[发明专利]一种基于行车态势图的车辆自动驾驶决策系统及基于无人机的训练集制备方法

摘要

本发明涉及一种基于行车态势图的车辆自动驾驶决策系统及基于无人机的训练集制备方法。该车辆自动驾驶决策系统包括感知层、决策层、控制层以及安全模块，采用行车态势图和卷积神经网络可对周围行车环境进行既准确客观又考虑周围驾驶人心理的感知，经过训练后的以卷积神经网络为主体的学习算法模型可以得到与人类驾驶习惯契合度很高的驾驶决策，提高行车安全性与驾乘舒适性。本发明一并提出的基于无人机的训练数据集制备方法可以简便高效生成大量带标签的行车态势图序列供驾驶决策系统中的学习算法模型训练使用。

主权项

1.一种基于行车态势图的车辆自动驾驶决策系统，该车辆自动驾驶决策系统包括感知层、决策层、控制层以及安全模块，其特征在于：所述感知层对视频进行抽象化处理，获取行车态势图序列X，并将所获取的行车态势图序列X传输到决策层进行处理；所述决策层接收行车态势图序列X，提取行车态势图序列X中的空间特征和运动特征，并将提取的所述空间特征与所述运动特征进行特征融合，得到融合后的特征图Fusion_conv5，将所述融合后的特征图Fusion_conv5输入Net_high卷积神经网络以从低级特征中提取感兴趣的高级特征并得到参考航迹点参数Δx、Δy、Δv和Δα，并进行轨迹拟合以及轨迹更迭；所述安全模块接收所述感知层的数据进行安全检测以及轨迹更正，具体包括：从感知系统处获得周围交通参与者的速度值后计算其加速度，当发现其加速度发生突变时以其突变后的加速度计算碰撞危险区域，根据碰撞危险区域修正参考轨迹从而避免碰撞；所述轨迹更正的具体过程为先沿原轨迹减速行驶，驾驶决策系统根据当前状态重新规划轨迹，之后车辆按照新轨迹行驶；其中，所述Net_high卷积神经网络为两层卷积层和三层全连接层的结构；所述感知层对视频进行抽象化处理，具体包括，先截取感兴趣区，然后获取车辆对象，对其进行跟踪获得轨迹参数，最后对图中各物体尺寸进行度量，经过图像处理，获得驾驶决策代入车在决策起始帧对应时刻后0.5s、1.0s和1.5s时对应的行车关键参数，所有交通参与者的位置和外形尺寸，以及交通标线和道路边界的位置和尺寸。