[發明專利]基于軌跡的行動分析判斷車輛模式是否變更的方法和裝置

有效

• 申請號: 202010060892.X
• 申請日: 2020-01-19
• 公開（公告）號: CN111497863B
• 公開（公告）日: 2023-04-18
• 發明（設計）人: 金桂賢;金镕重;金鶴京;南云鉉;夫碩焄;成明哲;申東洙;呂東勛;柳宇宙;李明春;李炯樹;張泰雄;鄭景中;諸泓模;趙浩辰
• 申請（專利權）人: 斯特拉德視覺公司
• 主分類號: B60W50/00
• 分類號: B60W50/00;B60W30/095;B60W60/00
• 代理公司: 北京東方億思知識產權代理有限責任公司 11258
• 代理人: 金英花

本發明涉及基于軌跡的行動分析判斷車輛模式是否變更的方法和裝置，該方法，通過分析駕駛員的最近駕駛路線，計算碰撞概率，該碰撞概率用于判斷可自動駕駛的車輛的駕駛模式切換是否恰當，該方法包括以下步驟：(a)學習裝置若獲取到狀態向量和軌跡向量，則執行(i)使狀態網絡生成狀態特征映射的處理以及(ii)使軌跡網絡生成軌跡特征映射的處理；(b)所述學習裝置使安全網絡計算出預測碰撞概率，預測碰撞概率為預測為事故發生的概率；以及(c)所述學習裝置使損失層參考所述預測碰撞概率和已獲取的GT碰撞概率，生成損失，從而學習參數中的至少一部分。

技術領域

本發明涉及用于自動駕駛車輛的學習方法以及學習裝置，更具體地說，涉及通過對最近駕駛路線進行基于軌跡的行動分析來判斷是否將車輛的模式從手動駕駛模式變更為自動駕駛模式的學習方法和學習裝置、以及利用它們的測試方法和測試裝置。

背景技術

在自動駕駛中，模式切換是重要的問題。這是因為，如果駕駛員在手動駕駛時進入危險狀況，則需要將車輛的模式自動變更為自動駕駛模式。然而，到目前為止，關于自動駕駛領域的研究主要集中在車輛如何良好駕駛，關于如何有效地進行這種模式切換并沒有多少研究。另外，在一般的情況下，由于車輛的模式切換是手動進行的，所以存在即使駕駛員危險地駕駛使得不僅是自己的車輛還有周圍的車輛也陷入危險的情況下也無法進入自動駕駛模式的問題。

發明內容

本發明所要解決的問題

本發明的目的在于，解決上述問題。

本發明的另一目的在于，提供一種用于分析駕駛員的最近駕駛路線來計算出碰撞概率的學習方法。

本發明的又另一目的在于，提供一種分析駕駛員的最近駕駛路線來計算碰撞概率，并參考該碰撞概率來判斷駕駛員是否危險駕駛的學習方法。

本發明的又另一目的在于，提供一種在駕駛員危險駕駛時將車輛的模式從手動駕駛模式切換為自動駕駛模式的方法，由此改善道路狀況。

用于解決問題的手段

用于實現如上所述的本發明的目的并實現后述的本發明的特征效果的本發明的特征結構如下。

根據本發明的一個方式，提供一種學習方法，通過將駕駛員的最近駕駛路線與其所對應的時間范圍的周邊狀況相關聯地進行分析，計算碰撞概率，所述碰撞概率用于判斷能夠自動駕駛的車輛的駕駛模式切換是否恰當，其特征在于，所述學習方法包括：步驟(a)，學習裝置若在包含第1時間點至第T時間點的驗證用目標時間范圍內獲取到(i)至少一個狀態向量和(ii)至少一個軌跡向量，所述至少一個狀態向量與至少一個驗證用狀況信息對應，所述驗證用狀況信息包括(i-1)針對至少一個目標車輛的至少一個目標運動信息、以及(i-2)針對距所述目標車輛位于閾值距離以內的位置處的一個以上的周邊物體之中的至少一部分的一個以上的周邊運動信息中的至少一部分，所述至少一個軌跡向量與針對所述目標車輛在所述驗證用目標時間范圍內被駕駛的至少一個駕駛路線的至少一個驗證用路線信息對應，則執行(i)使狀態網絡對所述狀態向量施加至少一次第1神經網絡運算來生成至少一個狀態特征映射的處理、以及(ii)使軌跡網絡對所述軌跡向量施加至少一次第2神經網絡運算來生成至少一個軌跡特征映射的處理；步驟(b)，所述學習裝置若獲取到與所述狀態特征映射以及所述軌跡特征映射對應的至少一個被級聯的特征映射，則使安全網絡對所述被級聯的特征映射施加至少一次第3神經網絡運算，計算出至少一個預測碰撞概率，所述預測碰撞概率是預測為發生了所述駕駛路線造成的至少一次事故的概率，所述駕駛路線與由所述驗證用狀況信息規定的狀況相關的所述驗證用路線信息對應；以及步驟(c)，所述學習裝置使損失層參考所述預測碰撞概率以及已獲取的至少一個地面實況碰撞概率來生成至少一個損失，并利用所述損失來執行反向傳播，從而學習所述安全網絡、所述軌跡網絡以及所述狀態網絡的參數中的至少一部分。