本發(fā)明屬于自動駕駛，尤其是涉及一種基于路徑信息預(yù)測的鉸接車輛輔助駕駛方法和系統(tǒng)。

背景技術(shù)：

1、

2、現(xiàn)有市面上面向大型貨車的輔助駕駛系統(tǒng)大多局限于通過增加傳感器數(shù)量來提高視覺精度，同時，只能提供大型車輛的位置信息，不能計算并判斷行駛過程中的危險區(qū)域，故不能提前通知相關(guān)車輛和人員及時避閃，無法大幅度地提升鉸接式車輛行駛時的安全率。中國發(fā)明專利cn114734966b提出了一種基于攝像頭和云端實時地圖的自動緊急制動系統(tǒng)，通過預(yù)測碰撞發(fā)生時間來進行車輛制動分析決策，實現(xiàn)無人駕駛狀態(tài)下的車輛的完全緊急制動，無需依賴于駕駛員的反應(yīng)與判斷以及操作。但上述方法根據(jù)yolov3神經(jīng)網(wǎng)絡(luò)的輸出計算車輛與潛在危險車輛的碰撞發(fā)生時間ttc，將其與動態(tài)設(shè)置的ttc閾值進行比較，設(shè)置行車危險系數(shù)，由于yolov3對物體位置的精確定位能力有限，故基于ttc值進行危險系數(shù)的評估結(jié)果可能不夠準(zhǔn)確，存在誤操作的可能。因此，需要重新設(shè)計一種鉸接車輛輔助駕駛方法，進一步提高復(fù)雜路況的實時應(yīng)對能力，確保鉸接車輛駕駛過程的安全性。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的就是為了克服上述現(xiàn)有技術(shù)存在的缺陷而提供一種基于路徑信息預(yù)測的鉸接車輛輔助駕駛方法和系統(tǒng)，進一步提高復(fù)雜路況的實時應(yīng)對能力，確保鉸接車輛駕駛過程的安全性。

2、本發(fā)明的目的可以通過以下技術(shù)方案來實現(xiàn)：

3、本發(fā)明提供一種基于路徑信息預(yù)測的鉸接車輛輔助駕駛方法，包括以下步驟：

4、s1、通過安裝在鉸接車輛各車節(jié)上的多個rgb相機，實時采集當(dāng)前車輛周圍的圖像，采用基于高斯建模的同步定位與地圖構(gòu)建算法對各車節(jié)的相機進行位姿估計；

5、s2、將各車節(jié)的相機位姿估計結(jié)果輸入路徑預(yù)測網(wǎng)絡(luò)，預(yù)測當(dāng)前車輛各車節(jié)的路徑信息，所述路徑預(yù)測網(wǎng)絡(luò)基于混合長短期記憶網(wǎng)絡(luò)構(gòu)建；

6、s3、將當(dāng)前車輛各車節(jié)的路徑信息與其附近車輛和行人的位置進行比對，采用基于檢測圓的車聯(lián)網(wǎng)碰撞預(yù)警算法，判斷是否存在與當(dāng)前車輛的路徑重疊的車輛或行人，若存在，則發(fā)出預(yù)警信號，進入步驟s4，否則返回步驟s1；

