[发明专利]一种基于车辆间协同计算通信的行人意图预测方法及系统

说明书

本发明公开了一种基于车辆间协同计算通信的行人意图预测方法及系统，目标是实现完整的基于车辆间协同计算通信的行人意图预测方法，利用车辆与车辆间通信的低延迟特性，充分使用道路上车辆的闲置计算资源。结合目标检测，行人姿态特征与道路环境特征提取算法，达到最终的行人意图预测。再通过车辆间通信，传递行人意图与车辆决策信息，让后方车辆提前进行反应决策，避免追尾。本发明不仅解决了数据传输云端会出现的高时延，信道拥堵等问题，同时也弥补了单辆车算力不足的问题。提高了预测的准确精度，同时减少了现有模型推理时间。

技术领域

本发明属于车联网技术领域，涉及一种行人意图预测方法及系统，具体涉及到一种基于车辆间协同计算通信的行人意图预测方法及系统。

背景技术

随着交通行业的高速发展，私家车已经成为了人们日常生活出行中必不可少的交通工具。但在交通行业迅猛发展的同时，交通事故与安全隐患的问题仍需要被重点关注。随着智能驾驶，智能网联汽车的提出，如何结合这些技术来有效降低交通事故的发生，提高司机，行人的交通安全迫在眉睫。

发明内容

本发明融合车联网与深度学习技术，提出了一种基于车辆间协同计算通信的行人意图预测方法及系统。本发明针对深度学习的高算力需求，以车辆间协同计算的方式来充分利用车辆上空闲算力，弥补单辆车的算力不足。最后基于车辆间的通信，可以将行人意图信息与车辆决策信息快速的广播给后方车辆，避免碰撞追尾等交通事故的发生。

本发明的方法所采用的技术方案是：一种基于车辆间协同计算通信的行人意图预测方法，包括以下步骤：

步骤1：核心车辆向周边车辆广播请求报文，满足条件的周边车辆发送响应报文，以组建核心车辆为首的协同计算车队；

步骤2：核心车辆通过车辆前置摄像头，连续拍摄照片并保存；核心车辆根据协同计算车队中的车辆节点信息，将拍摄到的照片与行人bounding-box检测、行人姿态特征提取与道路环境特征提取任务划分按照车辆算力进行分配；

其中，根据车辆算力进行排序，选出算力最大的三辆车，其中两辆车进行行人bounding-box的检测与行人姿态特征的提取，剩余一辆进行道路环境特征提取；

步骤3：周边车辆接收到核心车辆传递的照片与指定任务后，通过神经网络模型处理指定任务，将处理后的结果返回给核心车辆；

步骤4：核心车辆接收到车队车辆的处理结果后，进行融合预测，判断道路中的行人意图，并判断自身是否需要进行减速决策；

步骤5：核心车辆将行人意图与自身决策信息返回周边车辆，便于周边车辆提前进行决策，避免事故发生。

本发明的系统所采用的技术方案是：一种基于车辆间协同计算通信的行人意图预测系统，包括以下模块：

模块1：核心车辆向周边车辆广播请求报文，满足条件的周边车辆发送响应报文，以组建核心车辆为首的协同计算车队；

模块2：核心车辆通过车辆前置摄像头，连续拍摄照片并保存；核心车辆根据协同计算车队中的车辆节点信息，将拍摄到的照片与行人bounding-box检测、行人姿态特征提取与道路环境特征提取任务划分按照车辆算力进行分配；

其中，根据车辆算力进行排序，选出算力最大的三辆车，其中两辆车进行行人bounding-box的检测与行人姿态特征的提取，剩余一辆进行道路环境特征的提取；

模块3：周边车辆接收到核心车辆传递的照片与指定任务后，通过神经网络模型处理指定任务，将处理后的结果返回给核心车辆；

模块4：核心车辆接收到车队车辆的处理结果后，进行融合预测，判断道路中的行人意图，并判断自身是否需要进行减速决策；

模块5：核心车辆将行人意图与自身决策信息返回周边车辆，便于周边车辆提前进行决策，避免事故发生。