[发明专利]一种无人驾驶汽车在城市交通场景中驾驶策略计算方法

权利要求书

1.一种无人驾驶汽车在城市交通场景中驾驶策略计算方法，其特征在于，

包括：收集数据样本，并对数据样本进行预处理，得到数据集；

基于数据集构建并训练多尺度预测卷积神经网络；

将摄像机获取的图像输入多尺度预测卷积精神网络，获取场景中目标类别以及置信度；

根据目标类别识别交通场景；

基于交通场景计算驾驶策略风险度和道德强度，生成驾驶策略，具体步骤是：基于行人年龄和性别加权计算行人风险值；基于骑手是否佩戴头盔加权计算骑手风险值；基于车辆类别计算车辆风险值；结合行人风险值、骑手风险值和车辆风险值计算驾驶策略风险度；基于社会影响、潜在伤害和危害大小计算道德强度；基于驾驶策略风险度和道德强度获取驾驶策略。

2.如权利要求1所述的一种无人驾驶汽车在城市交通场景中驾驶策略计算方法，其特征在于，

所述收集数据样本，并对数据样本进行预处理，得到数据集的具体步骤是：

获取数据源；

数据源按比例6：2：2分成训练集、测试集和验证集；

提取属性标签；

基于属性标签使用LabelImg工具对数据源中的目标对象进行标注生成数据集。

3.如权利要求2所述的一种无人驾驶汽车在城市交通场景中驾驶策略计算方法，其特征在于，

所述基于属性标签使用LabelImg工具对数据源中的目标对象进行标注生成数据集之后，所述步骤还包括：

使用K-means聚类算法生成了六种不同尺寸的先验框。

4.如权利要求3所述的一种无人驾驶汽车在城市交通场景中驾驶策略计算方法，其特征在于，

所述属性标签包括行人、骑手和车辆，行人包括性别和年龄，骑手包括戴头盔和不带头盔；车辆包括安全等级，载客数量、特殊用途和危险物品。

5.如权利要求1所述的一种无人驾驶汽车在城市交通场景中驾驶策略计算方法，其特征在于，

所述将摄像机获取的图像输入多尺度预测卷积精神网络，获取场景中目标类别以及置信度的具体步骤为：

采用逻辑回归的方法预测目标对象的类别；

采用非极大值抑制算法计算预测对象的置信度。

6.如权利要求1所述的一种无人驾驶汽车在城市交通场景中驾驶策略计算方法，其特征在于，

所述根据目标类别识别交通场景的具体步骤是：

基于数据集设定多种交通场景；

结合图像中的所有目标类别与交通场景进行匹配以识别当前交通场景；

将当前交通场景进行显示。