考虑人车交互的行人轨迹预测及主动避撞方法及系统技术方案

本发明专利技术公开了考虑人车交互的行人轨迹预测及主动避撞方法及系统，对车辆前方图像中行人脸部朝向识别判断行人是否注意到来车，融合行人运动状态信息、行人脸部朝向和车辆运动状态信息判断行人意图；利用马尔科夫行人模型对未注意到车辆的行人运动进行预测；同时引入社会力模型和马尔科夫行人模型对注意到车辆且继续行走的行人运动进行预测，并将两种模型预测的结果进行加权融合得到修正后的行人位置，进而得到预设时长内的轨迹曲线；针对行人轨迹进行安全状态判断，决策出相应的避撞策略；同时构建考虑人车交互的行人轨迹预测及主动避撞系统；利用本发明专利技术所设计的方法及系统能提高智能汽车的安全性和稳定性，使得整个纵横向避撞决策系统更加完善有效。撞决策系统更加完善有效。撞决策系统更加完善有效。

【技术实现步骤摘要】
考虑人车交互的行人轨迹预测及主动避撞方法及系统


[0001]本专利技术属于智能驾驶安全
，具体涉及一种考虑人车交互的行人轨迹预测及主动避撞方法及系统。

技术介绍

[0002]随着全球工业的不断进步与发展，汽车保有量呈持续增长趋势，使得道路交通形势也越发严峻。在城市道路场景中，易受伤害的行人作为独立运动的个体，在横穿马路时，容易与道路上来往的车辆发生冲突或碰撞，导致交通事故频发。
[0003]现有对行人避撞方法的研究，大致可分为行人的检测识别、预测、风险评估和避撞等四个方面。在行人的轨迹预测方面，现有方法存在的主要问题是未能考虑到行人复杂多变的运动特征,并忽略了周围环境对行人运动状态的影响，使得预测出的行人轨迹与真实的行人轨迹存在较大差异。在避撞方法方面，现有方法大多数采用单独纵向避撞或横向避撞，这两种方式都有各自的适应工况，而行人多变的行为会对智能汽车避撞决策造成干扰。

