驾驶意图确定方法及装置制造方法及图纸

本申请公开了一种驾驶意图确定方法及装置，属于交通技术领域。所述方法包括：获取所处的行车环境中的交通目标的状态信息，所述交通目标包括运动状态的交通目标和静止状态的交通目标，所述静止状态的交通目标的状态信息至少包括交通标识的指示信息和道路边界信息；基于行车环境中的交通目标的状态信息，确定行车环境的风险场；对于行车环境中的任一其它车辆，基于所述风险场确定所述其它车辆在行车环境中的行驶轨迹；基于所述其它车辆在行车环境中的行驶轨迹，确定所述其它车辆的驾驶意图。本申请可以简化驾驶意图确定过程，提高了其它车辆的驾驶意图确定效率和准确度，进而可以为车辆的合理决策和控制提供判断依据，提高车辆主动安全性。

Method and Device for Determining Driving Intention

The present application discloses a driving intent determination method and device, which belongs to the field of traffic technology. The method includes: obtaining the state information of the traffic target in the driving environment, the traffic target includes the moving traffic target and the static traffic target, and the state information of the static traffic target includes at least the indication information of the traffic sign and the road boundary information; and based on the driving environment, the traffic target includes the moving traffic target and the static traffic target. For any other vehicle in the driving environment, the trajectory of the other vehicle in the driving environment is determined based on the risk field, and the driving intention of the other vehicle is determined based on the trajectory of the other vehicle in the driving environment. This application can simplify the process of driving intention determination, improve the efficiency and accuracy of driving intention determination of other vehicles, and then provide judgment basis for reasonable decision-making and control of vehicles, and improve the active safety of vehicles.

