基于人机协作控制的脑控驾驶方法及系统技术方案

本发明专利技术公开了基于人机协作控制的脑控驾驶方法及系统，包括：获取带有SSVEP闪烁刺激的驾驶场景信息，驾驶员通过观看所述驾驶场景信息，诱发特征大脑活动并进行车辆控制；采集所述驾驶员的所述特征大脑活动，获得对应的脑电信号；通过脑电解码模型对所述脑电信号进行解码，获得所述驾驶员的驾驶意图；将所述驾驶场景信息和车辆状态信息输入智能控制模型，获得原始车辆控制信号；将所述驾驶员的驾驶意图、所述原始车辆控制信号和所述驾驶场景信息同时输入综合决策模型，获得优化后的车辆控制信号；采用所述优化后的车辆控制信号驱动被控车辆，实现调度被控车辆在带有SSVEP闪烁刺激的驾驶场景中的运动。驾驶场景中的运动。驾驶场景中的运动。

【技术实现步骤摘要】
基于人机协作控制的脑控驾驶方法及系统


[0001]本专利技术属于脑机接口
，尤其涉及基于人机协作控制的脑控驾驶方法及系统。

技术介绍

[0002]自动驾驶技术是智能交通领域的一个热点，它可以在不需要人类驾驶员的情况下实现车辆的自主驾驶，大大提高了交通安全性和效率。然而，目前完全自动驾驶仍然是不可实现的，尤其是在复杂的城市道路和多种交通工具共存的环境下。因此，在自动驾驶技术的发展过程中，驾驶员仍然扮演着至关重要的角色，他们需要对车辆进行监测、干预和控制，以保证驾驶安全。为了提高驾驶系统的安全性，工业界和学术界将人机协作引入到了自动驾驶领域。在人机协作中，驾驶员和自动化控制系统之间存在一种动态的交互关系，驾驶员通过自身判断控制车辆，自动化控制系统则通过视觉、声音等反馈信息指导驾驶员的行为。这种控制方式不仅能够提高驾驶的安全性和舒适性，还可以有效地减轻驾驶员的负担，提高驾驶员的注意力和反应速度。在众多人机协作驾驶技术中，基于脑机接口的人机协作驾驶技术是一种较为前沿的控制技术。基于脑机接口的人机协作驾驶技术是一种通过监测驾驶员的脑电信号来实现对车辆的控制和指导的技术。通过监测驾驶员的脑电信号，系统可以实时分析驾驶员的意图和状态，并相应地调整车辆的行驶模式和速度，从而提高驾驶安全性和舒适性。然而，目前基于脑机接口的人机协作驾驶系统还处于发展初期。由于人类驾驶行为的不可预知性，基于脑机接口的人机协作驾驶系统无法应对交通突发状况。同时，现有的基于脑机接口的人机协作驾驶系统无法实现高效的横纵向联合控制。

