System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术属于智能自动驾驶,具体涉及一种基于穿行概率预测的行人危险等级评估方法及设备。
技术介绍
1、随着深度学习不断发展,无人驾驶技术也得到了飞速的发展。现有的无人驾驶驾驶技术往往分为环境感知,规划决策与车辆控制三大部分。其中环境感知负责检测自车周围环境与障碍物信息,而规划决策则是根据感知得到信息规划自车接下来的行为。而预测则是连接起环境感知与规划决策的中间桥梁,通过环境与障碍物信息预测障碍物下一步的意图,从而使规划能够更好地决定下一步的行为,而行人作为交通场景中的重要目标,行人的行为意图预测与风险评估则是预测技术中必不可少的一环。
2、cn112487905a公开一种车辆周边行人危险等级预测方法及系统,该方法通过采集行人的历史轨迹与道路信息,通过行人轨迹拟合器预测行人未来的移动轨迹,进而通过行人未来的移动轨迹与自车未来的移动轨迹是否交互来判断行人的危险程度。该算法通过预测行人未来的移动轨迹来识别行人危险程度,对于行人轨迹的预测准确度要求较高,而高精度的行人轨迹预测往往需要较大的网络模型进行学习,推理用时与占用资源较多,同时准确率较低。并且该方案在提取行人特征参数时,主要使用行人的历史轨迹与速度,忽略了行人的动作与朝向等特征。
技术实现思路
1、为了解决上述技术问题,本专利技术提出了一种基于穿行概率预测的行人危险等级评估方法及设备。
2、为了达到上述目的,本专利技术的技术方案如下:
3、本专利技术公开一种基于穿行概率预测的行人危险等级评估方法,
4、步骤s1:基于地图构建自车前方危险区域;
5、步骤s2:对于自车前方行人目标,根据行人速度、历史轨迹和人体关键点判断其是否处于自车前方危险区域及预测其穿行概率;
6、步骤s3:根据行人是否处于自车前方危险区域及其穿行概率划分行人危险等级;
7、步骤s4:根据行人危险等级,自车对应调整行驶规划。
8、在上述技术方案的基础上,还可做如下改进:
9、作为优选的方案,步骤s1具体包括:
10、步骤s1.1:计算自车的当前位置;
11、步骤s1.2:根据自车的当前位置,确定自车所在车道;
12、步骤s1.3:根据自车所在车道,利用地图的道路拓扑关系向前方遍历补足车道至xm;
13、步骤s1.4:获取自车前方xm道路的车道,其为自车前方危险区域。
14、作为优选的方案,步骤s2具体包括:
15、步骤s2.1:根据行人速度及人体关键点判断行人为运动行人或静止行人,
16、若为运动行人,则进入步骤s2.2;
17、若为静止行人,则进入步骤s2.3;
18、步骤s2.2:对于运动行人,
19、将运动行人的历史轨迹、人体关键点输入判断模型,预测运动行人的穿行概率;
20、通过运动行人的历史轨迹拟合其前进轨迹,根据运动行人的前进轨迹与穿行概率,判断该行人是否会进入或远离自车前方危险区域;
21、步骤s2.3:对于静止行人,
22、通过静止行人的当前位置与朝向拟合其前进轨迹,并判断前进轨迹是否与自车前方危险区域相交;
23、若相交,则根据行人的位置至其交点的距离计算其穿行概率;
24、若不相交,则行人不进入自车前方危险区域。
25、作为优选的方案,判断模型通过以下步骤获取行人穿行概率,包括:
26、步骤a:根据行人的历史轨迹、人体关键点分别提取历史轨迹特征和关键点特征;
27、根据自车前方危险区域提取前方道路边缘线特征;
28、步骤b:将行人的历史轨迹特征与周围一定范围内目标特征进行融合,获得第一融合特征;
29、步骤c:将一融合特征与前方道路边缘线特征进行融合,获得第二融合特征;
30、步骤d:将第二融合特征与关键点特征进行融合,获得第三融合特征;
31、步骤e:根据第三融合特征,通过多层全连接网络回归得到穿行概率。
32、作为优选的方案,步骤s3具体包括以下内容:
33、设置穿行阈值,根据行人当前所处位置以及穿行概率与穿行阈值之间的关系,将行人划分为不同的危险等级。
34、此外,本专利技术还公开一种基于穿行概率预测的行人危险等级评估设备,包括:
35、危险区域构建模块,用于基于地图构建自车前方危险区域;
