[發(fā)明專(zhuān)利]一種高泛化能力的交互車(chē)輛駕駛意圖預(yù)測(cè)方法和裝置

在審

• 申請(qǐng)?zhí)枺?/td>: 202111544865.0
• 申請(qǐng)日: 2021-12-16
• 公開(kāi)（公告）號(hào): CN114212105A
• 公開(kāi)（公告）日: 2022-03-22
• 發(fā)明（設(shè)計(jì)）人: 李峻翔;李曉輝;孫振平;劉大學(xué);葉磊;史美萍;吳濤
• 申請(qǐng)（專(zhuān)利權(quán)）人: 中國(guó)人民解放軍國(guó)防科技大學(xué)
• 主分類(lèi)號(hào): B60W60/00
• 分類(lèi)號(hào): B60W60/00;B60W50/00;G06N7/00
• 代理公司: 長(zhǎng)沙國(guó)科天河知識(shí)產(chǎn)權(quán)代理有限公司 43225
• 代理人: 李楊

1.一種高泛化能力的交互車(chē)輛駕駛意圖預(yù)測(cè)方法，其特征在于，所述方法包括：

獲取車(chē)輛交互駕駛的交互場(chǎng)景信息，根據(jù)所述交互場(chǎng)景信息確定交互場(chǎng)景類(lèi)型；所述交互環(huán)境信息包括本車(chē)與交互車(chē)輛間的航向關(guān)系信息、參考路線(xiàn)信息和道路結(jié)構(gòu)信息；所述交互場(chǎng)景類(lèi)型包括同向場(chǎng)景駕駛，逆向場(chǎng)景駕駛和橫向場(chǎng)景駕駛；

采用特征提取算法根據(jù)不同的交互場(chǎng)景類(lèi)型對(duì)所述交互場(chǎng)景信息進(jìn)行特征提取，將提取到的特征作為節(jié)點(diǎn)，特征值作為節(jié)點(diǎn)狀態(tài)輸入到預(yù)先設(shè)計(jì)的交互車(chē)輛駕駛意圖預(yù)測(cè)模型中；所述交互車(chē)輛駕駛意圖預(yù)測(cè)模型為動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)；所述動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)包括證據(jù)層、意圖層和診斷層；

通過(guò)所述證據(jù)層根據(jù)道路結(jié)構(gòu)相關(guān)特征和多車(chē)交互相關(guān)特征評(píng)估執(zhí)行特定意圖的可行性，通過(guò)所述意圖層根據(jù)所述證據(jù)層的輸出，以及上一時(shí)刻意圖層的輸出執(zhí)行當(dāng)前時(shí)刻的駕駛操作，通過(guò)所述診斷層根據(jù)所述意圖層的輸出得到當(dāng)前車(chē)輛行駛狀態(tài)發(fā)生特定變化的概率；

通過(guò)預(yù)先構(gòu)建的訓(xùn)練數(shù)據(jù)對(duì)所述交互車(chē)輛駕駛意圖預(yù)測(cè)模型進(jìn)行訓(xùn)練，得到訓(xùn)練好的交互車(chē)輛駕駛意圖預(yù)測(cè)模型；

通過(guò)訓(xùn)練好的交互車(chē)輛駕駛意圖預(yù)測(cè)模型進(jìn)行交互車(chē)輛駕駛意圖預(yù)測(cè)，并將預(yù)測(cè)結(jié)果通過(guò)人機(jī)交互的方式進(jìn)行呈現(xiàn)。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述同向場(chǎng)景駕駛對(duì)應(yīng)的駕駛意圖包括：左換道、右換道和車(chē)道保持；所述逆向場(chǎng)景駕駛對(duì)應(yīng)的駕駛意圖包括占道與讓行；所述橫向場(chǎng)景駕駛對(duì)應(yīng)的駕駛意圖包括：搶先通過(guò)與讓行。

3.根據(jù)權(quán)利要求2所述的方法，其特征在于，當(dāng)所述交互場(chǎng)景類(lèi)型為同向場(chǎng)景駕駛時(shí)，采用特征提取算法根據(jù)不同的交互場(chǎng)景類(lèi)型對(duì)所述交互場(chǎng)景信息進(jìn)行特征提取，還包括：

