【技术实现步骤摘要】
本公开属于自动驾驶，尤其涉及一种面向骑行者的自动驾驶避撞方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
2、避撞(collision avoidance,ca)是自动驾驶汽车实现安全高效驾驶的核心问题。然而，交通环境的不确定性和动态变化使得这成为一项具有挑战性的任务。近年来，随着感知、控制、规划和人工智能技术的迅速发展，各种有效的ca技术相继涌现。
3、现有的避撞方法通常可以分为两类，分别为经典确定性方法和基于学习的方法。其中,经典确定性方法的一个局限性是，它们只产生确定性的行为，受到环境干扰较大，同时忽略了人类驾驶员的学习特征。而基于学习的方法中的监督学习需要大量的标记交通数据，并且需要进行大量的训练，交通数据标记不全，会导致无法识别而造成交通事故，特别是危险场景的数据很难大量获得，这导致训练前期的过程相当繁琐。因此，无需标注数据，在与环境的交互过程中进行“试错学习”的深度强化学习更适用于ca领域。
4、目前的汽车主动安全系统多针对行人保护，然而...
【技术保护点】
1.一种面向骑行者的自动驾驶避撞方法，其特征在于，包括：
2.如权利要求1所述的一种面向骑行者的自动驾驶避撞方法，其特征在于，所述基于行车风险场的风险评估模型，具体由静态障碍物风险场、动态障碍物风险场以及道路标志相关风险场的加权求和得到。
3.如权利要求2所述的一种面向骑行者的自动驾驶避撞方法，其特征在于，所述静态障碍物风险场，基于自车当前位置到静态障碍物的距离得到；所述动态障碍物风险场基于预测的动态障碍物的未来动作以及当前的纵横向特征得到，具体表示如下：
4.如权利要求3所述的一种面向骑行者的自动驾驶避撞方法，其特征在于，所述动态...
【技术特征摘要】
1.一种面向骑行者的自动驾驶避撞方法，其特征在于，包括：
2.如权利要求1所述的一种面向骑行者的自动驾驶避撞方法，其特征在于，所述基于行车风险场的风险评估模型，具体由静态障碍物风险场、动态障碍物风险场以及道路标志相关风险场的加权求和得到。
3.如权利要求2所述的一种面向骑行者的自动驾驶避撞方法，其特征在于，所述静态障碍物风险场，基于自车当前位置到静态障碍物的距离得到；所述动态障碍物风险场基于预测的动态障碍物的未来动作以及当前的纵横向特征得到，具体表示如下：
4.如权利要求3所述的一种面向骑行者的自动驾驶避撞方法，其特征在于，所述动态障碍物的未来动作，基于获取的动态障碍物的横纵向特征，利用预先训练的行为预测模型获得。
5.如权利要求2所述的一种面向骑行者的自动驾驶避撞方法，其特征在于，所述道路标志相关风险场，包括车道风险场和车道偏离风险场，所述车道风险场通过自车位置距离车道标线的距离得到；所...
【专利技术属性】
技术研发人员：范新建，范少辉，王勇，车晓波，王磊，
申请(专利权)人：山东省科学院自动化研究所，
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。