【技术实现步骤摘要】
一种前车换道意图预测方法及预测系统
本专利技术属于自动驾驶
，尤其涉及一种前车换道意图预测方法及预测系统。具体涉及一种基于动态栅格地图与混合高斯隐马尔科夫模型的前车换道意图预测方法。
技术介绍
目前：智能化是汽车的发展趋势之一，为了保证自动驾驶汽车行驶过程的安全性，研究自动驾驶技术具有特殊的意义。自动驾驶技术主要包括环境感知、决策规划、控制执行等模块，智能化的自动驾驶汽车通过获取周围的环境信息，规划行车路线，控制车辆的速度与转向，从而保证汽车行驶的安全性。环境感知在自动驾驶中占据着非常重要的地位，它是决策规划与控制执行的不可缺少的前提。由于实际的行车环境的不断变化，环境感知的难度也随之增加，并且周围车辆的驾驶行为复杂多变，其中换道行为是最普遍的驾驶行为之一。然而，在车辆行驶过程中，由于换道问题而产生了大量的交通事故。因此，感知预测前方车辆的换道行为可以提高自车的行驶安全，减少交通事故的发生，保证交通参与者的生命财产安全。现有车辆换道意图预测问题的解决办法，大都采用隐马尔可夫模型相关算算法实现，但车辆运动...
【技术保护点】
1.一种前车换道意图预测方法，其特征在于，所述前车换道意图预测方法包括：/n建立以自车车头中心点为零点的动态栅格地图，基于语义分割的方法获取前方车辆的轮廓特征与车道线，并检测前方障碍车辆车头中心与自车的相对距离；/n利用栅格坐标表示前方障碍车辆实时位置，获取前车的位置信息，并根据前车的横纵向速度，分析前方障碍车辆的相关运动状态信息；/n将动态栅格地图与混合高斯隐马尔科夫模型相结合，进行前车换道行为的预测。/n
【技术特征摘要】
1.一种前车换道意图预测方法，其特征在于，所述前车换道意图预测方法包括：
建立以自车车头中心点为零点的动态栅格地图，基于语义分割的方法获取前方车辆的轮廓特征与车道线，并检测前方障碍车辆车头中心与自车的相对距离；
利用栅格坐标表示前方障碍车辆实时位置，获取前车的位置信息，并根据前车的横纵向速度，分析前方障碍车辆的相关运动状态信息；
将动态栅格地图与混合高斯隐马尔科夫模型相结合，进行前车换道行为的预测。
2.如权利要求1所述前车换道意图预测方法，其特征在于，所述前车换道意图预测方法包括：
步骤一，建立动态栅格地图，并将前方障碍车辆在建立的动态栅格地图上进行表示；
步骤二，采用基于语义分割的方法通过将图像分为多个区域并提取每个区域特征实现物体分类，得到前方车辆的轮廓特征；利用VGG16基础网络为预训练网络，构建SegNet分割网络模型，基于MATLAB与含有对象类语义标签的CamVid数据集进行迁移学习训练；
步骤三，建立基于混合高斯隐马尔科夫的换道预测模型；
步骤四，利用建立的基于混合高斯隐马尔科夫的换道预测模型进行前车换道行为的预测。
3.如权利要求2所述前车换道意图预测方法，其特征在于，步骤一中，所述栅格地图建立方法包括：将车辆坐标系下的前方车辆信息转换到局部坐标系下，以自车车头中心所在位置为零点，选取周围一定范围的区域，设置栅格单元的分辨率，并将该区域划分为一定数量栅格的地图。
4.如权利要求2所述前车换道意图预测方法，其特征在于，步骤一中，所述前方障碍车辆在建立的动态栅格地图上的表示方法包括：通过获取前方障碍车辆车头中心相对于自车车头中心的相对横向距离dh与相对纵向距离dz，计算前方障碍车辆车头中心所落在的栅格单元(i,j)，采用(i,j)表示该车车头中心的实时位置，并根据检测到的前车尺寸测算出其所占用的栅格坐标。
5.如权利要求2所述前车换道意图预测方法，其特征在于，步骤三中，所述基于混合高斯隐马尔科夫的换道预测模型建立方法包括：
1)设置观测状态参数：进行前方障碍车辆的横向速度vh、前方障碍车辆的纵向速度vz、前方障碍车辆车头中心位于的栅格单元横坐标i与纵坐标j四种观测状态参数的设置；
2)建立混合高斯隐马尔科夫模型：
λ＝{A,B,π,S,O}；
λ＝{A,π,ciq,μiq,Σiq}；
式中：λ表示混合高斯隐马尔科夫模型；A表示状态转移概率矩阵，A＝[aij]＝P(qt+1＝sj|qt＝si)，aij表示t时刻状态为si时t+1时刻转移为状态sj的概率，且B表示状态观测输出概率矩阵，B＝[bi(Ok)]，bi(k)表示前车状态为si时，输出变量为Ok的概率，且其中Q表示高斯混合数目，ciq表示前车状态为si第q个混合函数的混合权重，μiq与Σiq分别表示混合函数的均值矩阵与协方差矩阵；π表示初始状态概率向量，且∑πi＝1；S表示隐藏状态的数量；O表示观测变...
【专利技术属性】
技术研发人员：杨正才，杨杨，蔡林，尹长城，冯樱，吕科，刘成武，杨朝阳，
申请(专利权)人：湖北汽车工业学院，
类型：发明
国别省市：湖北;42
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。