自动驾驶车辆应急辅助接管方法、系统、装置及存储介质制造方法及图纸

本发明专利技术公开了自动驾驶车辆应急辅助接管方法、系统及存储介质，包括：获取处于自动驾驶状态的目标车辆的驾驶员的人脸图像信息、语音信息、生理参数信息以及人体动作信息；将人脸图像信息、语音信息、生理参数信息以及人体动作信息输入到预先训练好的接管状态预测模型，得到驾驶员的当前接管状态；获取目标车辆的危险场景等级，根据当前接管状态和危险场景等级预测驾驶员能否及时接管目标车辆；当驾驶员不能及时接管目标车辆，根据危险场景等级和当前接管状态确定对应的应急辅助接管决策，进而通过目标车辆执行应急辅助接管决策。本发明专利技术提高了自动驾驶车辆的行车安全性，可广泛应用于车辆控制技术领域。辆控制技术领域。辆控制技术领域。

【技术实现步骤摘要】
自动驾驶车辆应急辅助接管方法、系统、装置及存储介质


[0001]本专利技术涉及车辆控制
，尤其是一种自动驾驶车辆应急辅助接管方法、系统、装置及存储介质。

技术介绍

[0002]随着汽车智能网联化的发展，车辆监测及控制技术也越来越智能化，自动驾驶技术也成为目前汽车行业关注与重点研究的方向。在实现自动驾驶功能时，若遇到危险情况，需要驾驶员的及时接管介入，否则将会发生碰撞等风险事故。驾驶员接管车辆的快慢、系统辅助决策控制很大程度上影响了行车的安全性，及时接管对驾驶员的注意力转移速度、决策能力提出了很高的要求。因此，如何对驾驶员的接管状态进行预测以及如何在驾驶员无法及时接管车辆时保障自动驾驶车辆的行车安全成为了亟需解决的问题。