7、s4、根據(jù)當(dāng)前車輛和與其路徑重疊的車輛或行人的檢測圓的中心距離，進行分級制動。

8、進一步地，步驟s1中，采用基于高斯建模的同步定位與地圖構(gòu)建算法對各車節(jié)的相機進行位姿估計的具體過程如下：

9、s101、獲取當(dāng)前車輛周圍的圖像，通過orb算法提取關(guān)鍵特征點；

10、s102、根據(jù)通過高斯分布表征的關(guān)鍵特征點，通過同步定位與地圖構(gòu)建算法估計相機位姿。

11、進一步地，步驟s102的具體過程為：

12、將相機運動描述為剛體運動，則相機位姿估計的表達(dá)式為：

13、c′＝rc+t

14、其中，c′為相機位姿的預(yù)估結(jié)果，c為當(dāng)前相機位姿，r為旋轉(zhuǎn)矩陣，t為平移向量；

15、以最小化重投影誤差為目標(biāo)，構(gòu)建運動估計模型，并采用梯度下降法進行優(yōu)化；

16、所述重投影誤差的表達(dá)式為：

17、f(r，t)＝∑i||p′i-f(r，t，pi)||2

18、其中，p′i為關(guān)鍵特征點的預(yù)測位置，pi為關(guān)鍵特征點的實際位置。

19、進一步地，步驟s2中，所述路徑預(yù)測網(wǎng)絡(luò)包括卡爾曼濾波子網(wǎng)絡(luò)、卷積子網(wǎng)絡(luò)和混合長短期記憶子網(wǎng)絡(luò)，所述混合長短期記憶子網(wǎng)絡(luò)包括正向lstm層、雙向lstm層和反向lstm層。

20、進一步地，通過所述路徑預(yù)測網(wǎng)絡(luò)預(yù)測當(dāng)前車輛各車節(jié)路徑信息的過程具體如下：

21、s201、通過當(dāng)前車輛各車節(jié)的自身傳感器獲取車節(jié)速度信息；

22、s202、根據(jù)步驟s1估計的相機位姿生成車節(jié)位置信息，通過所述卡爾曼濾波子網(wǎng)絡(luò)進行平滑噪聲處理后，與所述車節(jié)速度信息共同輸入所述卷積子網(wǎng)絡(luò)進行特征提取；

23、s203、將特征提取結(jié)果輸入所述混合長短期記憶子網(wǎng)絡(luò)，獲得當(dāng)前車輛各車節(jié)路徑信息的預(yù)測結(jié)果。

24、進一步地，步驟s202中，所述卡爾曼濾波子網(wǎng)絡(luò)進行平滑噪聲處理的過程如下：

25、根據(jù)上一時刻的信息，進行狀態(tài)預(yù)測和協(xié)方差預(yù)測；

26、根據(jù)預(yù)測結(jié)果計算卡爾曼增益，根據(jù)計算結(jié)果進行狀態(tài)和協(xié)方差更新；

27、重復(fù)上述步驟，直至達(dá)到預(yù)設(shè)迭代次數(shù)。

28、進一步地，步驟s3中，采用基于檢測圓的車聯(lián)網(wǎng)碰撞預(yù)警算法判斷是否存在與當(dāng)前車輛的路徑重疊的車輛或行人的過程如下：

29、s301、以當(dāng)前車輛的車節(jié)中軸線上的多個采樣點為圓心，分別以第一長度為直徑做第一檢測圓，所述第一長度的值為第一系數(shù)乘以當(dāng)前車輛的車節(jié)寬度；

30、s302、以當(dāng)前車輛附近車輛的車節(jié)中軸線上的多個采樣點為圓心，分別以第二長度為直徑做第二檢測圓，所述第二長度的值為第二系數(shù)乘以當(dāng)前車輛附近車輛的車節(jié)寬度；

31、s303、以當(dāng)前車輛附近行人所處位置為圓心，以第三長度為半徑做第三檢測圓；

32、s304、分別計算所述第一檢測圓與所述第二檢測圓以及所述第三檢測圓的中心距離，若不大于相應(yīng)兩檢測圓的半徑之和，則判斷存在與當(dāng)前車輛的路徑重疊的車輛或行人，發(fā)出預(yù)警信號。

33、進一步地，步驟s4中，采用級聯(lián)制動系統(tǒng)aebs進行分級制動。

34、進一步地，步驟s4中，所述分級制動具體如下：

35、當(dāng)時，采?、〖壷苿哟胧?，向駕駛?cè)藛T發(fā)出提醒信號；

36、當(dāng)時，采取ii級制動措施，開啟輔助駕駛，降低車速；

37、當(dāng)時，采取iii級制動措施，開啟輔助駕駛，采取緊急剎車措施；

38、其中，r1和分別為當(dāng)前車輛第k個檢測圓的半徑和圓心坐標(biāo)，r2和分別為與當(dāng)前車輛路徑重疊的車輛或行人第k個檢測圓的半徑和圓心坐標(biāo)。

