【技术实现步骤摘要】
基于潜在碰撞判定的自动驾驶车辆与行人冲突检测方法
[0001]本专利技术涉及交通工程
，具体为基于潜在碰撞判定的自动驾驶车辆与行人冲突检测方法
。
技术介绍
[0002]人们更高的机动车保有量和使用量增加了道路伤害
。
随着大数据
、
人工智能
、5G
等新技术不断突破，自动驾驶技术得到了快速发展，自动驾驶车辆愈发成为新一轮科技革命的焦点，并将深刻的改变交通系统的运行模式和驾驶环境
。
[0003]在交通安全数据收集方面，以车辆实时运行数据为基础，设计交通冲突指标以预测并量化冲突严重程度，可产生大量可用于研究的交通冲突指标数据，进而减少了交通事故研究对历史事故数据的依赖
。
因此，合理地预测自动驾驶车辆和行人的运动轨迹，判断可能的潜在碰撞区域，是准确判定自动驾驶车辆和行人交通冲突和计算具体冲突指标的前提和基本条件
。
[0004]在交通冲突指标设计方面，目前大量的交通冲突指标针对于车辆与车辆间互动场景，车辆与行人互动场景复杂度高，行人对象运动轨迹受道路标线约束较小
。
以上因素导致在研究车辆与行人交通冲突的研究，对设计于车辆与车辆间互动的交通冲突指标直接应用
。
车辆与行人交通冲突指标计算缺少结合车辆与行人互动特征的改进设计
。
但现有数据中存在大量无关数据，这些无关数据对自动驾驶车辆与行人冲突检测造成了干扰，进而导致了自动驾驶车辆与行人冲突检测准确率低的问题<...
【技术保护点】
【技术特征摘要】
1.
基于潜在碰撞判定的自动驾驶车辆与行人冲突检测方法，其特征在于包括以下步骤：步骤一：获取自动驾驶车辆所在区域高精度地图，并根据高精度地图识别人行横道的轮廓位置，之后利用高精度地图建立交通运行二维坐标系，然后基于交通运行二维坐标系得到车道方向向量
(x
lc
，
y
lc
)、
自动驾驶车辆质心实时位置信息
Q0＝
(x
c0
，
y
c0
)
以及车辆安全驾驶边缘点
M
cs
＝
(x
cs
，
y
cs
)
，最后获取车辆瞬时速度车辆瞬时加速度自动驾驶车辆当前所在车道车速限制
v
cmax
、
自动驾驶车辆的几何长度
A
以及自动驾驶车辆的几何宽度
B
，所述车道方向向量
(x
lc
，
y
lc
)
指垂直于车辆纵向中心处的车道切向量；步骤二：将车道方向向量
(x
lc
，
y
lc
)、
车辆瞬时速度以及车辆瞬时加速度转换为向量表示，即之后将和在上做投影，得到自动驾驶车辆沿车道行驶预测速度和预测加速度其中，为车辆实时运动速度，为车辆加速度，为当前运行所在车道方向向量；步骤三：获取车辆周围环境逐帧点云数据，并基于车辆周围环境逐帧点云数据识别行人对象轮廓位置
、
行人瞬时位移以及行人质心位置信息
P0＝
(x
p0
，
y
p0
)
，之后对行为对象轮廓位置进行
ID
标定，最后根据行人对象轮廓位置以及人行横道的轮廓位置判断行人是否处于人行横道，具体为：若行人对象轮廓位置与人行横道的轮廓位置有交集，则认定行人处于人行横道，否则，认定行人未处于人行横道；若行人位于人行横道上，则将距自动驾驶车辆最近的人行横道轮廓线
l
p
视为安全边界，并提取自动驾驶车辆垂直于人行横道轮廓线
l
p
的交点，即
p
′
l
，之后取人行横道轮廓线
l
′
p
的一般式方程参数，并根据一般式方程参数得到
l
′
p
的方向向量若行人未处于人行横道，则视行人可能存在潜在过街行为，提取行人垂直于距该行人最近车道的交点，即
p
″
l
，之后获取车道法线
l
＂
p
的一般式方程参数，并根据一般式方程参数得到
l
＂
p
的方向向量表示为：步骤四：基于步骤三，获取行人预测移动轨迹
l
p
，并将行人瞬时位移向行人预测移动轨迹
l
p
做投影，得到行人预测移动轨迹的投影方向向量之后根据行人预测移动轨迹的投影方向向量和行人瞬时位移得到行人预测移动速度步骤五：根据自动驾驶车辆沿车道行驶预测速度得到车辆速度方向角
α
c
，表示为：，表示为：步骤六：根据车辆质心实时位置信息
Q0＝
(x
c0
，
y
c0
)、
车辆速度方向角
α
c
以及自动驾驶车辆的几何宽度
B
得到自动驾驶车辆中心横向两侧点位置坐标
Q1和
Q2；
Q1＝
(x
c0
+sin
α
c
•
B/2
，
y
c0
‑
cos
α
c
•
B/2)
Q2＝
(x
c0
‑
sin
α
c
•
B/2
，
y
c0
+cos
α
c
•
B/2)
步骤七：根据
Q1和
Q2确定车辆左轮廓运动轨迹线
l
c1
和车辆右轮廓运动轨迹线
l
c2
，，其中，
Q
1x
和
Q
1y
为位置坐标
Q1的
x
和
y
坐标值，
Q
2x
和
Q
2y
为位置坐标
Q2的
x
和
y
坐标值，
(A
c1
，
B
c1
，
C
c1
)
为轮廓线
l
c1
一般式的参数，
(A
c2
，
B
c2
，
C
c2
)
为轮廓线
l
c2
一般式的参数；步骤八：判断行人处于静止状态或运动状态，若行人处于静止状态，即则获取行人距车辆运行轨迹中心距离
d
cp
，并根据
d
cp
判断行人是否处于自动驾驶车辆当前行驶轨迹上，即，若
d
cp
≤B/2
，则行人位于车辆运行轨迹中，此时潜在碰撞区域为行人所在点
M
min
＝
M
max
＝
(x
c0
‑
cos
α
·
A/2
，
y
c0
‑
sin
α
•
A/2)
；若行人处于运动状态，则车辆进入潜在区域点
M
min
、
车辆离开潜在区域点
M
max
表示为：表示为：表示为：表示为：表示为：表示为：其中，
M1和
M2为车辆左轮廓运动轨迹线
l
c1
和车辆右轮廓运动轨迹线
l
c2
与行人预测运动轨迹
l
p
交点，
d
min
为车辆距潜在碰撞区域最小距离，
d
max
为车辆距潜在碰撞区域最大距离；步骤九：根据高精度地图识别车辆左轮廓运动轨迹线
l
c1
和车辆右轮廓运动轨迹线
l
c2
与车道轮廓交点
Q
c1
和
Q
c2
，并利用车辆的几何长度
A、
自动驾驶车辆中心横向两侧点位置坐标
Q1和
Q2以及车道轮廓交点
Q
c1
和
Q
c2
，确定...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。