一种基于聚类的自动驾驶换道场景分类方法及识别方法技术

本发明专利技术公开了一种基于聚类的自动驾驶换道场景分类方法及识别方法，该分类方法包括：1)采集需要进行换道场景分类的每一个样本点的数据；2)对步骤1)中数据进行预处理；3)将经过预处理后的每一个样本点作为一个簇类，采用凝聚层次聚类算法计算每一个簇类的样本点与其它所有簇类的样本点之间的距离，并将距离最近的两个簇类进行组合聚类；4)将组合聚类在一起的族类分别作为一个换道场景，输出聚类结果。本发明专利技术的自动换道场景分类方法和识别方法为进一步提升自动换道的算法和优化功能提供准确、可靠的依据，实现高效、低成本、场景覆盖率高的场景分类识别。率高的场景分类识别。率高的场景分类识别。

【技术实现步骤摘要】
一种基于聚类的自动驾驶换道场景分类方法及识别方法


[0001]本专利技术涉及自动驾驶
，具体涉及一种基于聚类的自动驾驶换道场景分类方法及识别方法。

技术介绍

[0002]随着自动驾驶等级的不断提升，功能的不断丰富，为保证自动驾驶技术安全可靠地落地，需要对自动驾驶的换道场景进行识别分类，由于汽车驾驶环境的复杂多变性，传统自动驾驶的换道场景识别分类通常由人工专家经验直接进行分类识别，耗费人力，并且可能出现场景划分不准确、场景考虑不全面等问题。
[0003]在申请号为CN202010707401.6公开了一种自动驾驶场景分类识别系统及方法，所述系统设置场景数据获取模块、驾驶场景识别模块、场景融合模块、场景片段切分与存储模块；场景数据获取模块获取场景关键信息；驾驶场景识别模块根据场景关键信息对各类驾驶场景进行并行识别；场景融合模块对识别的驾驶场景进行场景融合；所述方法包括步骤：1)自定义主场景和子场景；2)获取场景关键信息；3)预设各子场景的参数边界与提取标准，基于场景关键信息对各子场景进行并行识别；4)基于设定的场景融合条件和融合原则，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于聚类的自动驾驶换道场景分类方法，其特征在于，包括以下步骤：步骤1)采集需要进行换道场景分类的每一个样本点的数据；步骤2)对步骤1)中采集的每一个样本点的数据进行预处理；步骤3)将经过预处理后的每一个样本点作为一个簇类，采用凝聚层次聚类算法计算每一个簇类的样本点与其它所有簇类的样本点之间的距离，并将距离最近的两个簇类进行组合聚类；步骤4)将组合聚类在一起的族类分别作为一个换道场景，输出聚类结果。2.根据权利要求1所述的基于聚类的自动驾驶换道场景分类方法，其特征在于，步骤1)中样本点的数据包括：车道线数据、地图数据、周围车辆数据、自车数据、障碍物数据、驾驶人状态数据、交通规则数据和公路工况数据。3.根据权利要求1所述的基于聚类的自动驾驶换道场景分类方法，其特征在于，步骤2)中，对样本点的数据进行预处理包括以下步骤：步骤2.1)对数据进行离散化处理；步骤2.2)对数据进行标准化处理；步骤2.3)采用主成分分析方法对数据进行降维处理。4.根据权利要求3所述的基于聚类的自动驾驶换道场景分类方法，其特征在于，步骤2.2)中，采用标准差标准化方法对数据进行标准化处理：X＝[x1，x2，...，x
n
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(1)(1)(1)Y＝[y1，y2，...，y
n
]
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(5)式中：X为标准化前的数据序列；x
i
为X中的数据；为标准化前的数据序列平均值；σ为标准化前的数据序列标准差；Y为标准化后的数据序列，y
i
为Y中的数据。5.根据权利要求4所述的基于聚类的自动驾驶换道场景分类方法，其特征在于，步骤2.1)中，以20ms为采样间隔进行数据采样，获取每个维度的数据个数为100的数据长度。6.根据权利要求5所述的基于聚类的自动驾驶换道场景分类方法，其特征在于，步骤3)中包括以下步骤：...

【专利技术属性】
技术研发人员：谭鑫，谯睿智，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：