체적인 예시" 또는 "일부 예시" 등 설명은 당해 실시예 또는 예시를 참조하여 설명한 구체적인 특징, 구조, 재료 또는 특점이 본 발명의 적어도 하나의 실시예 또는 예시에 포함됨을 뜻한다. 그리고, 설명된 구체적인 특징, 구조, 재료 또는 특점은 임의의 하나 또는 복수의 실시예 또는 예시 중에서 적합한 방식으로 결합될 수 있다. 그리고 상호 모순되지 않는 상황 하에서, 당업계 기술자들은 본 명세서에 기술된 서로 다른 실시예 또는 예시 및 서로 다른 실시예 또는 예시의 특징을 결합 또는 조합할 수 있다.

그리고, 용어 "제1", "제2"는 단지 설명의 편리를 위한 것이고, 상대적인 중요성을 암시하거나 또는 지시하는 기술 특징의 수량을 암시하는 것이 아니다. 그러므로, "제1", "제2"로 한정된 특징은 명시적 또는 암시적으로 적어도 하나의 당해 특징을 포함한다. 본 발명에 대한 설명에 있어서, 특별한 설명이 없는 한, "복수"는 두 개 또는 두 개 이상을 뜻한다.

흐름도 중 또는 여기에서 기타 방식으로 설명된 어떠한 과정 또는 방법에 대한 설명은, 특정 논리 기능 또는 과정을 구현하는 하나 또는 더욱 많은 단계를 포함하는 수행가능한 명령 코드의 모듈, 프래그먼트 또는 부분으로 이해될 수 있으며, 또한 본 발명의 바람직한 실시 방식의 범위는 기타 구현 방식을 포함하는 바, 이는 예시 또는 논의된 순서로 수행하지 않을 수 있으며, 언급된 기능에 기반하여 기본 동시적인 방식 또는 반대의 순서로 기능을 수행하는 것을 포함하며, 이는 본 발명의 실시예가 속하는 기술 분야의 당업자들이 이해하여야 하는 부분이다.

흐름도에 표시되거나 또는 여기에서 기타 방식으로 기술된 논리 및/또는 단계는, 예를 들면 논리 기능을 구현하기 위한 수행가능한 명령의 순차 리스트라 간주될 수 있으며, 구체적으로 임의의 컴퓨터 판독가능 매체에서 구현되어, 명령 수행 시스템, 장치 또는 설비(예를 들면 컴퓨터를 기반으로 하는 시스템, 프로세서를 포함하는 시스템 또는 명령 수행 시스템, 장치 또는 설비로부터 명령을 취하고 또한 명령을 수행하는 시스템)가 사용하도록 하거나, 또는 이러한 명령 수행 시스템, 장치 또는 설비를 결합하여 사용하도록 할 수 있다. 본 명세서로 말하면, "컴퓨터 판독가능 매체"는 프로그램을 포함, 저장, 통신, 전파 또는 전송하여, 명령 수행 시스템, 장치 또는 설비가 사용하도록 하거나, 또는 이러한 명령 수행 시스템, 장치 또는 설비를 결합하여 사용하도록 하는 임의의 장치일 수 있다. 컴퓨터 판독가능 매체의 더욱 구체적인 예시(비무한대 리스트)는, 하나 또는 복수의 배선을 구비하는 전기 연결부(전자 장치), 휴대식 컴퓨터 디스크 박스(자기 장치), 무작위 저속 메모리(RAM), 읽기전용 메모리(ROM), 전기 소거가능 프로그래머블 읽기전용 메모리(EPROM), 광섬유 장치 및 휴대식 시디롬(CDROM)을 구비할 수 있다. 그리고, 컴퓨터 판독가능 매체는 심지어 그 위에 상기 프로그램을 프린트할 수 있는 종이 또는 기타 적합한 매체일 수 있는 바, 왜냐하면 예를 들면 종이 도는 기타 매체에 대하여 광학 스캔을 수행하고, 이어 편집, 해석을 수행하거나 또는 필요 시에는 기타 적합한 방식으로 처리하여 전자 방식으로 상기 프로그램을 취득하고, 이어 이를 컴퓨터 판독가능 메모리 중에 저장할 수 있기 때문이다.

