买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：吉林大学

摘要：本发明属于交通控制领域，涉及一种融合在线地图不确定性的自动驾驶碰撞风险的预测方法，该方法主要包含在线地图不确定性的产生、融合在线地图不确定性的轨迹预测、碰撞风险预测，在线地图不确定性的产生是基于车载摄像头、雷达收集的在线数据产生在线地图和在线地图的不确定性参数，并将其融合到下游的轨迹预测模块进行特征提取、端点预测和轨迹生成，碰撞风险预测模块根据轨迹预测输出目标车辆和周车的轨迹点，输出未来时间步内发生碰撞的概率，同时计算碰撞概率剩余时间，该方法使用了在线地图并考虑了在线地图的不确定性，显著提高了下游风险预测模块的准确性和拓展性，为人机共驾下自动驾驶车辆的接管系统提供了有效、准确的安全评估信号。

主权项：1.一种融合在线地图不确定性的自动驾驶碰撞风险的预测方法，其特征在于，该方法包括以下步骤：步骤1：在线地图不确定性的产生；步骤1.1：收集车载摄像头、雷达获取到的周围道路和代理的信息，并进行相应的降噪处理；步骤1.2：将经过降噪处理的数据输入到BEV编码器中，将获取的数据转换为一个共同的BEV空间特征；步骤1.3：建立高斯回归不确定性模型和分类不确定性模型，将BEV空间特征作为输入，使用在线地图回归模型生成地图元素顶点，所述地图元素顶点包括元素顶点的位置和类型，通过高斯回归不确定性模型和分类不确定性模型计算在线地图不确定性相关参数；其中，高斯回归不确定性模型计算每个地图元素顶点的预测位置和位置的相关的不确定性的参数，分类不确定性模型计算每个地图元素顶点的类型的置信度；步骤2：融合在线地图不确定性的轨迹预测；步骤2.1：使用多层感知机编码，将获得的地图元素顶点的预测位置和位置的相关的不确定性的参数及地图元素顶点的类型的置信度融合到在线地图中；步骤2.2：对于融合了不确定性参数的在线地图，使用VectorNet进行多线段编码，并进行特征提取，在编码车道线特征时，使用VectorNet为每个场景元素编码一个多段线子图，对代理和车道使用两个独立的子图，通过编码获得特征向量；步骤2.3：将获得的特征向量传入到由代理到车道模块，车道到车道模块，车道到代理模块和代理到代理模块堆叠组成的交互建模模块中来更新特征，更新后的特征为；其中，所述代理到车道模块关注的是代理和车道之间的关系，所述车道到车道模块关注的是车道和车道之间的关系，所述车道到代理模块关注的是车道和代理之间的关系，所述代理到代理模块关注的是代理和代理之间的关系，代理到车道模块、车道到车道模块、车道到代理模块、代理到代理模块均为多头注意力块；步骤2.4：基于元信息f和特征拼接后的特征向量，使用定点预测器和环境自适应预测器来预测目标车辆和周围代理轨迹的端点，并使用多层感知机MLP来生成轨迹；步骤3：基于预测轨迹的碰撞风险预测；步骤3.1：根据步骤2.4生成的轨迹获取目标车辆与周围代理的未来时间步的坐标，将预测的目标车辆和周围代理的未来时间步的坐标输入到碰撞概率预测模块，预测周围代理在未来总的时间步内发生碰撞的概率；步骤3.2：将步骤3.1得到的碰撞概率输入到临界碰撞概率剩余时间计算模块中，计算临界碰撞概率剩余时间，并将其传输给人机共驾系统。

全文数据：

权利要求：

百度查询： 吉林大学 融合在线地图不确定性的自动驾驶碰撞风险的预测方法