【技术实现步骤摘要】
驾驶意图确定方法及装置
本申请涉及交通
，特别涉及一种驾驶意图确定方法及装置。
技术介绍
随着无人驾驶技术和驾驶辅助系统的飞速发展，为了提高无人驾驶车辆或使用驾驶辅助系统的车辆在行驶过程中的安全性，往往需要对该车辆所处的行车环境中的其它车辆的驾驶意图进行预测，以便可以根据其它车辆的驾驶意图，对该车辆进行合理安全的决策控制，该驾驶意图可以包括左换道、右换道、直线行驶等。目前，提供了一种基于贝叶斯网络的驾驶意图确定方法。具体地，车辆对于所处的行车环境中的每个其它车辆，分别建立该其它车辆的目的地意图、轨迹意图和速度意图对应的贝叶斯网络模型；将该行车环境中的各个交通目标的状态信息作为这三个贝叶斯网络模型的输入，来得到这三个贝叶斯网络模型中的证据节点；对于这三个贝叶斯网络模型中的每个贝叶斯网络模型，通过该贝叶斯网络模型中各个证据节点间的条件概率分布，计算该贝叶斯网络模型中各个意图节点的概率(即将要发生各个意图的概率)，并从中选择概率最大的意图节点作为该贝叶斯网络模型的意图预测结果；基于这三个贝叶斯网络模型的意图预测结果，确定该其它车辆的驾驶意图。然而，贝叶斯网络模型中各个节点间的条件概率分布往往难以准确获取，因而会导致上述方法中贝叶斯网络模型的意图预测结果的准确度较低，进而导致后续根据该意图预测结果确定的驾驶意图的准确度较低。另外，如果需要确定多个其它车辆的驾驶意图，则上述方法中对该多个其它车辆均需建立三个独立的贝叶斯网络模型，在此情况下，该多个其它车辆的驾驶意图的确定过程十分繁琐，确定效率较低。
技术实现思路
为了提高现有技术中确定的驾驶意图的准确度以及确定效率，本申请提供了一种驾驶意图确定方法及装置。所述技术方案如下：第一方面，提供了一种驾驶意图确定方法，所述方法包括：获取所处的行车环境中的交通目标的状态信息，所述交通目标包括运动状态的交通目标和静止状态的交通目标，所述静止状态的交通目标的状态信息至少包括交通标识的指示信息和道路边界信息；根据所述行车环境中的交通目标的状态信息，确定所述行车环境的风险场，所述风险场的场强为所述行车环境中的风险程度值，所述风险场包括动能场和势能场，其中，基于所述交通目标在所述行车环境中的坐标、所述交通目标的类型对应的风险增益常数、所述交通目标的转向灯状态对应的驾驶意图表征向量、所述交通目标的等价质量、速度和加速度，通过第一公式得到所述交通目标的动能场；所述第一公式：其中，所述为所述交通目标在所述行车环境中产生的风险程度值，所述Ai为所述交通目标的类型对应的风险增益常数，所述Mi为所述交通目标的等价质量，所述为(xi,yi)至(xj,yj)的方向向量，所述(xi,yi)为所述交通目标在所述行车环境中的坐标，所述(xj,yj)为所述行车环境中的任一位置在所述行车环境中的坐标，所述为所述方向上的单位向量，所述vix为所述交通目标在横轴上的速度分量，所述viy为所述交通目标在纵轴上的速度分量，所述aix为所述交通目标在横轴上的加速度分量，所述aiy为所述交通目标在纵轴上的加速度分量，所述θix为所述交通目标在横轴上的速度分量与所述之间的角度，所述θiy为所述交通目标在纵轴上的速度分量与所述之间的角度，所述θiax为所述交通目标在横轴上的加速度分量与所述之间的角度，所述θiay为所述交通目标在纵轴上的加速度分量与所述之间的角度，所述为所述交通目标的转向灯状态对应的驾驶意图表征向量，所述ε1、所述ε2、所述ε3、所述ε4、所述ε5和所述ε6均为大于0的常数；对于所述行车环境中的任一其它车辆，基于所述风险场确定所述其它车辆在所述行车环境中的行驶轨迹；根据所述其它车辆在所述行车环境中的行驶轨迹，确定所述其它车辆的驾驶意图。