【技术实现步骤摘要】
本专利技术属于自动驾驶，具体涉及一种基于多视角特征融合与碰撞风险分析的智能汽车换道方法。
技术介绍
1、目前国内外采用的自动驾驶换道决策方法大致分为两类：一类是基于规则的决策方法，另一类是基于学习的决策方法。
2、基于规则的决策方法不考虑驾驶员主观判断和驾驶风格，此种规则只适用于特定场景，对于复杂的交通环境和不确定的交通状况，规则模型可能存在一些局限性。
3、另一种主流的换道决策是基于学习的决策方法。常见的基于学习的决策方法例如包括深度学习、强化学习的决策方法，相比于基于一些预定义参数的规则方法，基于学习的换道决策方法经过充分的数据训练后往往具有更强的泛化能力，有处理不同情况的能力。
4、但是基于学习的换道决策方法，在实际应用中往往存在如下缺陷：
5、通常需要大量的数据进行训练，而且训练时间较长且适应性差，经常出现模型不收敛的情况，即无法达到预期的性能水平或无法收敛到最优解。另外该方法只能保证策略在统计意义上的最优性，且由于其内在的解释性差，无法得知模型何时产生的决策是不合理的。
<...【技术保护点】
1.基于多视角特征融合与碰撞风险分析的智能汽车换道方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多视角特征融合与碰撞风险分析的智能汽车换道方法，其特征在于，所述步骤3具体为：
3.根据权利要求2所述的基于多视角特征融合与碰撞风险分析的智能汽车换道方法，其特征在于，所述步骤3.1具体为：
4.根据权利要求2所述的基于多视角特征融合与碰撞风险分析的智能汽车换道方法，其特征在于，所述步骤3.2具体为：
5.根据权利要求4所述的基于多视角特征融合与碰撞风险分析的智能汽车换道方法，其特征在于，所述卷积模块由六层卷积
【技术特征摘要】
1.基于多视角特征融合与碰撞风险分析的智能汽车换道方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于多视角特征融合与碰撞风险分析的智能汽车换道方法，其特征在于，所述步骤3具体为：
3.根据权利要求2所述的基于多视角特征融合与碰撞风险分析的智能汽车换道方法，其特征在于，所述步骤3.1具体为：
4.根据权利要求2所述的基于多视角特征融合与碰撞风险分析的智能汽车换道方法，其特征在于，所述步骤3.2具体为：
5.根据权利要求4所述的基于多视角特征融合与碰撞风险分析的智能汽车换道方法，其特征在于，所述卷积模块由六层卷积依次堆叠组成；
6.根据权利要求4所述的基于多视角特征融合与碰撞风险分析的...
【专利技术属性】
技术研发人员：朱庆林，张恬恬，王战古，于相金，吕白冰，惠梓梁，宋佳楷，马慧勇，刘帅孚，赵子亮，郭斌，王树凤，张俊友，
申请(专利权)人：山东科技大学，
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。