CN116620271B - 基于短时记忆与行为树的智能驾驶行人避让方法和系统 - Google Patents
基于短时记忆与行为树的智能驾驶行人避让方法和系统 Download PDFInfo
- Publication number
- CN116620271B CN116620271B CN202310884487.3A CN202310884487A CN116620271B CN 116620271 B CN116620271 B CN 116620271B CN 202310884487 A CN202310884487 A CN 202310884487A CN 116620271 B CN116620271 B CN 116620271B
- Authority
- CN
- China
- Prior art keywords
- pedestrian
- node
- behavior
- driving
- condition
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 230000006399 behavior Effects 0.000 title claims abstract description 100
- 238000000034 method Methods 0.000 title claims abstract description 66
- 230000015654 memory Effects 0.000 title claims abstract description 38
- 238000011156 evaluation Methods 0.000 claims abstract description 4
- 230000009471 action Effects 0.000 claims description 31
- 230000008569 process Effects 0.000 claims description 12
- 230000006403 short-term memory Effects 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 9
- 238000006073 displacement reaction Methods 0.000 claims description 6
- 238000004590 computer program Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 10
- 230000006870 function Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000005516 engineering process Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- 238000012854 evaluation process Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000005055 memory storage Effects 0.000 description 1
- 229920001296 polysiloxane Polymers 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 239000010979 ruby Substances 0.000 description 1
- 229910001750 ruby Inorganic materials 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Classifications
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
- B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
- B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
- B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/402—Type
- B60W2554/4029—Pedestrians
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B60—VEHICLES IN GENERAL
- B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
- B60W2554/00—Input parameters relating to objects
- B60W2554/40—Dynamic objects, e.g. animals, windblown objects
- B60W2554/404—Characteristics
- B60W2554/4045—Intention, e.g. lane change or imminent movement
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Transportation (AREA)
- Mechanical Engineering (AREA)
- Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Traffic Control Systems (AREA)
Abstract