技术实现思路

[0003]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0004]为此，本专利技术实施例的一个目的在于提供一种自动驾驶车辆应急辅助接管方法，该方法提高了自动驾驶车辆的行车安全性。
[0005]本专利技术实施例的另一个目的在于提供一种自动驾驶车辆应急辅助接管系统。
[0006]为了达到上述技术目的，本专利技术实施例所采取的技术方案包括：
[0007]第一方面，本专利技术实施例提供了一种自动驾驶车辆应急辅助接管方法，包括以下步骤：
[0008]获取处于自动驾驶状态的目标车辆的驾驶员的人脸图像信息、语音信息、生理参数信息以及人体动作信息；
[0009]将所述人脸图像信息、所述语音信息、所述生理参数信息以及所述人体动作信息输入到预先训练好的接管状态预测模型，得到所述驾驶员的当前接管状态；
[0010]获取所述目标车辆的危险场景等级，根据所述当前接管状态和所述危险场景等级预测所述驾驶员能否及时接管所述目标车辆；
[0011]当所述驾驶员不能及时接管所述目标车辆，根据所述危险场景等级和所述当前接管状态确定对应的应急辅助接管决策，进而通过所述目标车辆执行所述应急辅助接管决策。
[0012]进一步地，在本专利技术的一个实施例中，所述获取处于自动驾驶状态的目标车辆的驾驶员的人脸图像信息、语音信息、生理参数信息以及人体动作信息这一步骤，其具体包括：
[0013]通过设置在所述目标车辆内的摄像装置获取所述驾驶员的人脸图像信息；
[0014]通过设置在所述目标车辆内的语音采集装置获取所述驾驶员的语音信息；
[0015]通过所述驾驶员穿戴的生理探测装置获取所述驾驶员的生理参数信息；
[0016]通过所述驾驶员穿戴的姿态传感器获取所述驾驶员的人体动作信息。
[0017]进一步地，在本专利技术的一个实施例中，所述自动驾驶车辆应急辅助接管方法还包括预先训练所述接管状态预测模型的步骤，其具体包括：
[0018]获取预设的多个历史样本数据，各所述历史样本数据均包括测试人员的人脸图像样本数据、语音样本数据、生理参数样本数据以及人体动作样本数据；
[0019]获取各所述历史样本数据对应的驾驶员接管响应时间，并根据所述驾驶员接管响应时间确定对应的标签信息；
[0020]根据所述历史样本数据和对应的所述标签信息构建训练数据集；
[0021]将所述训练数据集输入到预先构建的卷积神经网络进行训练，得到训练好的所述接管状态预测模型；
[0022]其中，所述标签信息包括快速响应状态、普通响应状态以及异常响应状态中的至少一种。
[0023]进一步地，在本专利技术的一个实施例中，所述将所述训练数据集输入到预先构建的卷积神经网络进行训练，得到训练好的所述接管状态预测模型这一步骤，其具体包括：
[0024]将所述训练数据集输入到所述卷积神经网络，输出得到接管状态预测结果；
[0025]根据所述接管状态预测结果和所述标签信息确定所述卷积神经网络的损失值；
[0026]根据所述损失值通过反向传播算法更新所述卷积神经网络的模型参数，并返回将所述训练数据集输入到所述卷积神经网络这一步骤；
[0027]当所述损失值达到预设的第一阈值或迭代次数达到预设的第二阈值，停止训练，得到训练好的所述接管状态预测模型。
[0028]进一步地，在本专利技术的一个实施例中，所述获取所述目标车辆的危险场景等级，根据所述当前接管状态和所述危险场景等级预测所述驾驶员能否及时接管所述目标车辆这一步骤，其具体包括：
[0029]确定所述目标车辆的预计碰撞时间，并根据所述预计碰撞时间确定所述目标车辆的危险场景等级，所述危险场景等级为一般危险场景、紧急危险场景或者无危险场景；
[0030]当所述危险场景等级为紧急危险场景，若所述当前接管状态为快速响应状态，确定所述驾驶员能及时接管所述目标车辆，若所述当前接管状态为普通响应状态或异常响应状态，确定所述驾驶员不能及时接管所述目标车辆；
[0031]当所述危险场景等级为一般危险场景，若所述当前接管状态为快速响应状态或普通响应状态，确定所述驾驶员能及时接管所述目标车辆，若所述当前接管状态为异常响应状态，确定所述驾驶员不能及时接管所述目标车辆；
[0032]当所述危险场景等级为无危险场景，确定所述驾驶员能及时接管所述目标车辆。
[0033]进一步地，在本专利技术的一个实施例中，所述确定所述目标车辆的预计碰撞时间，并根据所述预计碰撞时间确定所述目标车辆的危险场景等级这一步骤，其具体包括：
[0034]获取所述目标车辆与前车的实时距离，并确定所述目标车辆与所述前车的相对运动速度；
