[发明专利]一种道路行人碰撞风险预测方法及其系统

说明书

本发明涉及一种道路行人碰撞风险预测方法及其系统，所述方法包括：步骤S1、获取当前本车前视图像；步骤S2、检测所述图像中是否存在行人；若存在，则获取行人与本车之间的距离信息，并判断是否需要进行行人意图预测；若需要，则进入步骤S3，若不需要，则进入步骤S4；步骤S3、根据所述图像对行人进行姿态检测，得到行人的骨骼关键点坐标信息；根据行人的骨骼关键点坐标信息确定行人的行为类型和身体朝向；并根据距离信息、行为类型和身体朝向预测行人的意图；进入步骤S5；步骤S4、确定行人碰撞风险为低级；步骤S5、根据预测得到的行人的意图，确定行人碰撞风险为高级、中级或低级。本发明能够提高自动驾驶安全性。

技术领域

本发明涉及自动驾驶感知技术领域，具体涉及一种道路行人碰撞风险预测方法及其系统。

背景技术

近年来，随着自动驾驶技术的兴起和快速发展，对道路的行人进行意图预测能更好地避免行人碰撞，提高自动驾驶安全。而现有的道路行人意图预测技术考虑的因素较为单一，缺少从行人行为动作、行人身体朝向、行人相对本车距离三个维度综合考虑，来预测道路行人意图，自动驾驶安全性还有待提高。

发明内容

本发明的目的在于提出一种道路行人碰撞风险预测方法及其系统，从行人行为动作、行人身体朝向、行人相对本车距离三个维度综合考虑，来预测道路行人意图，并输出对应的行人碰撞风险等级，以提高自动驾驶安全性。

根据第一方面，本发明的实施例提出一种道路行人碰撞风险预测方法，包括：

步骤S1、获取当前本车前视图像；

步骤S2、检测所述当前本车前视图像中是否存在行人；若存在行人，则获取所述行人与本车之间的距离信息，并根据所述距离信息判断是否需要进行行人意图预测；若需要，则进入步骤S3，若不需要，则进入步骤S4；

步骤S3、根据所述当前本车前视图像对所述行人进行姿态检测，得到所述行人的骨骼关键点坐标信息；根据所述行人的骨骼关键点坐标信息确定所述行人的行为类型和身体朝向；并根据所述距离信息、行为类型和身体朝向预测所述行人的意图；进入步骤S5；

步骤S4、确定行人碰撞风险为低级；

步骤S5、根据预测得到的所述行人的意图，确定行人碰撞风险为高级、中级或低级。

可选地，在所述步骤S2中，根据所述距离信息判断是否需要进行行人意图预测，包括：

获取所述行人与本车的纵向距离，并根据所述纵向距离判断所述行人是否位于危险区内；若位于危险区外，则进入步骤S4；若位于危险区内，则获取所述行人与本车的横向距离，根据所述横向距离判断所述行人是否位于车道区内，若位于车道区内，则进入步骤S3；若位于车道区外，则进入步骤S4。

可选地，所述当前本车前视图像的下边界与地面参考矩形框的下边界平行，所述地面参考矩形框为位于本车前方地面的预设虚拟矩形框；

所述当前本车前视图像为通过一前视摄像头获取得到，所述前视摄像头设置于本车前部且位于中轴线上，且本车中轴线的延长线与所述地面参考矩形框的中心轴线重合。

可选地，所述步骤S2，包括：

对所述当前本车前视图像进行行人检测，获取行人检测方框；获取所述地面参考矩形框和行人检测方框在当前本车前视图像中的各角点坐标信息；并且，根据所述各角点坐标信息计算得到所述行人与本车的纵向距离、横向距离。

可选地，根据所述行人的骨骼关键点坐标信息确定所述行人的行为类型，包括：

将所述行人的骨骼关键点坐标信息输入预先训练好的SVM分类模型，输出所述行人的行为类型；所述行为类型包括移动行走、站立停留。

可选地，根据所述行人的骨骼关键点坐标信息确定所述行人的身体朝向，包括：