基于短时记忆与行为树的智能驾驶行人避让方法和系统,其方法包括:S1在目标车辆行驶过程中,获取对当前驾驶行为有影响的行人状态信息和目标车辆周围环境信息;S2基于获取的行人状态,更新行人集合;S3评估行人集合中时间窗口不小于预设时间窗口阈值的行人的意图;S4根据预构建的基于行为树的行人避让决策模型确定当前应对行人驾驶行为。本发明对行人的意图的评估准确,在提升行车效率的同时保证行人的安全;此外,基于行为树构建行人避让决策模型,简化了各驾驶行为的切换逻辑,进一步提高了决策系统的可解释性与可靠性。
Description
技术领域
本发明属于自动驾驶决策与规划技术领域,尤其涉及人车混流场景下的智能驾驶行人避让决策方法和系统。
背景技术
随着汽车智能化技术的不断升级,智能驾驶技术被广泛应用于工业园区接驳、小区快递投递、城市道路辅助驾驶等任务。这些应用背景中都可能存在行人与车辆混行的情况。行人具有脆弱与碰撞代价高的特点,使得智能驾驶决策与规划的安全性变得尤其重要。
现有的行人避让决策与规划方法中,公开号为CN114379549A的中国专利《行人避让方法、装置及存储介质》提出了一种基于车辆与行人距离的行人避让方法,为了保证自车能够安全的避让行人,根据车辆速度在满足一定预设避让速度的情况下执行避让行人动作;该方法没有考虑行人的意图,对于行人横穿马路的情况极有可能避让失败。
公开号为CN114379587A的中国专利《自动驾驶中避让行人的方法与装置》中则结合信号灯状态与行人运动方向角度值来得到行人的运动意图,使车辆能够更加合理地避让横穿马路的行人。但是,该方法对行人意图估计的有效性非常依赖交通信号灯信息,无法用于没有交通灯的工业园区、住宅小区、乡村道路以及部分老旧街道等更加复杂的行驶场景,同时行人的行为具有机动性强、不确定性高、难以实时预测等特点,因此对行人行为意图进行有效的估计是提升人车混行场景下智能驾驶有效性与安全性的重要前提。
发明内容
本发明要看克服现有方法的上述不足,提供一种基于短时记忆与行为树的智能驾驶行人避让方法和系统。
基于短时记忆与行为树的智能驾驶行人避让方法,包含以下步骤:
S1 在目标车辆行驶过程中,获取对当前驾驶行为有影响的行人状态信息和目标车辆周围环境信息;
S2 基于获取的行人状态,更新行人集合;
S3 评估行人集合中时间窗口不小于预设时间窗口阈值的行人的意图;
S4 根据预构建的基于行为树的行人避让决策模型确定当前应对行人驾驶行为。
进一步,步骤S1中对当前驾驶行为有影响的行人,指的是目标车辆当前所在道路前方预定范围内的行人
进一步,步骤S1中行人状态信息包括行人位置,行人速度。
进一步,,步骤S2中基于获取的行人状态,更新行人集合,指的是对每个目标行人维护一个先进先出的队列q,最大长度为n,用来存储目标行人的状态信息,将目标行人的当前状态数据存储到队列q中,其中长度n由预设时间窗口阈值确定;若长时间没有获得目标行人新的状态信息,则丢弃目标行人的队列。
进一步,,步骤S3中评估行人的意图,具体包括以下子步骤:
(1)获取目标行人的状态信息队列q中的第一个状态数据p0和其它各状态数据pt,其中t=1,…,n-1;
(2)计算行人在状态pt, t=1,…,n-1相对p0处的位移向量vt, t=1,…,n-1;
(3)利用上述计算的位移向量的线性组合估计行人的移动方向v=VTW,其中,V=[v1,v2, …, vn-1]T ,W=[w1,w2, …,wn-1]T表示线性系数向量;
(4)获取目标行人所在道路朝向h;
(5)计算目标行人所在道路朝向h与行人移动方向v之间夹角的角度值a;
(6)若角度值a满足预设的行人横穿马路夹角阈值时,将横穿马路作为目标行人的行为意图,否则将沿道路行走作为目标行人的行为意图。
进一步,步骤S4中预构建的行为树,包括控制节点和执行节点,所述控制节点包括回退节点FB,执行节点包括条件节点C1,条件节点C2,条件节点C3,动作节点A1,动作节点A2和动作节点A3;
进一步,条件节点C1的判断逻辑为存在行人的意图为横穿马路,当条件判断为真则执行动作节点A1,条件节点C1返回成功给回退节点FB;
C2的判断逻辑为存在没有时间窗口小于预设时间窗口阈值的行人且目标车辆周围环境允许绕行,当条件判断为真则执行动作节点A2,条件节点C2返回成功给回退节点FB;
C3的判断逻辑为真,执行动作节点A3,条件节点C3返回成功给回退节点FB;
动作A1的执行逻辑为让行的驾驶行为;
动作A2的执行逻辑为绕行的驾驶行为;
动作A3的行为决策为保守的驾驶行为。
进一步,所述的让行的驾驶行为指的是能够保证车辆与行人有预定安全距离,且速度符合舒适性约束,停车等候行人过马路的驾驶行为;
所述的执行绕行的驾驶行为指的是能够保证安全的超过行人的驾驶行为;
所述的执行保守的驾驶行为指的是与行人保持预定安全距离的驾驶行为。
进一步,控制节点和执行节点的工作过程包括:
回退节点从左到右轮询子节点,直至找到返回成功的子节点返回给父节点,当所有的子节点都返回失败时,返回失败给父节点;
条件节点检查自身条件,如果条件是真,返回成功,否则返回失败;
动作节点执行命令,返回成功。
实施本发明的一种基于短时记忆与行为树的智能驾驶行人避让方法的系统,包含:
信息获取模块,用于在目标车辆行驶过程中,获取对当前驾驶行为有影响的行人状态信息和目标车辆周围环境信息;
行人集合更新模块,基于获取的行人状态,更新行人集合;
行人意图评估模块,用于评估行人集合中时间窗口不小于预设时间窗口阈值的行人的意图;
行人驾驶行为确定模块,根据预构建的基于行为树的行人避让决策模型确定当前应对行人驾驶行为。
本发明还涉及一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时,实现本发明的一种基于短时记忆与行为树的智能驾驶行人避让方法。
本发明还涉及一种计算设备,包括存储器和处理器,其中,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现本发明的一种基于短时记忆与行为树的智能驾驶行人避让方法。
