[發明專利]一種智能駕駛汽車避障決策方法及裝置

有效

• 申請號: 202011064508.X
• 申請日: 2020-09-30
• 公開（公告）號: CN112141098B
• 公開（公告）日: 2022-01-25
• 發明（設計）人: 劉一荻;殷瑋;張顯宏;梁偉銘
• 申請（專利權）人: 上海汽車集團股份有限公司
• 主分類號: B60W30/09
• 分類號: B60W30/09;B60W30/095
• 代理公司: 北京信遠達知識產權代理有限公司 11304
• 代理人: 趙興華

1.一種智能駕駛汽車避障決策方法，其特征在于，包括：

確定目標車輛在不同時刻，與障礙物的相對行駛信息，所述相對行駛信息，包括：相對車速、相對距離和碰撞時間；

基于預先訓練好的高斯混合分布模型，對每個時刻的所述相對行駛信息進行分類，得到每個時刻的所述相對行駛信息的類別；所述基于預先訓練好的高斯混合分布模型，對每個時刻的所述相對行駛信息進行分類，得到每個時刻的所述相對行駛信息的類別，包括：對每個時刻的所述相對車速，利用分段函數，確定所述相對車速所屬的車速類別，將所述相對車速所屬的車速類別作為相對車速系數；對每個時刻的所述相對距離，利用針對相對距離預先訓練好的的高斯混合分布模型中多類高斯分布概率密度函數，確定所述相對距離的高斯分布概率，將最大的高斯分布概率所對應的類別作為相對距離系數；對每個時刻的所述碰撞時間的倒數，利用針對碰撞時間預先訓練好的高斯混合分布模型中多類高斯分布概率密度函數，確定所述碰撞時間的倒數的高斯分布概率，將最大的高斯分布概率所對應的類別作為相對碰撞時間系數；對每個時刻的所述相對行駛信息，結合所述時刻的相對車速系數、所述相對距離系數及所述相對碰撞時間系數，確定所述相對行駛信息的類別；

對每個所述類別，從訓練隱馬爾可夫模型得到的混淆矩陣中獲取所述類別對應的不同行為狀態的概率，所述混淆矩陣包含各個時刻的相對行駛信息的類別對應的不同行為狀態的概率；

對不同所述類別對應的行為狀態組成的每個行為狀態序列，從訓練隱馬爾可夫模型得到的狀態轉移矩陣中，獲取所述行為狀態序列中，任意相鄰兩個行為狀態之間轉移的概率，所述狀態轉移矩陣包含不同行為狀態之間轉移的概率；

對每個所述行為狀態序列，基于每個所述類別對應的不同行為狀態的概率及所述行為狀態序列對應的行為狀態之間轉移的概率，確定所述行為狀態序列的概率；

將概率最大的行為狀態序列，作為目標行為狀態序列；

基于所述目標行為狀態序列中最后一個行為狀態，進行避障決策。

2.根據權利要求1所述的方法，其特征在于，所述結合所述時刻的相對車速系數、所述相對距離系數及所述相對碰撞時間系數，確定所述相對行駛信息的類別，包括：

利用觀測類別關系式O＝N_distance×N_speed×(C_speed-1)+N_distance×(C_1/TTC-1)+C_distance

確定所述相對行駛信息的類別，所述C_speed表示所述相對車速系數，所述C_1/TTC表示所述相對碰撞時間系數，所述C_distance，表示所述相對距離系，N_distance為相對距離類別總數目，N_speed為相對車速類別總數目。

3.根據權利要求1所述的方法，其特征在于，所述基于所述目標行為狀態序列中最后一個行為狀態，進行避障決策，包括：

基于所述目標行為狀態序列中最后一個行為狀態，確定是否產生避障意圖；

若是，則進行避障決策；

若否，則執行跟車行為。

4.根據權利要求3所述的方法，其特征在于，所述不同行為狀態包括：保持直行狀態、準備避障狀態和執行避障狀態；

所述基于所述目標行為狀態序列中最后一個行為狀態，確定是否產生避障意圖，包括：

判斷所述目標行為狀態序列中最后一個行為狀態是否為準備避障狀態或執行避障狀態。