본 발명의 각 부분은 하드웨어, 소프트웨어, 펌웨어 또는 이들의 조합으로 구현될 수 있음을 이해하여야 할 것이다. 상기 실시 방식에 있어서, 복수의 단계 또는 방법은 메모리에 저장되고 또한 적합한 명령 수행 시스템에 기반하여수행되는 소프트웨어 또는 펌웨어에 기반하여 구현될 수 있다. 예를 들면, 하드웨어를 이용하여 구현될 경우, 다른 한 실시 방식에서와 같이, 당업계의 공지된 하기 기술 중의 임의 항 또는 이들의 조합으로 구현될 수 있는 바, 즉 디지털 신호에 대하여 논리 기능을 구현하는 논리 게이트 회로를 구비하는 이산 논리 회로, 적합한 논리 게이트 회로를 구비한 전용 직접 회로, 프로그램가능한 게이트 어레이(PGA), 필드 프로그램가능한 게이트 어레이(FPGA) 등이다.

당업계의 기술자들은 상기 실시예의 방법에 포함된 전부 또는 일부 단계는 프로그램을 통하여 관련 하드웨어를 명령하여 구현할 수 있고, 상기 프로그램은 일종의 컴퓨터 판독가능한 저장 매체에 저장될 수 있으며, 당해 프로그램이 수행될 때, 방법 실시예의 단계 중의 하나 또는 이들의 조합이 포함됨을 이해하여야 할 것이다.

그리고, 본 발명의 각 실시예 중의 각 기능 유닛은 하나의 처리 모듈 중에 직접될 수도 있고, 또는 각 유닛의 독립적인 물리적 존재일 수 있으며, 또는 두개 또는 두개 이상의 유닛이 하나의 모듈에 직접되어 있을 수 있다. 상기 직접된 모듈은 하드웨어 형식으로 구현될 수도 있고, 소프트웨어 기능 모듈의 형식으로도 구현할 수도 있을 것이다. 상기 직접 모듈은 소프트웨어 기능 모듈의 형식으로 구현되고 독립적인 제품으로 판매 또는 사용될 때, 컴퓨터 판독가능한 저장 매체에 저장될 수 있다. 상기 저장 매체는 읽기전용 메모리, 자기 디스크 또는 광 디스크일 수 있다.

이상에서는 본 발명을 구체적인 실시예에 대해 도시하여 설명하였지만, 본 발명은 상술한 실시예에만 한정되는 것은 아니고, 당업계의 기술자들은 본 발명이 공개하는 기술 범위 내에서, 쉽게 여러 가지 변화와 교체를 유도할 수 있으며, 이러한 것은 모두 본 발명의 보호범위에 속한다. 그러므로 본 발명의 보호 범위는 상기 청구항의 보호 범위를 기준으로 하여야 한다.

