[发明专利]一种驾驶员举升意图感知方法、装置、设备及介质

权利要求书

1.一种驾驶员举升意图感知方法，其特征在于，包括：

获取历史驾驶员行为信息；

根据所述历史驾驶员行为信息建立行为概率模型；

将当前驾驶员行为信息输入至所述行为概率模型生成驾驶员动作意图；

获取历史作业场景信息；

根据所述历史作业场景信息建立作业场景概率模型；

将当前作业场景信息输入至所述作业场景概率模型确定预测举升高度；

将所述预测举升高度和所述驾驶员动作意图融合生成驾驶员举升高度意图。

2.根据权利要求1所述的驾驶员举升意图感知方法，其特征在于，所述历史驾驶员行为信息包括驾驶员操纵手柄开度动作信息、驾驶员头部上抬动作信息、驾驶员眼睛上望动作信息和驾驶员脚步伸展角度动作信息。

3.根据权利要求1所述的驾驶员举升意图感知方法，其特征在于，所述历史作业场景信息包括集装箱高度信息N和集装箱距离车辆信息M。

4.根据权利要求2所述的驾驶员举升意图感知方法，其特征在于，所述行为概率模型包括P(lift|hand，head，eye，foot)＝F(P_hand，P_head，P_eye，P_foot)；

其中，P_hand为所述驾驶员操纵手柄开度动作信息的概率；P_head为所述驾驶员头部上抬动作信息的概率；P_eye为所述驾驶员眼睛上望动作信息的概率；P_foot为所述驾驶员脚步伸展角度动作信息的概率；F为通过卷积神经网络得到的网络权重。

5.根据权利要求3所述的驾驶员举升意图感知方法，其特征在于，将当前作业场景信息输入至所述作业场景概率模型确定预测举升高度，包括：

将当前作业场景信息输入至所述作业场景概率模型确定举升高度值；

基于卡尔曼滤波，修正所述举升高度值得到预测举升高度。

6.根据权利要求5所述的驾驶员举升意图感知方法，其特征在于，所述作业场景概率模型包括：

P(C_i|CN，CM)＝G(P_CN，P_CM)；其中，i＝1、2、3、...、N；

其中，P_CN为所述集装箱高度信息为N的概率；P_CM为所述集装箱距离信息为M的概率；G为通过卷积神经网络得到的网络权重；H_i表示举升高度值为i。

7.根据权利要求6所述的驾驶员举升意图感知方法，其特征在于，基于所述卡尔曼滤波，修正所述举升高度值得到预测举升高度，具体为：

H_est＝M*tanα；

H_act＝(1-K)H_est+KH_i；

其中，H_est为举升高度估计值；M为所述集装箱距离车辆信息；α为驾驶员视线角度；H_i为所述举升高度值；K为卡尔曼增益系数；H_act为预测举升高度。

8.一种驾驶员举升意图感知装置，其特征在于，包括：

行为信息获取模块，用于获取历史驾驶员行为信息；

行为概率模型建立模块，用于根据所述历史驾驶员行为信息建立行为概率模型；

动作意图生成模块，用于将当前驾驶员行为信息输入至所述行为概率模型生成驾驶员动作意图；

作业场景信息获取模块，用于获取历史作业场景信息；

作业场景信息获取模块，用于根据所述历史作业场景信息建立作业场景概率模型；

预测举升高度确定模块，用于将当前作业场景信息输入至所述作业场景概率模型确定预测举升高度；

举升意图生成模块，用于将所述举升高度和所述驾驶员动作意图融合生成驾驶员举升高度意图。