技术实现思路

[0004]本专利技术针对现有技术中存在的缺陷，提出了一种考虑人车交互的行人轨迹预测及避撞控制方法及系统；能够合理预测行人未来的运动本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种考虑人车交互的行人轨迹预测及主动避撞方法，其特征在于，包括以下步骤：S1，获取本车行驶状态信息、行人运动状态信息和车辆前方图像；S2，根据采集得到的车辆前方图像，提取行人头部区域并对行人脸部朝向进行识别，根据行人脸部朝向判断行人是否注意到来车；基于逻辑回归模型，融合行人运动状态信息、行人脸部朝向和车辆运动状态信息，判断行人的意图；S3，根据行人脸部朝向，若判定行人未注意到车辆，则利用马尔科夫行人模型预测行人在未来预设时长内的轨迹；利用马尔科夫行人模型预测行人在未来预设时长内轨迹的过程如下：行人未注意到车辆，此时道路上的车辆可视为对行人无干扰，过街行人在无外部干扰情况下的自由运动符合马尔科夫过程，行人未来的位置和速度取决于他当前的位置和速度，由此可以得到行人的状态描述：State
ped
＝(x
p
(t),y
p
(t),v
x
‑
p
(t),v
y
‑
p
(t))(t))(t))式中，State
ped
为行人的状态，v
x
‑
p
(t)和v
y
‑
p
(t)分别表示行人在X方向和Y方向上t时刻的速度，Δv
x
‑
p
和Δv
y
‑
p
分别表示在X方向和Y方向上t时刻的速度增量，v
x
‑
p
(t+Δt)和v
y
‑
p
(t+Δt)分别表示行人在X方向和Y方向上t+Δt时刻的速度，k
x
和k
y
表示常数，和分别表示行人在X方向和Y方向的期望速度，ε
x
和ε
y
分别表示行人在X方向和Y方向速度增量的随机扰动，x
p
(t)和y
p
(t)分别表示行人在X方向和Y方向关于时间t的位移函数，p
m
(t)表示马尔科夫行人模型预测得到的行人在t时的位置；S4，根据行人脸部朝向及行人意图判断结果，若判定行人注意到车辆且继续行走，引入社会力模型对此时行人的运动进行预测；并在该类行人运动过程中再引入马尔科夫行人模型进行预测；将马尔科夫行人模型预测出来的行人位置和社会力模型预测出来的行人位置进行加权融合得到修正后的行人位置；根据设定的时间步长，得到预设时长内的轨迹曲线；利用社会力模型对此时行人的运动进行预测，具体步骤包括：行人向目标点移动存在一个驱动力，面对来车行人会受到车辆的排斥力，道路也会给行人施加一个隐藏的边界力，将这些力进行累加形成合力，行人的位置将在社会力的作用下随着时间步长递推；行人所受的合力以及位置的表达公式如下：下随着时间步长递推；行人所受的合力以及位置的表达公式如下：式中，F
ped
(t)表示行人受到的社会力合力，F
d
表示行人向目标点移动受到的驱动力，F
vp
表示行人面对来车受到的排斥力，F
e
表示道路给行人施加一个隐藏的边界力。v
n
(t)表示行人在t时的速度，p
s
(t)表示社会力模型预测得到的行人在t时的位置，p
s
(t+Δt)表示行人在
t+Δt时的位置，Δt表示时间步长，m表示行人的质量；S5，根据预测出来的行人轨迹进行安全状态判断，决策出车辆在保证安全的情况下合适的避撞策略。2.根据权利要求1所述的一种考虑人车交互的行人轨迹预测及主动避撞方法，其特征在于，上述S2中，行人脸部朝向识别步骤包括：(1)根据车辆前方图像，采用Yolo算法检测行人的头部区域，得到头部图像；(2)采用卷积神经网络搭建行人脸部正向/侧向/背向分类器，确定行人的脸部朝向Orientation。3.根据权利要求2所述的一种考虑人车交互的行人轨迹预测及主动避撞方法，其特征在于，上述S2中，所述逻辑回归模型用于行人意图判断包括如下步骤：(1)以行人速度v
ped
、行人脸部朝向Orientation、车辆速度v
vehicle
、人车距离Distance为自变量，人车交互过程中行人面对来车选择行走或停止的意图为因变量，行人意图判断的逻辑回归模型中函数表达式为：式中，自变量表示为x＝[c,v
ped
,Orientation,v
vehicle
,Distance]
T
，c为任意常数项；θ＝[θ0,θ1,θ2,θ3,θ4]
T
为系数集合，θ
i
是第i个自变量对应的系数，i＝0、1、2、3、4；通过梯度下降法求得代价函数的最小值θ
i
是第i个自变量对应的系数；所述代价函数的表达公式如下：式中，J(θ)为代价函数，m为样本的数量，H
θ
为假设值，y
(i)
为第i个真实值，x
(i)
为第i个自变量，x
(i)
∈x；(2)利用训练好的逻辑回归模型进行行人意图判断，若H
θ
＞0.5表示行人行走，H
θ
＜0.5表示行人停止。4.根据权利要求1所述的一种考虑人车交互的行人轨迹预测及主动避撞方法，其特征在于，将此时过街行人的运动考虑为自由无干扰运动和来车干扰运动的组合，将马尔科夫行人模型预测出来的行人位置和社会力模型预测出来的行人位置进行加权得到预测的行人位置，用下式表示：p(t)＝τ
m
·
p
m
(t)+τ
s
·
p
s
(t)式中，p(t)表示经过马尔科夫行人模型和社会力模型相互融合并修正后得到的在t时的行人位置，τ
m
和τ
s
分别表示p
m
(t)和p
s
(t)的权重系数。5.根据权利要求1所述的一种考虑人车交互的行人轨迹预测及主动避撞方法，其特征在于，所述S5中，行人与车辆的安全状态判断的方法：(1)将行人在道路上的位置划分成危险区域、高风险区域和安全区域；(2)计算车辆纵向避撞的时间，考虑行人位置在纵向上的位置波动，所得的车辆纵向避撞时间为一个时...

【专利技术属性】
技术研发人员：唐斌，杨铮奕，胡子添，江浩斌，蔡英凤，袁朝春，
申请(专利权)人：江苏大学，
类型：发明
国别省市：