本发明的方法在避让行人决策时引入了短时记忆与行为树模型,在发现行人后的一段时间范围内先执行保守驾驶行为对行人意图进行观察,再进行行人避让决策,能够保证行人绝对安全的前提下,同时保证智能驾驶车辆在人流中更高效率的通行。相比现有方法中发现目标行人后立即评估意图进行行为决策切换,本发明引入了类人的观察方法即在预设时间窗口内持续评估行人意图,而后再调整行为决策,更好的保证了行人意图判断的准确性和行为决策的稳定性与有效性。
本发明的优点是:通过引入类似人类驾驶员的观察与评估过程,仅依赖行人历史状态信息对行人的意图进行更加准确的估计;同时,类人的驾驶场景观察与评估过程也能让智能驾驶车辆在复杂的环境下具有更富余的决策与规划时间,在提升行车效率的同时保证行人的安全;此外,基于行为树构建行人避让决策模型,简化了各驾驶行为的切换逻辑,进一步提高了决策系统的可解释性与可靠性。
附图说明
图1是本发明方法的流程图。
图2是本发明的避让决策模型示意图。
图3是保守驾驶行为示意图,驾驶员在预设时间窗口内评估行人意图。
图4是绕行示意图,驾驶员对于大于预设时间窗口的行人,判断其意图为沿路行走,执行绕行的驾驶行为。
图5是让行示意图,驾驶员对于行人的意图是横穿马路时,执行让行的驾驶行为。
图6是本发明的系统结构图。
具体实施方式
为了使本发明的目的、技术方案和技术效果更佳清楚明白,以下结合说明书附图和实施例,对本发明作进一步详细说明。
实施例1
如图1~图5所示,本发明的基于短时记忆与行为树的智能驾驶行人避让方法,包括以下步骤:
S1, 在目标车辆行驶过程中,获取对当前驾驶行为有影响的行人状态信息和目标车辆周围环境信息,具体的对当前驾驶行为有影响的行人指的是目标车辆当前所在道路前方一定范围内的行人, 行人状态包括但不限于行人位置,行人速度
S2, 基于获取的行人状态,更新行人集合,具体的指的是对每个目标行人维护一个先进先出的队列q,最大长度为n,用来存储目标行人的状态信息,将目标行人的当前状态数据存储到队列q中,其中长度n由预设时间窗口阈值确定;若长时间没有获得目标行人新的状态信息,则丢弃目标行人的队列
S3,评估行人集合中时间窗口不小于预设时间窗口阈值的行人的意图,具体包含以下子步骤:
(1)获取目标行人的状态信息队列q中的第一个状态数据p0和其它各状态数据pt,其中t=1,…,n-1;
(2)计算行人在状态pt, t=1,…,n-1相对p0处的位移向量vt, t=1,…,n-1;
(3)利用上述计算的位移向量的线性组合估计行人的移动方向v=VTW,其中,V=[v1,v2, …, vn-1]T ,W=[w1,w2, …,wn-1]T表示线性系数向量;
(4)获取目标行人所在道路朝向h;
(5)计算目标行人所在道路朝向h与行人移动方向v之间夹角的角度值a;
(6)若角度值a满足预设的行人横穿马路夹角阈值时,将横穿马路作为目标行人的行为意图,否则将沿道路行走作为目标行人的行为意图;
S4,根据预构建的基于行为树的行人避让决策模型确定当前应对行人驾驶行为。
步骤S4中预构建的行为树,包括控制节点和执行节点,所述控制节点包括回退节点FB,执行节点包括条件节点C1,条件节点C2,条件节点C3,动作节点A1,动作节点A2和动作节点A3;
进一步,条件节点C1的判断逻辑为存在行人的意图为横穿马路,当条件判断为真则执行动作节点A1,条件节点C1返回成功给回退节点FB;
C2的判断逻辑为存在没有时间窗口小于预设时间窗口阈值的行人且目标车辆周围环境允许绕行,当条件判断为真则执行动作节点A2,条件节点C2返回成功给回退节点FB;
C3的判断逻辑为真,执行动作节点A3,条件节点C3返回成功给回退节点FB;
动作A1的执行逻辑为让行的驾驶行为;
动作A2的执行逻辑为绕行的驾驶行为;
动作A3的行为决策为保守的驾驶行为。
进一步,所述的让行的驾驶行为指的是能够保证车辆与行人有预定安全距离,且速度符合舒适性约束,停车等候行人过马路的驾驶行为;
所述的执行绕行的驾驶行为指的是能够保证安全的超过行人的驾驶行为;
所述的执行保守的驾驶行为指的是与行人保持预定安全距离的驾驶行为。
进一步,控制节点和执行节点的工作过程包括:
回退节点从左到右轮询子节点,直至找到返回成功的子节点返回给父节点,当所有的子节点都返回失败时,返回失败给父节点;
条件节点检查自身条件,如果条件是真,返回成功,否则返回失败;
动作节点执行命令,返回成功。
实施例2
参照图3-图6,实施本发明的基于短时记忆与行为树的智能驾驶行人避让方法的系统,包含:
信息获取模块,用于在目标车辆行驶过程中,获取对当前驾驶行为有影响的行人状态信息和目标车辆周围环境信息;
行人集合更新模块,基于获取的行人状态,更新行人集合;
行人意图评估模块,用于评估行人集合中时间窗口不小于预设时间窗口阈值的行人的意图;
行人驾驶行为确定模块,根据预构建的基于行为树的行人避让决策模型确定当前应对行人驾驶行为。
实施例3
本发明还涉及一种计算机可读存储介质,其上存储有程序,该程序被处理器执行时,实现实施例1所述的基于短时记忆与行为树的智能驾驶行人避让方法。
实施例4
本发明还涉及一种计算设备,包括存储器和处理器,其中,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现实施例1的基于短时记忆与行为树的智能驾驶行人避让方法。
在硬件层面,该计算设备包括处理器、内部总线、网络接口、内存以及非易失性存储器,当然还可能包括其他业务所需要的硬件。处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行,以实现上述图1所示的方法。当然,除了软件实现方式之外,本发明并不排除其他实现方式,比如逻辑器件抑或软硬件结合的方式等等,也就是说以下处理流程的执行主体并不限定于各个逻辑单元,也可以是硬件或逻辑器件。