在本专利技术实施例中，仅需构建该行车环境的风险场就能实现对其它车辆的驾驶意图的确定，从而大大简化了驾驶意图确定过程，提高了确定效率。另外，由于该行车环境的风险场对影响驾驶意图的各个交通目标的状态信息进行了全面考虑，所以根据该风险场确定的其它车辆的驾驶意图的准确度较高。再者，在有效确定出其它车辆在该行车环境中的行驶轨迹和驾驶意图的情况下，后续可以据此进行合理的决策控制，从而可以提高车辆的主动安全性。其中，所述根据所述行车环境中的交通目标的状态信息，确定所述行车环境的风险场，包括：对于所述行车环境中的每个交通目标，基于所述交通目标的状态信息，判断所述交通目标是运动状态的交通目标还是静止状态的交通目标；当所述交通目标是运动状态的交通目标时，基于所述交通目标的状态信息，确定所述交通目标的动能场，所述交通目标的动能场的场强为所述交通目标在所述行车环境中产生的风险程度值；当所述交通目标是静止状态的交通目标时，基于所述交通目标的状态信息，确定所述交通目标的势能场，所述交通目标的势能场的场强为所述交通目标在所述行车环境中产生的风险程度值；将所述行车环境中是运动状态的各个交通目标的动能场与是静止状态的各个交通目标的势能场相叠加，得到所述行车环境的风险场。在本专利技术实施例中，该行车环境的风险场是由行车环境中是运动状态的各个交通目标的动能场与是静止状态的各个交通目标的势能场相叠加得到，此时该风险场将该行车环境中的各个交通目标的产生的潜在风险进行了综合考虑，可以体现出各个交通目标之间的相互作用，从而可以使得后续基于该风险场确定的驾驶意图的准确度较高。其中，所述基于所述交通目标的状态信息，确定所述交通目标的势能场，包括：基于所述交通目标的状态信息，判断所述交通目标是静止障碍物还是交通标识；当所述交通目标是静止障碍物时，基于所述交通目标的状态信息包括的位置信息和尺寸，确定所述交通目标的势能场；当所述交通目标是交通标识时，基于所述交通目标的状态信息包括的位置信息和类型，确定所述交通目标的势能场。由于静止障碍物的势能场仅与其质量相关，因此，当该交通目标为静止障碍物时，可以基于该交通目标的状态信息包括的位置信息和尺寸，来确定该交通目标的势能场。另外，由于交通标识的势能场仅与其类型相关，因此，当该交通目标为交通标识时，可以基于该交通目标的状态信息包括的位置信息和类型，来确定该交通目标的势能场。其中，所述基于所述交通目标的状态信息包括的位置信息和尺寸，确定所述交通目标的势能场，包括：基于所述交通目标的位置信息，确定所述交通目标在所述行车环境中的坐标；将所述交通目标的尺寸包括的长度、宽度与高度相乘，得到所述交通目标的等价质量；基于所述交通目标在所述行车环境中的坐标和所述交通目标的等价质量，通过第二公式得到所述交通目标的势能场；所述第二公式：其中，所述为所述交通目标在所述行车环境中产生的风险程度值，所述Mi为所述交通目标的等价质量，所述为(xi,yi)至(xj,yj)的方向向量，所述(xi,yi)为所述交通目标在所述行车环境中的坐标，所述(xj,yj)为所述行车环境中的任一位置在所述行车环境中的坐标，所述为所述方向上的单位向量，所述ε1为大于0的常数。其中，所述基于所述交通目标的状态信息包括的位置信息和类型，确定所述交通目标的势能场，包括：基于所述交通目标的位置信息，确定所述交通目标在所述行车环境中的坐标；从存储的多个风险增益常数中，确定所述交通目标的类型对应的风险增益常数；基于所述交通目标在所述行车环境中本文档来自技高网...

