一种基于深度强化学习的小车避障方法

本发明提供一种基于深度强化学习的小车避障方法，包括以下步骤：通过小车上的摄像头获取环境状态的图像数据；将所述图像数据输入训练好的第一神经网络模型，输出对应的3D点云数据；将所述3D点云数据输入训练好的第二神经网络模型，输出小车的动作选择概率值；根据所述动作选择概率值，控制小车执行相应动作。本发明提供的基于深度强化学习的小车避障方法不仅简化了复杂环境下的避障逻辑，还大幅提升了系统的灵活性和鲁棒性，为无人驾驶技术在动态道路场景中的可靠应用提供了高效解决方案。