离开道路扫视时间的情境相关调整制造技术

本发明专利技术涉及离开道路扫视时间的情境相关调整。特别地，方法和系统涉及从一个或多个源获得信息以确定实时情境。一种方法包括：基于实时情境确定指示所需的警惕水平的情景意识分数；获得驾驶员的眼睛图像以检测驾驶员的凝视模式；基于驾驶员的凝视模式和实时情境之间的匹配，确定指示实时情境中驾驶员的参与水平的相关注意力分数；以及获得驾驶员的图像以检测驾驶员的行为。确定驾驶员准备分数，并基于驾驶员的行为指示驾驶员恢复驾驶车辆的准备水平。基于使用情景意识分数、相关注意力分数和驾驶员准备分数，获得离开道路扫视时间。获得离开道路扫视时间。获得离开道路扫视时间。

【技术实现步骤摘要】
离开道路扫视时间的情境相关调整


[0001]本主题公开涉及离开道路扫视时间的情境相关调整。

技术介绍

[0002]半自主车辆系统使车辆操作的许多方面自动化(例如汽车、卡车、农用设备、建筑设备、自动化工厂设备)。半自主车辆系统包括避免碰撞、自动制动等。一些半自主车辆系统(例如超级巡航)有助于免手驾驶。这些免手驾驶系统通常提供固定间隔(称为离开道路扫视时间)，在此期间，驾驶员可能会将视线从道路上移开。然而，基于实时情景，该固定的离开道路扫视时间可能太短或太长。因此，期望提供离开道路扫视时间的情境相关调整。