技术实现思路
<br/>[0003]为解决上述技术问题，本专利技术提出了基于人机协作控制的脑控驾驶方法及系统，使得被控车辆在高效行驶的过程中能够规避因人类操作失误带来的交通事故，解决了无法应对交通突发状况的问题。
[0004]一方面为实现上述目的，本专利技术提供了基于人机协作控制的脑控驾驶方法，包括以下步骤：
[0005]获取带有SSVEP闪烁刺激的驾驶场景信息，驾驶员通过观看所述驾驶场景信息，诱发特征大脑活动并进行车辆控制；
[0006]采集所述驾驶员的所述特征大脑活动，获得对应的脑电信号；通过脑电解码模型对所述脑电信号进行解码，获得所述驾驶员的驾驶意图；
[0007]将所述驾驶场景信息和车辆状态信息输入智能控制模型，获得原始车辆控制信号；
[0008]将所述驾驶员的驾驶意图、所述原始车辆控制信号和所述驾驶场景信息同时输入综合决策模型，获得优化后的车辆控制信号；
[0009]采用所述优化后的车辆控制信号驱动被控车辆，实现调度被控车辆在带有SSVEP
闪烁刺激的驾驶场景中的运动。
[0010]可选的，带有SSVEP闪烁刺激的驾驶场景信息包括：在驾驶场景上叠加四个闪烁刺激，所述四个闪烁刺激分别位于所述驾驶场景的上下左右四个方向，分别表示前进、左转、刹车和右转的驾驶意图。
[0011]可选的，通过脑电解码模型对所述脑电信号进行解码，获得所述驾驶员的驾驶意图的方法包括：
[0012]构造四个闪烁刺激的模板信号，计算所述脑电信号与所述模板信号的第一相关系数；
[0013]将所述第一相关系数中的若干个子频带成分进行加权平方和融合，获得第二相关系数；
[0014]设置信阈值，基于所述第二相关系数与所述信阈值进行比较，获得所述驾驶员的驾驶意图。
[0015]可选的，所述驾驶意图包括速度控制指令，表示为：
[0016][0017][0018]其中，G(k)为速度控制状态，1为加速状态，0为空状态，
‑
1为刹车状态，k为离散后的k时刻，为k时刻的速度控制指令，k
‑
1为离散后的k时刻，max为取最大值符号，min为取最小值符号，Δa
throttle_increment
为加速度增量常数，Δa
brake_increment
为刹车增量常数，Δa
throttle_decay
为加速度减量常数，Δa
brake_decay
为刹车减量常数。
[0019]可选的，所述驾驶意图还包括角度控制指令，表示为：
[0020][0021][0022]其中，H(k)为角度控制状态，1为左转状态，0为空状态，
‑
1为右转状态，k为离散后的k时刻，为k时刻的角度控制指令，k
‑
1为离散后的k时刻，max为取最大值符号，min为
取最小值符号，Δδ
increment
为角速度增量常数，Δδ
decay
为角速度减量常数。
[0023]可选的，获取所述智能控制模型的方法包括：
[0024]获取所述被控车辆的车辆状态及车辆控制动作，所述车辆状态包括所述被控车辆的位置、速度和方向，所述车辆控制动作包括所述被控车辆的转向、加速和刹车；
[0025]构造奖励函数，根据应用场景，设计奖励函数，构建初始智能控制模型；
[0026]将所述车辆状态及车辆控制动作输入所述初始智能控制模型进行训练和优化，获取智能控制模型。
[0027]可选的，将所述驾驶员的驾驶意图、所述原始车辆控制信号和所述驾驶场景信息同时输入综合决策模型，获得优化后的车辆控制信号的方法包括：
[0028][0029]其中，k为离散后的k时刻，为优化后k时刻的车辆控制信号，为k时刻原始车辆控制信号，为k时刻驾驶员的驾驶意图，M为智能控制模型的权重矩阵，N为人类驾驶员控制的权重矩阵。
[0030]另一方面为实现上述目的，本专利技术提供了基于人机协作控制的脑控驾驶系统，包括：驾驶场景模块、脑电解码模块、智能控制模块、综合决策模块和车辆驱动模块；
[0031]所述驾驶场景模块，用于获取带有SSVEP闪烁刺激的驾驶场景信息，驾驶员通过观看所述驾驶场景信息，诱发特征大脑活动并进行车辆控制；
[0032]所述脑电解码模块，用于获取驾驶员的所述特征大脑活动对应的所述脑电信号，通过脑电解码模型对所述脑电信号进行解码，获得所述驾驶员的驾驶意图；
[0033]所述智能控制模块，用于将所述驾驶场景信息和车辆状态信息输入智能控制模型，获得原始车辆控制信号；
[0034]所述综合决策模块，用于将所述驾驶员的驾驶意图、所述原始车辆控制信号和所述驾驶场景信息同时输入综合决策模型，获得优化后的车辆控制信号；
[0035]所述车辆驱动模块，用于采用所述优化后的车辆控制信号驱动被控车辆，实现被控车辆在驾驶场景中的运动。
[0036]一种嵌入式计算机设备，包括图像显示器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至7任一项所述的方法的步骤。
[0037]一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机程序，其特征在于，所述计算机程序被处理器运行时执行上述权利要求1至7任一项所述的方法的步本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于人机协作控制的脑控驾驶方法，其特征在于，包括以下步骤：获取带有SSVEP闪烁刺激的驾驶场景信息，驾驶员通过观看所述驾驶场景信息，诱发特征大脑活动并进行车辆控制；采集所述驾驶员的所述特征大脑活动，获得对应的脑电信号；通过脑电解码模型对所述脑电信号进行解码，获得所述驾驶员的驾驶意图；将所述驾驶场景信息和车辆状态信息输入智能控制模型，获得原始车辆控制信号；将所述驾驶员的驾驶意图、所述原始车辆控制信号和所述驾驶场景信息同时输入综合决策模型，获得优化后的车辆控制信号；采用所述优化后的车辆控制信号驱动被控车辆，实现调度被控车辆在带有SSVEP闪烁刺激的驾驶场景中的运动。2.如权利要求1所述的基于人机协作控制的脑控驾驶方法，其特征在于，带有SSVEP闪烁刺激的驾驶场景信息包括：在驾驶场景上叠加四个闪烁刺激，所述四个闪烁刺激分别位于所述驾驶场景的上下左右四个方向，分别表示前进、左转、刹车和右转的驾驶意图。3.如权利要求2所述的基于人机协作控制的脑控驾驶方法，其特征在于，通过脑电解码模型对所述脑电信号进行解码，获得所述驾驶员的驾驶意图的方法包括：构造四个闪烁刺激的模板信号，计算所述脑电信号与所述模板信号的第一相关系数；将所述第一相关系数中的若干个子频带成分进行加权平方和融合，获得第二相关系数；设置信阈值，基于所述第二相关系数与所述信阈值进行比较，获得所述驾驶员的驾驶意图。4.如权利要求3所述的基于人机协作控制的脑控驾驶方法，其特征在于，所述驾驶意图包括速度控制指令，表示为：所述驾驶意图包括速度控制指令，表示为：其中，G(k)为速度控制状态，1为加速状态，0为空状态，
‑
1为刹车状态，k为离散后的k时刻，为k时刻的速度控制指令，k
‑
1为离散后的k时刻，max为取最大值符号，min为取最小值符号，Δa
throttle_increment
为加速度增量常数，Δa
brake_increment
为刹车增量常数，Δa
throttle_decay
为加速度减量常数，Δa
brake_decay
为刹车减量常数。5.如权利要求3所述的基于人机协作控制的脑控驾驶方法，其特征在于，
所述驾驶意图还包括角度控制指令，表示为：所述驾驶意图还包括角度控制指令，表示为：其中，H(k)为角度控制状态，1为左转状态，0为空状态，
‑
1为右转状态，k为离散后的k时刻...

【专利技术属性】
技术研发人员：闫天翼，刘思宇，张德雨，刘梦真，刘紫玉，明致远，石忠焱，康安顺，张健，索鼎杰，刘田田，裴广盈，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：