當(dāng)所述交互場(chǎng)景類(lèi)型為同向場(chǎng)景駕駛時(shí)，采用特征提取算法對(duì)所述交互場(chǎng)景信息進(jìn)行特征提取，提取的特征包括：交互車(chē)輛前一時(shí)刻離參考線(xiàn)的距離特征、交互車(chē)輛當(dāng)前時(shí)刻離參考線(xiàn)的距離特征、交互車(chē)輛最側(cè)方車(chē)道特征、交互車(chē)輛橫向速度特征以及交互車(chē)輛偏離角特征。

4.根據(jù)權(quán)利要求3所述的方法，其特征在于，將提取到的特征作為節(jié)點(diǎn)，特征值作為節(jié)點(diǎn)狀態(tài)輸入到預(yù)先設(shè)計(jì)的交互車(chē)輛駕駛意圖預(yù)測(cè)模型中，包括：

以所述交互車(chē)輛最側(cè)方車(chē)道特征為證據(jù)層節(jié)點(diǎn)，以所述交互車(chē)輛前一時(shí)刻離參考線(xiàn)的距離特征、所述交互車(chē)輛當(dāng)前時(shí)刻離參考線(xiàn)的距離特征、所述交互車(chē)輛橫向速度特征和所述交互車(chē)輛偏離角特征為診斷層節(jié)點(diǎn)，并以特征對(duì)應(yīng)的特征值作為節(jié)點(diǎn)狀態(tài)輸入到預(yù)先設(shè)計(jì)的交互車(chē)輛駕駛意圖預(yù)測(cè)模型中。

5.根據(jù)權(quán)利要求2所述的方法，其特征在于，當(dāng)所述交互場(chǎng)景類(lèi)型為逆向場(chǎng)景駕駛時(shí)，采用特征提取算法根據(jù)不同的交互場(chǎng)景類(lèi)型對(duì)所述交互場(chǎng)景信息進(jìn)行特征提取，還包括：

當(dāng)所述交互場(chǎng)景類(lèi)型為逆向場(chǎng)景駕駛時(shí)，采用特征提取算法對(duì)所述交互場(chǎng)景信息進(jìn)行特征提取，提取的特征包括：交互車(chē)輛離本車(chē)參考線(xiàn)的距離特征、交互車(chē)輛橫向速度特征、交互車(chē)輛橫向加速度特征、交互車(chē)輛縱向速度特征、交互車(chē)輛縱向加速度特征以及交互車(chē)輛偏離角特征。

6.根據(jù)權(quán)利要求5所述的方法，其特征在于，將提取到的特征作為節(jié)點(diǎn)，特征值作為節(jié)點(diǎn)狀態(tài)輸入到預(yù)先設(shè)計(jì)的交互車(chē)輛駕駛意圖預(yù)測(cè)模型中，包括：

以所述交互車(chē)輛離本車(chē)參考線(xiàn)的距離特征為證據(jù)層節(jié)點(diǎn)，以所述交互車(chē)輛橫向速度特征、交互車(chē)輛橫向加速度特征、交互車(chē)輛縱向速度特征、交互車(chē)輛縱向加速度特征以及交互車(chē)輛偏離角特征為診斷層節(jié)點(diǎn)，并以特征對(duì)應(yīng)的特征值作為節(jié)點(diǎn)狀態(tài)輸入到預(yù)先設(shè)計(jì)的交互車(chē)輛駕駛意圖預(yù)測(cè)模型中。

7.根據(jù)權(quán)利要求2所述的方法，其特征在于，當(dāng)所述交互場(chǎng)景類(lèi)型為橫向場(chǎng)景駕駛時(shí)，采用特征提取算法根據(jù)不同的交互場(chǎng)景類(lèi)型對(duì)所述交互場(chǎng)景信息進(jìn)行特征提取，還包括：

當(dāng)所述交互場(chǎng)景類(lèi)型為橫向場(chǎng)景駕駛時(shí)，采用特征提取算法對(duì)所述交互場(chǎng)景信息進(jìn)行特征提取，提取的特征包括：交互車(chē)輛離本車(chē)參考線(xiàn)的距離特征、縱向速度特征、交互車(chē)輛縱向加速度特征、以及交互車(chē)輛與本車(chē)參考線(xiàn)交點(diǎn)距離。