【技术保护点】
1.一种驾驶意图确定方法，其特征在于，所述方法包括：获取所处的行车环境中的交通目标的状态信息，所述交通目标包括运动状态的交通目标和静止状态的交通目标，所述静止状态的交通目标的状态信息至少包括交通标识的指示信息和道路边界信息；根据所述行车环境中的交通目标的状态信息，确定所述行车环境的风险场，所述风险场的场强为所述行车环境中的风险程度值，所述风险场包括动能场和势能场，其中，基于所述交通目标在所述行车环境中的坐标、所述交通目标的类型对应的风险增益常数、所述交通目标的转向灯状态对应的驾驶意图表征向量、所述交通目标的等价质量、速度和加速度，通过第一公式得到所述交通目标的动能场；所述第一公式：

【技术特征摘要】
1.一种驾驶意图确定方法，其特征在于，所述方法包括：获取所处的行车环境中的交通目标的状态信息，所述交通目标包括运动状态的交通目标和静止状态的交通目标，所述静止状态的交通目标的状态信息至少包括交通标识的指示信息和道路边界信息；根据所述行车环境中的交通目标的状态信息，确定所述行车环境的风险场，所述风险场的场强为所述行车环境中的风险程度值，所述风险场包括动能场和势能场，其中，基于所述交通目标在所述行车环境中的坐标、所述交通目标的类型对应的风险增益常数、所述交通目标的转向灯状态对应的驾驶意图表征向量、所述交通目标的等价质量、速度和加速度，通过第一公式得到所述交通目标的动能场；所述第一公式：其中，所述为所述交通目标在所述行车环境中产生的风险程度值，所述Ai为所述交通目标的类型对应的风险增益常数，所述Mi为所述交通目标的等价质量，所述为(xi,yi)至(xj,yj)的方向向量，所述(xi,yi)为所述交通目标在所述行车环境中的坐标，所述(xj,yj)为所述行车环境中的任一位置在所述行车环境中的坐标，所述为所述方向上的单位向量，所述vix为所述交通目标在横轴上的速度分量，所述viy为所述交通目标在纵轴上的速度分量，所述aix为所述交通目标在横轴上的加速度分量，所述aiy为所述交通目标在纵轴上的加速度分量，所述θix为所述交通目标在横轴上的速度分量与所述之间的角度，所述θiy为所述交通目标在纵轴上的速度分量与所述之间的角度，所述θiax为所述交通目标在横轴上的加速度分量与所述之间的角度，所述θiay为所述交通目标在纵轴上的加速度分量与所述之间的角度，所述为所述交通目标的转向灯状态对应的驾驶意图表征向量，所述ε1、所述ε2、所述ε3、所述ε4、所述ε5和所述ε6均为大于0的常数；对于所述行车环境中的任一其它车辆，基于所述风险场确定所述其它车辆在所述行车环境中的行驶轨迹；根据所述其它车辆在所述行车环境中的行驶轨迹，确定所述其它车辆的驾驶意图。2.如权利要求1所述的方法，其特征在于，所述根据所述行车环境中的交通目标的状态信息，确定所述行车环境的风险场，包括：对于所述行车环境中的每个交通目标，基于所述交通目标的状态信息，判断所述交通目标是运动状态的交通目标还是静止状态的交通目标；当所述交通目标是运动状态的交通目标时，基于所述交通目标的状态信息，确定所述交通目标的动能场，所述交通目标的动能场的场强为所述交通目标在所述行车环境中产生的风险程度值；当所述交通目标是静止状态的交通目标时，基于所述交通目标的状态信息，确定所述交通目标的势能场，所述交通目标的势能场的场强为所述交通目标在所述行车环境中产生的风险程度值；将所述行车环境中是运动状态的各个交通目标的动能场与是静止状态的各个交通目标的势能场相叠加，得到所述行车环境的风险场。3.如权利要求2所述的方法，其特征在于，所述基于所述交通目标的状态信息，确定所述交通目标的势能场，包括：基于所述交通目标的状态信息，判断所述交通目标是静止障碍物还是交通标识；当所述交通目标是静止障碍物时，基于所述交通目标的状态信息包括的位置信息和尺寸，确定所述交通目标的势能场；当所述交通目标是交通标识时，基于所述交通目标的状态信息包括的位置信息和类型，确定所述交通目标的势能场。4.如权利要求3所述的方法，其特征在于，所述基于所述交通目标的状态信息包括的位置信息和尺寸，确定所述交通目标的势能场，包括：基于所述交通目标的位置信息，确定所述交通目标在所述行车环境中的坐标；将所述交通目标的尺寸包括的长度、宽度与高度相乘，得到所述交通目标的等价质量；基于所述交通目标在所述行车环境中的坐标和所述交通目标的等价质量，通过第二公式得到所述交通目标的势能场；所述第二公式：其中，所述为所述交通目标在所述行车环境中产生的风险程度值，所述Mi为所述交通目标的等价质量，所述为(xi,yi)至(xj,yj)的方向向量，所述(xi,yi)为所述交通目标在所述行车环境中的坐标，所述(xj,yj)为所述行车环境中的任一位置在所述行车环境中的坐标，所述为所述方向上的单位向量，所述ε1为大于0的常数。5.如权利要求3所述的方法，其特征在于，所述基于所述交通目标的状态信息包括的位置信息和类型，确定所述交通目标的势能场，包括：基于所述交通目标的位置信息，确定所述交通目标在所述行车环境中的坐标；从存储的多个风险增益常数中，确定所述交通目标的类型对应的风险增益常数；基于所述交通目标在所述行车环境中的坐标和所述交通目标的类型对应的风险增益常数，通过第三公式得到所述交通目标的势能场；所述第三公式：其中，所述为所述交通目标在所述行车环境中产生的风险程度值，所述Bi为所述交通目标的类型对应的风险增益常数，所述为(xi,yi)至(xj,yj)的方向向量，所述(xi,yi)为所述交通目标在所述行车环境中的坐标，所述(xj,yj)为所述行车环境中的任一位置在所述行车环境中的坐标，所述为所述方向上的单位向量，所述ε1为大于0的常数。6.如权利要求1-5任一所述的方法，其特征在于，所述基于所述风险场确定所述其它车辆在所述行车环境中的行驶轨迹，包括：将所述其它车辆的位置点作为所述风险场的初始迭代点，使用梯度下降法对所述风险场进行迭代计算，得到多个迭代点；将所述多个迭代点形成的轨迹确定为所述其它车辆在所述行车环境中的行驶轨迹。7.如权利要求1-6任一所述的方法，其特征在于，所述基于所述其它车辆在所述行车环境中的行驶轨迹，确定所述其它车辆的驾驶意图，包括：确定所述其它车辆在所述行车环境中的行驶轨迹对应的轨迹特征向量；基于所述轨迹特征向量，通过驾驶意图分类器确定所述其它车辆的驾驶意图。8.如权利要求7所述的方法，其特征在于，所述确定所述其它车辆在所述行车环境中的行驶轨迹对应的轨迹特征向量，包括：从所述其它车辆在所述行车环境中的行驶轨迹中获取n个采样点，所述n为大于1的自然数；基于所述n个采样点在所述行车环境中的坐标，确定所述行驶轨迹的n-1个轨迹方向角；基于所述n-1个轨迹方向角，确定...

【专利技术属性】
技术研发人员：杜明博，沈骏强，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44