39、本發(fā)明還提供一種基于路徑信息預(yù)測的鉸接車輛輔助駕駛系統(tǒng)，包括車載端子系統(tǒng)和云端子系統(tǒng)，所述車載端子系統(tǒng)包括感知單元、決策單元和控制單元，所述云端子系統(tǒng)包括數(shù)據(jù)存儲單元和防碰撞檢測單元；

40、其中，所述感知單元包括安裝在鉸接車輛各車節(jié)上的多個rgb相機，用于實時采集當(dāng)前車輛周圍的圖像；所述決策單元用于根據(jù)所述感知單元采集的圖像，采用基于高斯建模的同步定位與地圖構(gòu)建算法對各車節(jié)的相機進行位姿估計，基于各車節(jié)的相機位姿估計結(jié)果，通過路徑預(yù)測網(wǎng)絡(luò)預(yù)測當(dāng)前車輛各車節(jié)的路徑信息，并上傳至所述數(shù)據(jù)存儲單元，所述路徑預(yù)測網(wǎng)絡(luò)基于混合長短期記憶網(wǎng)絡(luò)構(gòu)建；所述防碰撞檢測單元用于將存儲于所述數(shù)據(jù)存儲單元中的當(dāng)前車輛各車節(jié)的路徑信息與其附近車輛和行人的位置進行比對，采用基于檢測圓的車聯(lián)網(wǎng)碰撞預(yù)警算法，判斷是否存在與當(dāng)前車輛的路徑重疊的車輛或行人，若存在，則向所述控制單元發(fā)出預(yù)警信號；所述控制單元接收到所述防碰撞檢測單元發(fā)出的預(yù)警信號后，根據(jù)當(dāng)前車輛和與其路徑重疊的車輛或行人的檢測圓的中心距離，進行分級制動。

41、與現(xiàn)有技術(shù)相比，本發(fā)明具有以下有益效果：

42、本發(fā)明通過安裝在鉸接車輛各車節(jié)上的多個rgb相機，實時采集當(dāng)前車輛周圍的圖像，然后采用基于高斯建模的同步定位與地圖構(gòu)建算法對各車節(jié)的相機進行位姿估計，在同步定位與地圖構(gòu)建算法中引入高斯建模對關(guān)鍵特征點進行表征，可以保障位姿估計的實時性和精度，提高渲染速度和渲染質(zhì)量；其次，將各車節(jié)的相機位姿估計結(jié)果輸入路徑預(yù)測網(wǎng)絡(luò)，預(yù)測當(dāng)前車輛各車節(jié)的路徑信息，路徑預(yù)測網(wǎng)絡(luò)包括卡爾曼濾波子網(wǎng)絡(luò)、卷積子網(wǎng)絡(luò)和混合長短期記憶子網(wǎng)絡(luò)，其中，卡爾曼濾波子網(wǎng)絡(luò)可以有效地平滑噪聲，提高后續(xù)預(yù)測的準(zhǔn)確性，卷積子網(wǎng)絡(luò)可以從數(shù)據(jù)空間中有效提取關(guān)鍵特征，混合長短期記憶子網(wǎng)絡(luò)包括正向lstm層、雙向lstm層和反向lstm層，可以較好地處理時間依賴關(guān)系，故通過該路徑預(yù)測網(wǎng)絡(luò)可以準(zhǔn)確進行路徑預(yù)測；最后，將當(dāng)前車輛各車節(jié)的路徑信息與其附近車輛和行人的位置進行比對，采用基于檢測圓的車聯(lián)網(wǎng)碰撞預(yù)警算法，判斷是否存在與當(dāng)前車輛的路徑重疊的車輛或行人，若存在，則發(fā)出預(yù)警信號，并根據(jù)當(dāng)前車輛和與其路徑重疊的車輛或行人的檢測圓的中心距離，進行分級制動，能夠最大程度地避免急剎風(fēng)險，同時確保在緊急情況下能夠迅速停車，進一步提高鉸接車輛駕駛的安全性。