36、判断模块,用于对于自车前方行人目标,根据行人速度、历史轨迹和人体关键点判断其是否处于自车前方危险区域及预测其穿行概率;
37、危险等级划分模块,用于根据行人是否处于自车前方危险区域及其穿行概率划分行人危险等级;
38、行驶规划调整模块,用于根据行人危险等级,自车对应调整行驶规划。
39、作为优选的方案,危险区域构建模块具体包括:
40、当前位置计算单元,用于计算自车的当前位置;
41、车道确定单元,用于根据自车的当前位置,确定自车所在车道;
42、车道扩补单元,用于根据自车所在车道,利用地图的道路拓扑关系向前方遍历补足车道至xm;
43、危险区域获取单元,用于获取自车前方xm道路的车道,其为自车前方危险区域。
44、作为优选的方案,判断模块具体包括:
45、判断单元,用于根据行人速度及人体关键点判断行人为运动行人或静止行人,
46、若为运动行人,则运动行人计算单元执行进一步操作;
47、若为静止行人,则静止行人计算单元执行进一步操作;
48、运动行人计算单元,用于将运动行人的历史轨迹、人体关键点输入判断模型,预测运动行人的穿行概率;
49、通过运动行人的历史轨迹拟合其前进轨迹,根据运动行人的前进轨迹与穿行概率,判断该行人是否会进入或远离自车前方危险区域;
50、静止行人计算单元,用于通过静止行人的当前位置与朝向拟合其前进轨迹,并判断前进轨迹是否与自车前方危险区域相交;
51、若相交,则根据行人的位置至其交点的距离计算其穿行概率;
52、若不相交,则行人不进入自车前方危险区域。
53、作为优选的方案,判断模型包括:
54、特征提取单元,用于根据行人的历史轨迹、人体关键点分别提取历史轨迹特征和关键点特征;
55、根据自车前方危险区域提取前方道路边缘线特征;
56、第一融合单元,用于将行人的历史轨迹特征与周围一定范围内目标特征进行融合,获得第一融合特征;
57、第二融合单元,用于将一融合特征与前方道路边缘线特征进行融合,获得第二融合特征;
58、第三融合单元,用于将第二融合特征与关键点特征进行融合,获得第三融合特征;
59、穿行概率计算单元,用于根据第三融合特征,通过多层全连接网络回归得到穿行概率。<本文档来自技高网...
【技术保护点】
1.基于穿行概率预测的行人危险等级评估方法,其特征在于,包括:
2.根据权利要求1所述的行人危险等级评估方法,其特征在于,所述步骤S1具体包括:
3.根据权利要求1所述的行人危险等级评估方法,其特征在于,所述步骤S2具体包括:
4.根据权利要求3所述的行人危险等级评估方法,其特征在于,所述判断模型通过以下步骤获取行人穿行概率,包括:
5.根据权利要求1所述的行人危险等级评估方法,其特征在于,所述步骤S3具体包括以下内容:
6.基于穿行概率预测的行人危险等级评估设备,其特征在于,包括:
7.根据权利要求6所述的行人危险等级评估设备,其特征在于,所述危险区域构建模块具体包括:
8.根据权利要求6所述的行人危险等级评估设备,其特征在于,所述判断模块具体包括:
9.根据权利要求8所述的行人危险等级评估设备,其特征在于,所述判断模型包括:
10.根据权利要求6所述的行人危险等级评估设备,其特征在于,所述危险等级划分模块设置穿行阈值,根据行人当前所处位置以及穿行概率与穿行阈值之间的关系
...【技术特征摘要】
1.基于穿行概率预测的行人危险等级评估方法,其特征在于,包括:
2.根据权利要求1所述的行人危险等级评估方法,其特征在于,所述步骤s1具体包括:
3.根据权利要求1所述的行人危险等级评估方法,其特征在于,所述步骤s2具体包括:
4.根据权利要求3所述的行人危险等级评估方法,其特征在于,所述判断模型通过以下步骤获取行人穿行概率,包括:
5.根据权利要求1所述的行人危险等级评估方法,其特征在于,所述步骤s3具体包括以下内容:
6.基于穿行概率预测的行人...
【专利技术属性】
技术研发人员:何弢,万思宇,廖文龙,彭湃,
申请(专利权)人:酷哇科技有限公司,
类型:发明
国别省市:
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。