[发明专利]一种车辆周边行人危险等级预测方法及系统

说明书

本发明公开的一种车辆周边行人危险等级预测方法及系统，属于智能车辆主动安全技术领域。本发明基于车辆第一视角数据进行行人轨迹预测，使用数据驱动的时序网络建模实现长时轨迹预测，降低计算成本，缩短预测时长；基于聚类分析和分类器的危险等级识别器，能够根据特征参数识别行人危险等级，避免通过人为划分参数范围来判定危险等级带来的不确定性；根据训练得到的行人轨迹拟合器预测行人移动轨迹，提取出行人特征参数集合，将参数集合输入到训练得到的行人危险等级识别器中，对行人危险等级进行预测。本发明有助于理解行车过程中周边行人的行为意图，预估行人和车辆的碰撞风险，为调整行车策略提供依据，以规避行车风险，提升驾驶安全性。

技术领域

本发明属于智能车辆主动安全技术领域，尤其涉及一种车辆周边行人危险等级预测方法及系统。

背景技术

近年来，在智能车辆领域，行人的安全性获得了越来越多的关注。智能车辆需要对道路上的行人进行及时的感知和危险程度预测，来避免可能的碰撞。

现阶段的行人危险程度探测方法，主要是通过复杂动力学拟合的方法，计算出行人相对于行驶车辆的碰撞时间或碰撞区域，然后通过安全系统设计人员手动对不同的碰撞时间或碰撞区域进行危险等级划分，判别行人的危险程度。针对通过复杂动力学模型计算行人碰撞时间或碰撞区域，存在模型计算成本高、拟合效果差、预判性差、适用场景有限等问题。针对设计人员手动划分不同碰撞时间或碰撞区域的危险等级，存在主观性强、适用场景有限、无法大规模推广等问题。

发明内容

为解决现有技术中行人危险等级预测计算成本高、预判性差、主观性强、适用场景有限的问题。本发明目的在于提供一种车辆周边行人危险等级预测方法及系统，能够降低车辆周边危险等级识别计算成本，增强道路行人危险等级预测的准确性、环境适应性。

本发明的目的是通过下述技术方案实现的：

本发明公开的一种车辆周边行人危险等级预测方法，包括离线危险等级预测器训练和在线危险等级预测两个部分。其中，离线危险等级预测器训练包括以下步骤：

使用车载传感器，采集车辆第一视角下的周边环境信息；

进一步地，通过车载图像采集装置采集车辆周边图像信息，通过激光雷达采集3D点云信息。

根据采集的所述第一视角车辆周边环境信息，提取行人特征参数s；行人特征参数s包括但不限于行人相对车辆位置p＝(x,y)、相对车辆移动速度v＝(v_x,v_y)、估计碰撞时间TTC。由于第一视角下取得的行人相对车辆位置、速度变化取决于车辆和行人的合运动，该相对位置和速度的变化隐含了车辆和行人在不同情况下的交互行为。

根据提取得到的行人特征参数s，对于任意时间节点t，以t-T_obs至t时间段内的特征参数集合为输入，其中，T_obs为一段固定的观察时长；t至t+T_pred时间段内的行人轨迹为输出，其中，T_pred为一段固定的预测时长；建立行人轨迹时序网络，通过最小化损失函数，对网络权重矩阵W和偏移量b进行迭代优化，训练得到行人轨迹拟合器该拟合器能根据输入的特征参数S预测行人移动轨迹

作为优选，所述时序网络为循环神经网络或长短期记忆神经网络。