Claims

정보 처리 방법에 있어서,
운전 행위에 기반하여 취득한 적어도 두 개의 제1 정보를 수집하는 것;
상기 적어도 두 개의 제1 정보에 대해 특징 추출을 수행하여 적어도 두 개의 제1 특징 정보를 취득하는 것;
상기 적어도 두 개의 제1 특징 정보에 대하여 식별을 수행하여, 각각의 제1 특징 정보에 대응된, 차선 변경에 관련된 태그 정보를 취득하는 것;
상기 적어도 두 개의 제1 특징 정보와 각각의 제1 특징 정보에 대응된 태그 정보에 기반하여, 샘플 집합을 취득하는 것;
상기 샘플 집합에 기반하여 모델을 구성하여, 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물의 관계를 나타내는 관계 모델을 취득하는 것; 및
상기 관계 모델에 기반하여 차선 변경 선택을 수행하는 것;
여기서, 상기 샘플 집합에 기반하여 모델을 구성하는 과정 중에,
차량 현재 주행 차선 및 인접된 차선에 기반하여 처리하여야 하는 구역을 취득하는 것; 및 세팅된 셀에 기반하여 상기 처리하여야 하는 구역을 적어도 두 개의 통행가능한 구역으로 구분하는 것을 더 포함하는 것;
상기 차량의 현재 주행 차선 상에서의 주행 상황에 대해, 각 프레임으로 이미지를 채집하고, 이미지 채집 결과에 기반하여 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물 사이의 상대 관계를 취득하는 것; 및
상기 상대 관계를 모델을 구성하는데 사용할 시, 상기 상대 관계를 상기 통행가능한 구역의 속성 정보로 하는 것을 더 포함하는
것을 특징으로 하는 방법.
삭제
제1 항에 있어서,
상기 통행가능한 구역은 차량 주행 노선을 횡축으로 하는 좌표계에서 다음과 같이 구분되는 바, 즉:
횡축 방향 상에서, 상기 차량을 중심으로, 세팅된 거리 파라미터에 기반하여, 중심을 원점으로 앞방향으로 상기 거리 파라미터에 대응하는 거리치만큼 증가되도록 구성되고; 및/또는 세팅된 거리 파라미터에 기반하여, 중심을 원점으로 뒤방향으로 상기 거리 파라미터에 대응하는 거리치만큼 증가되도록 구성되는 구역으로 구분되는
것을 특징으로 하는 방법.
제3 항에 있어서,
상기 통행가능한 구역은 차량 주행 노선을 횡축으로 하는 좌표계에서 또한 종축 방향 상에서 적어도 차량 현재 주행 차선의 좌측과 우측에 대응되는 두 개의 차선으로 구분되는
것을 특징으로 하는 방법.
삭제
제1 항에 있어서,
상기 적어도 두 개의 통행가능한 구역 중에서 장애물이 존재하는 부분을 분할하여 적어도 두개의 제2 특징 정보를 취득하고, 상기 적어도 두 개의 제2 특징 정보를 상기 모델을 구성하는데 사용하는 것을 더 포함하는
것을 특징으로 하는 방법.
제6 항에 있어서,
상기 관계 모델에 기반하여 차선 선택을 수행하는 것은,
상기 관계 모델에 기반하여 신경망을 취득하는 바, 상기 신경망은 차선 변경 기능에 기반하여 적어도 두 개의 대응된 차선 변경 기능을 구현하기 위한 서브 신경망으로 구분되는 것;
상기 적어도 두 개의 제2 특징 정보와 각각의 제1 특징 정보의 태그 정보를, 적어도 두 개의 대응된 차선 변경 기능을 구현하기 위한 신경망에서 계산을 수행하여, 적어도 두 개의 차량 차선 변경 확률을 취득하는 것;
상기 적어도 두 개의 차량 차선 변경 확률에 기반하여, 목표 차량 차선 변경 확률을 취득하는 것; 및
상기 목표 차량 차선 변경 확률에 기반하여 차선 선택을 수행하는 것을 포함하는
것을 특징으로 하는 방법.
정보 처리 장치에 있어서,
운전 행위에 기반하여 취득한 적어도 두 개의 제1 정보를 수집하기 위한 수집 유닛;
상기 적어도 두 개의 제1 정보에 대해 특징 추출을 수행하여 적어도 두 개의 제1 특징 정보를 취득하기 위한 제1 처리 유닛;