[0035]根据所述实时距离与所述相对运动速度计算所述目标车辆的预计碰撞时间；
[0036]当所述预计碰撞时间小于等于预设的第三阈值，确定所述危险场景等级为紧急危险场景；
[0037]当所述预计碰撞时间大于所述第三阈值且小于等于预设的第四阈值，确定所述危
险场景等级为一般危险场景；
[0038]当所述预计碰撞时间大于所述第四阈值，确定所述危险场景等级为无危险场景。
[0039]进一步地，在本专利技术的一个实施例中，所述根据所述危险场景等级和所述当前接管状态确定对应的应急辅助接管决策，进而通过所述目标车辆执行所述应急辅助接管决策这一步骤，其具体包括：
[0040]获取预设的应急辅助接管决策库，并根据所述危险场景等级和所述当前接管状态在所述应急辅助接管决策库中进行索引匹配，得到对应的所述应急辅助接管决策；
[0041]将所述应急辅助接管决策下发至所述目标车辆的自动驾驶系统，使得所述自动驾驶系统执行所述应急辅助接管决策。
[0042]第二方面，本专利技术实施例提供了一种自动驾驶车辆应急辅助接管系统，包括：
[0043]信息获取模块，用于获取处于自动驾驶状态的目标车辆的驾驶员的人脸图像信息、语音信息、生理参数信息以及人体动作信息；
[0044]接管状态预测模块，用于将所述人脸图像信息、所述语音信息、所述生理参数信息以及所述人体动作信息输入到预先训练好的接管状态预测模型，得到所述驾驶员的当本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶车辆应急辅助接管方法，其特征在于，包括以下步骤：获取处于自动驾驶状态的目标车辆的驾驶员的人脸图像信息、语音信息、生理参数信息以及人体动作信息；将所述人脸图像信息、所述语音信息、所述生理参数信息以及所述人体动作信息输入到预先训练好的接管状态预测模型，得到所述驾驶员的当前接管状态；获取所述目标车辆的危险场景等级，根据所述当前接管状态和所述危险场景等级预测所述驾驶员能否及时接管所述目标车辆；当所述驾驶员不能及时接管所述目标车辆，根据所述危险场景等级和所述当前接管状态确定对应的应急辅助接管决策，进而通过所述目标车辆执行所述应急辅助接管决策。2.根据权利要求1所述的一种自动驾驶车辆应急辅助接管方法，其特征在于，所述获取处于自动驾驶状态的目标车辆的驾驶员的人脸图像信息、语音信息、生理参数信息以及人体动作信息这一步骤，其具体包括：通过设置在所述目标车辆内的摄像装置获取所述驾驶员的人脸图像信息；通过设置在所述目标车辆内的语音采集装置获取所述驾驶员的语音信息；通过所述驾驶员穿戴的生理探测装置获取所述驾驶员的生理参数信息；通过所述驾驶员穿戴的姿态传感器获取所述驾驶员的人体动作信息。3.根据权利要求1所述的一种自动驾驶车辆应急辅助接管方法，其特征在于，所述自动驾驶车辆应急辅助接管方法还包括预先训练所述接管状态预测模型的步骤，其具体包括：获取预设的多个历史样本数据，各所述历史样本数据均包括测试人员的人脸图像样本数据、语音样本数据、生理参数样本数据以及人体动作样本数据；获取各所述历史样本数据对应的驾驶员接管响应时间，并根据所述驾驶员接管响应时间确定对应的标签信息；根据所述历史样本数据和对应的所述标签信息构建训练数据集；将所述训练数据集输入到预先构建的卷积神经网络进行训练，得到训练好的所述接管状态预测模型；其中，所述标签信息包括快速响应状态、普通响应状态以及异常响应状态中的至少一种。4.根据权利要求3所述的一种自动驾驶车辆应急辅助接管方法，其特征在于，所述将所述训练数据集输入到预先构建的卷积神经网络进行训练，得到训练好的所述接管状态预测模型这一步骤，其具体包括：将所述训练数据集输入到所述卷积神经网络，输出得到接管状态预测结果；根据所述接管状态预测结果和所述标签信息确定所述卷积神经网络的损失值；根据所述损失值通过反向传播算法更新所述卷积神经网络的模型参数，并返回将所述训练数据集输入到所述卷积神经网络这一步骤；当所述损失值达到预设的第一阈值或迭代次数达到预设的第二阈值，停止训练，得到训练好的所述接管状态预测模型。5.根据权利要求1所述的一种自动驾驶车辆应急辅助接管方法，其特征在于，所述获取所述目标车辆的危险场景等级，根据所述当前接管状态和所述危险场景等级预测所述驾驶员能否及时接管所述目标车辆这一步骤，其具体包括：
确定所述目标车辆的预计碰撞时间，并根据所述预计碰撞时间确定所述目标车辆的危险场景等级，所述危险场景等级为一般危险场景、紧急危险场景或者无危险场景；当所述危险场景等级为紧急危险场景，...

【专利技术属性】
技术研发人员：贾利虎，
申请(专利权)人：广汽本田汽车研究开发有限公司，
类型：发明
国别省市：