基于车辆换道行为识别的风险场地图构建方法技术

本发明专利技术提供了一种基于车辆换道行为识别的风险场地图构建方法，包括：步骤S1：构建风险场，将道路划分为多个小的栅格区域，根据实际车辆感知和定位误差分布确定障碍物风险区域；步骤S2：车辆换道行为识别，在云端服务器中对多车轨迹分别进行换道行为识别，将多车轨迹中换道执行部分提取出来；步骤S3：构建换道概率场，将道路划分为多个小的栅格区域，根据车辆定位误差分布确定换道概率区域；步骤S4：利用换道概率场更新风险场，将换道概率场和障碍物风险场中的每个栅格一一对应；步骤S5：将风险场做为高精度地图的一个图层，推送给自动驾驶车辆。相较于现有技术，本发明专利技术克服了传统风险场方法在众包应用中精度差、难以共享、可靠性低等问题。

【技术实现步骤摘要】

本专利技术涉及一种基于车辆换道行为识别的风险场地图构建方法，属于自动驾驶/辅助驾驶感知算法领域。

技术介绍

1、具备自动驾驶/辅助驾驶功能的车辆，一般配备了毫米波雷达、激光雷达、高精度惯性导航设备等，因而具有较强的环境感知能力和车辆定位能力。因此如何利用此类车辆强大的功能进行高精度的地图的构建和更新，成为众包建图的研究热点。基于多车众包进行地图更新包含导航地图及高精度地图的研究算法有很多，一般通过两种途径获取地图构建的基本要素。

2、基于周围环境感知的众包建图方法。自动驾驶车辆将检测到的环境信息上传到云端，由云端服务器进行汇总和处理。此类算法一般会提取车辆检测结果中的关键信息，如车道线、道路边界、停止线、人行横道线、红绿灯、限速牌等。云端服务器在收到大量车辆的感知结果后，对结果进行处理，并生成精度较高、要素比较丰富的地图，精度一般分米级或更高精度。

3、基于车辆轨迹的众包建图。这一类方法历史更为悠久，不要求车辆具备自动驾驶或辅助驾驶能力，只要有一般精度的定位信息即可。对于搭载gps或类似设备的车辆，定位信息一般达到米级或更低精度，对本文档来自技高网...

【技术保护点】

1.一种基于车辆换道行为识别的风险场地图构建方法，其特征在于，包括：

2.根据权利要求1所述的基于车辆换道行为识别的风险场地图构建方法，其特征在于，所述步骤S1包括：每个栅格具有不同的风险因子，表征该位置的风险高低程度，每个障碍物在风险场中以一个风险区域表示，所述风险区域涉及一种或多种风险因子。

3.根据权利要求2所述的基于车辆换道行为识别的风险场地图构建方法，其特征在于，所述步骤S1采用正态分布计算单个障碍物在风险场中的风险区域，所述正态分布的概率密度，如下：其中，μ1和μ2为云端收到的障碍物位置，(x,y)为当前栅格的坐标，σ1、σ2、ρ为常数，与感知和定位精...

【技术特征摘要】

1.一种基于车辆换道行为识别的风险场地图构建方法，其特征在于，包括：

2.根据权利要求1所述的基于车辆换道行为识别的风险场地图构建方法，其特征在于，所述步骤s1包括：每个栅格具有不同的风险因子，表征该位置的风险高低程度，每个障碍物在风险场中以一个风险区域表示，所述风险区域涉及一种或多种风险因子。

3.根据权利要求2所述的基于车辆换道行为识别的风险场地图构建方法，其特征在于，所述步骤s1采用正态分布计算单个障碍物在风险场中的风险区域，所述正态分布的概率密度，如下：其中，μ1和μ2为云端收到的障碍物位置，(x,y)为当前栅格的坐标，σ1、σ2、ρ为常数，与感知和定位精度有关，其中，σ1和σ2是x和y的标准差，ρ是x和y的互相关系数。

4.根据权利要求3所述的基于车辆换道行为识别的风险场地图构建方法，其特征在于：所述步骤s3包括：每个栅格具有不同的换道概率，表征该位置的车辆换道的概率高低程度，车辆换道的概率多少在概率场中以一个概率区域表示，所述概率区域由多个栅格组成，每个栅格保存有对应的换道概率。

5.根据权利要求4所述的基于车辆换道行为识别的风险场地图构建方法，其特征在于：所述步骤s3采用正态分布计算每辆车在概率场中换道的概率区域，所述正态分布的概率密度，如下：其中，μ1和μ2为云端收到的车辆轨迹点坐...

【专利技术属性】
技术研发人员：刘会，江灿森，衡量，
申请(专利权)人：上海友道智途科技有限公司，
类型：发明
国别省市：