技术实现思路

[0003]在一示例性实施例中，一种调整使用半自主车辆的免手模式的驾驶员可能不注意道路的持续时间的方法包括从一个或多个源获得信息以确定实时情境。该实时情境至少指示车辆的速度和到目的地的距离。一个或多个源包括车辆的一个或多个传感器。该方法包括：基于实时情境，确定指示所需的警惕水平的情景意识分数；获得驾驶员的眼睛图像以检测驾驶员的凝视模式；以及基于驾驶员的凝视模式和实时情境之间的匹配，确定指示实时情境中驾驶员的参与水平的相关注意力分数。获得驾驶员的图像以检测驾驶员的行为。确定驾驶员准备分数，并基于驾驶员的行为指示驾驶员恢复驾驶车辆的准备水平。使用情景意识分数、相关注意力分数和驾驶员准备分数，基于持续时间值范围内的调整来获得离开道路扫视时间。
[0004]除了本文所述的一个或多个特征之外，从车辆的一个或多个传感器获得信息包括从相机、雷达系统、全球导航卫星系统或激光雷达系统获得信息。/>[0005]除了本文所述的一个或多个特征之外，从车辆的一个或多个源获得信息包括从通信设备获得信息。
[0006]除了本文所述的一个或多个特征之外，从通信设备获得信息包括获得交通状况或天气信息。
[0007]除了本文所述的一个或多个特征之外，确定情景意识分数包括对来自一个或多个源的信息使用机器学习算法。
[0008]除了本文所述的一个或多个特征之外，确定相关注意力分数包括使用神经网络来确定驾驶员的凝视模式与实时情境之间的匹配。
[0009]除了本文所述的一个或多个特征之外，检测驾驶员的行为包括使用卷积神经网络对驾驶员的活动进行分类以及对驾驶员的姿势进行分类。
[0010]除了本文所述的一个或多个特征之外，确定驾驶员准备分数包括对驾驶员的活动和驾驶员的姿势使用完全连接的卷积神经网络。
[0011]除了本文描述的一个或多个特征之外，该方法还包括当车辆处于免手模式时，基于通过驾驶员的离开道路扫视启动计时器。
[0012]除了本文描述的一个或多个特征之外，该方法还包括基于计时器到达离开道路扫视时间向驾驶员提供警报。
[0013]在另一示例性实施例中，一种调整使用半自主车辆的免手模式的驾驶员可能不注意道路的持续时间的系统包括一个或多个源以提供信息。一个或多个源包括车辆的一个或多个传感器。该系统还包括车辆内的第一相机，以获得驾驶员的眼睛图像；以及车辆内的第二相机，以获得驾驶员的图像。控制器基于所述信息确定实时情境。该实时情境至少指示车辆的速度和到目的地的距离。一个或多个源包括车辆的一个或多个传感器。控制器基于实时情境来确定指示所需的警惕水平的情景意识分数；基于驾驶员的眼睛图像检测驾驶员的凝视模式；以及基于驾驶员的凝视模式和实时情境之间的匹配，确定指示实时情境中驾驶员的参与水平的相关注意力分数。控制器还基于驾驶员的图像检测驾驶员的行为；基于驾驶员的行为，确定指示驾驶员恢复驾驶车辆的准备水平的驾驶员准备分数；以及使用情景意识分数、相关注意力分数和驾驶员准备分数，基于持续时间值范围内的调整来获得离开道路扫视时间。
[0014]除了本文所述的一个或多个特征之外，车辆的一个或多个传感器包括相机、雷达系统、全球导航卫星系统或激光雷达系统。
[0015]除了本文所述的一个或多个特征之外，车辆的一个或多个源包括通信设备。
[0016]除了本文所述的一个或多个特征之外，来自通信设备的信息包括交通状况或天气信息。
[0017]除了本文所述的一个或多个特征之外，控制器通过对来自一个或多个源的信息使用机器学习算法来确定情景意识分数。
[0018]除了本文所述的一个或多个特征之外，控制器通过使用神经网络确定驾驶员的凝视模式与实时情境之间的匹配来确定相关注意力分数。
[0019]除了本文描述的一个或多个特征之外，控制器通过使用卷积神经网络对驾驶员的活动进行分类以及对驾驶员的姿势进行分类来检测驾驶员的行为。
[0020]除了本文所述的一个或多个特征之外，控制器通过对驾驶员的活动和驾驶员的姿势使用完全连接的卷积神经网络来确定驾驶员准备分数。
[0021]除了本文所述的一个或多个特征之外，当车辆处于免手模式时，控制器基于通过驾驶员的离开道路扫视启动计时器。
[0022]除了本文所述的一个或多个特征之外，控制器基于计时器到达离开道路扫视时间向驾驶员提供警报。
[0023]当结合附图考虑时，根据以下详细描述，本公开的以上特征和优点以及其他特征和优点将显而易见。
附图说明
[0024]其他特征、优点和细节仅通过示例的方式在下面的详细描述中出现，该详细描述参考附图，其中：
[0025]图1是根据一个或多个实施例的提供离开道路扫视时间的情境相关调整的车辆的框图；
[0026]图2是详细示出根据一个或多个实施例的提供离开道路扫视时间的情境相关调整
的车辆部件的功能的框图；以及
[0027]图3是实现根据一个或多个实施例确定的离开道路扫视时间的方法的过程流程。
具体实施方式
[0028]以下描述本质上仅是示例性的，并且无意于限制本公开、其应用或用途。应当理解，在所有附图中，相应的附图标记表示相同或相应的部件和特征。
[0029]如前所述，在某些半自主车辆中可以使用免手驾驶。同样如所指出，这些免手驾驶系统通常允许固定的离开道路扫视时间，在此期间，不需要驾驶员对道路保持警觉。这些车辆可能包括驾驶员监视系统和其他传感器，以促进免手驾驶和施加固定的离开道路扫视时间。如果交通状况良好且情况允许，固定的离开道路扫视时间可能会比所需更短。类似地，基于交通繁忙或紧急情况，可以在完成固定的离开道路扫视时间之前确保驾驶员警觉。
[0030]本文详细描述的系统和方法的实施例涉及离开道路扫视时间的情境相关调整。使用来自传感器(其也可以是免手驾驶系统所使用的传感器)的信息，确定实时情况和驾驶员当前状态所需的相对警惕性。该情境信息用于在一定范围内调整动态离开道路扫视时间的持续时间。具体地，对三类分数进行加权和求和，以确定应该调整动态离开道路扫视时间的方式。第一类分数与所需的警惕水平有关，第二和第三类与当前驾驶员状态有关。第二类分数表示驾驶员对车辆操作的当前参与水平。这是通过检测驾驶员的凝视模式来确定的。第三类分数表示驾驶员恢复驾驶活动的当前准备水平。这是通过检测驾驶员的当前活动来确定的。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种调整使用半自主车辆的免手模式的驾驶员可能不注意道路的持续时间的方法，该方法包括：从一个或多个源获得信息以确定实时情境，该实时情境至少指示车辆的速度和到目的地的距离，其中，所述一个或多个源包括车辆的一个或多个传感器；基于实时情境，确定指示所需的警惕水平的情景意识分数；获得驾驶员的眼睛图像以检测驾驶员的凝视模式；基于驾驶员的凝视模式和实时情境之间的匹配，确定指示实时情境中驾驶员的参与水平的相关注意力分数；获得驾驶员的图像以检测驾驶员的行为；基于驾驶员的行为，确定指示驾驶员恢复驾驶车辆的准备水平的驾驶员准备分数；以及使用情景意识分数、相关注意力分数和驾驶员准备分数，基于持续时间值范围内的调整来获得离开道路扫视时间。2.根据权利要求1所述的方法，其中，从车辆的一个或多个传感器获得信息包括从相机、雷达系统、全球导航卫星系统或激光雷达系统获得信息，从车辆的一个或多个源获得信息包括从通信设备获得信息，从通信设备获得信息包括获得交通状况或天气信息。3.根据权利要求1所述的方法，其中，确定情景意识分数包括对来自一个或多个源的信息使用机器学习算法，确定相关注意力分数包括使用神经网络来确定驾驶员的凝视模式和实时情境之间的匹配。4.根据权利要求1所述的方法，其中，检测驾驶员的行为包括使用卷积神经网络对驾驶员的活动进行分类以及对驾驶员的姿势进行分类，确定驾驶员准备分数包括对驾驶员的活动和驾驶员的姿势使用完全连接的卷积神经网络。5.根据权利要求1所述的方法，还包括：当车辆处于免手模式时，基于通过驾驶员的离开道路扫视启动计时器；并且基于计时器到达离开道路扫视时间向驾驶员提供警报。6.一种调整使用半自主车辆的免手模式的驾驶员可能不注意道路的持续时间的系统，该系统包括：一个或多个源，其配置为提供信息，其中，所述一个或多个源包...

【专利技术属性】
技术研发人员：A特尔帕兹，M巴尔塔克斯，DK格里姆，G卡姆希，
申请(专利权)人：通用汽车环球科技运作有限责任公司，
类型：发明
国别省市：