상기 적어도 두 개의 제1 특징 정보에 대하여 식별을 수행하여, 각각의 제1 특징 정보에 대응된, 차선 변경에 관련된 태그 정보를 취득하기 위한 제2 처리 유닛;
상기 적어도 두 개의 제1 특징 정보와 각각의 제1 특징 정보에 대응된 태그 정보에 기반하여 샘플 집합을 취득하기 위한 제3 처리 유닛;
상기 샘플 집합에 기반하여 모델을 구성하여, 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물의 관계를 나타내는 관계 모델을 취득하기 위한 모델링 유닛; 및
상기 관계 모델에 기반하여, 차선 변경 선택을 수행하기 위한 차선 변경 선택 유닛을 구비하는 것;
여기서, 상기 모델링 유닛은 또한,
차량 현재 주행 차선 및 인접된 차선에 기반하여, 처리하여야 하는 구역을 취득하고; 세팅된 셀에 기반하여 상기 처리하여야 하는 구역을 적어도 두 개의 통행가능한 구역으로 구분하는 것;
상기 장치에 있어서,
상기 차량의 현재 주행 차선 상에서의 주행 상황에 대해 각 프레임으로 이미지를 채집하고, 이미지 채집 결과에 기반하여 차량 주행 노선, 차량 자체 위치와 주변 환경 및/또는 장애물 사이의 상대 관계를 취득하기 위한 채집 유닛;
상기 상대 관계를 모델을 구성하는데 사용할 시, 상기 상대 관계를 상기 통행가능한 구역의 속성 정보로 하기 위한 속성 결정 유닛을 더 구비하는
것을 특징으로 하는 장치.
삭제
제8 항에 있어서,
상기 통행가능한 구역은 차량 주행 노선을 횡축으로 하는 좌표계에서 다음과 같이 구분되는 바, 즉
횡축 방향 상에서, 세팅 거리 파라미터에 기반하여, 중심을 원점으로 앞방향으로 상기 거리 파라미터에 대응하는 거리치만큼 증가되도록 구성되고; 및/또는 세팅된 거리 파라미터에 기반하여, 중심을 원점으로 뒤방향으로 상기 거리 파라미터에 대응하는 거리치만큼 증가되도록 구성되는 구역으로 구분되는
것을 특징으로 하는 장치.
제10 항에 있어서,
상기 통행가능한 구역은 차량 주행 노선을 횡축으로 하는 좌표계에서 또한 종축 방향 상에서 적어도 차량 현재 주행 차선의 좌측과 우측에 대응하는 두개의 차선으로 구분되는
것을 특징으로 하는 장치.
삭제
제8항에 있어서,
상기 장치는,
상기 적어도 두 개의 통행가능한 구역 중에서 장애물이 존재하는 부분을 분할하여 적어도 두개의 제2 특징 정보를 취득하고, 상기 적어도 두 개의 제2 특징 정보를 상기 모델을 구성하는데 사용하기 위한 취득 유닛을 더 구비하는
것을 특징으로 하는 장치.
제13 항에 있어서,
상기 차선 변경 선택 유닛은 또한,
상기 관계 모델에 기반하여 신경망을 취득하는 바, 상기 신경망은 차선 변경 기능에 기반하여, 적어도 두 개의 대응된 차선 변경 기능을 구현하기 위한 서브 신경망으로 구분되고;
상기 적어도 두 개의 제2 특징 정보와 각각의 제1 특징 정보의 태그 정보를, 적어도 두 개의 대응된 차선 변경 기능을 구현하기 위한 신경망에서 계산을 수행하여, 적어도 두 개의 차량 차선 변경 확률을 취득하며;
상기 적어도 두 개의 차량 차선 변경 확률에 기반하여, 목표 차량 차선 변경 확률을 취득하고;
상기 목표 차량 차선 변경 확률에 기반하여, 차선 선택을 수행하는
것을 특징으로 하는 장치.
정보 처리 장치에 있어서,
하나 또는 복수의 프로세서; 및
하나 또는 복수의 프로그램을 저장하는 메모리를 구비하며;
상기 하나 또는 복수의 프로그램이 상기 하나 또는 복수의프로세서에 의해수행될 때, 상기 하나 또는 복수의 프로세서가 제1항, 제3항, 제4항, 제6항 내지 제7항의 어느 한 항의 상기 방법을 구현하도록 하는
것을 특징으로 하는장치.
컴퓨터 프로그램이 저장되어 있는 컴퓨터 판독가능 저장 매체에 있어서,
당해 프로그램이 프로세서에 의해수행될 때 제1항, 제3항, 제4항, 제6항 내지 제7항 중 어느 한 항의 상기 방법을 구현하도록 하는
것을 특징으로 하는 저장 매체.