对于一个技术的改进可以很明显地区分是硬件上的改进(例如,对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(对于方法流程的改进)。然而,随着技术的发展,当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此,不能说一个方法流程的改进就不能用硬件实体模块来实现。例如,可编程逻辑器件(ProgrammableLogic Device, PLD)(例如现场可编程门阵列(Field Programmable Gate Array,FPGA))就是这样一种集成电路,其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上,而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且,如今,取代手工地制作集成电路芯片,这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现,它与程序开发撰写时所用的软件编译器相类似,而要编译之前的原始代码也得用特定的编程语言来撰写,此称之为硬件描述语言(HardwareDescription Language,HDL),而HDL也并非仅有一种,而是有许多种,如ABEL(AdvancedBoolean Expression Language)、AHDL(Altera Hardware Description Language)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(JavaHardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(Ruby HardwareDescription Language)等,目前最普遍使用的是VHDL(Very-High-Speed IntegratedCircuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚,只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中,就可以很容易得到实现该逻辑方法流程的硬件电路。
控制器可以按任何适当的方式实现,例如,控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit,ASIC)、可编程逻辑控制器和嵌入微控制器的形式,控制器的例子包括但不限于以下微控制器:ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20 以及Silicone Labs C8051F320,存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
上述实施例阐明的系统、装置、模块或单元,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的,计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便,描述以上装置时以功能分为各种单元分别描述。当然,在实施本发明时可以把各单元的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
还需要说明的是,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白,本发明的实施例可提供为方法、系统或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本发明中的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。尤其,对于系统实施例而言,由于其基本相似于方法实施例,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的实施例而已,并不用于限制本发明。对于本领域技术人员来说,本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等,均应包含在本发明的权利要求范围之内。
Claims (9)
1.一种基于短时记忆与行为树的智能驾驶行人避让方法,其特征在于,包含以下步骤:
S1 在目标车辆行驶过程中,获取对当前驾驶行为有影响的行人状态信息和目标车辆周围环境信息;
S2 基于获取的行人状态,更新行人集合;
S3 评估行人集合中时间窗口不小于预设时间窗口阈值的行人的意图;评估行人的意图,具体包括以下子步骤:
(1) 获取目标行人的状态信息队列q中的第一个状态数据p0和其它各状态数据pt,其中t=1,…,n-1;
(2) 计算行人在状态pt, t=1,…,n-1相对p0处的位移向量vt, t=1,…,n-1;
(3) 利用上述计算的位移向量的线性组合估计行人的移动方向v=VTW,其中,V=[v1,v2, …, vn-1]T ,W=[w1,w2, …,wn-1]T表示线性系数向量;
(4) 获取目标行人所在道路朝向h;
(5) 计算目标行人所在道路朝向h与行人移动方向v之间夹角的角度值a;
(6) 若角度值a满足预设的行人横穿马路夹角阈值时,将横穿马路作为目标行人的行为意图,否则将沿道路行走作为目标行人的行为意图;
S4 将行人意图输入预构建的基于行为树的行人避让决策模型,确定当前应对行人的驾驶行为的决策;
预构建的行为树,包括控制节点和执行节点,所述控制节点包括回退节点FB,执行节点包括条件节点C1,条件节点C2,条件节点C3,动作节点A1,动作节点A2和动作节点A3;
条件节点C1的判断逻辑为存在行人的意图为横穿马路,当条件判断为真则执行动作节点A1,条件节点C1返回成功给回退节点FB;
C2的判断逻辑为存在没有时间窗口小于预设时间窗口阈值的行人且目标车辆周围环境允许绕行,当条件判断为真则执行动作节点A2,条件节点C2返回成功给回退节点FB;
C3的判断逻辑为真,执行动作节点A3,条件节点C3返回成功给回退节点FB;
动作A1的执行逻辑为让行的驾驶行为;
动作A2的执行逻辑为绕行的驾驶行为;
动作A3的行为决策为保守的驾驶行为。
2.如权利要求1所述的一种基于短时记忆与行为树的智能驾驶行人避让方法,其特征在于,步骤S1中对当前驾驶行为有影响的行人,指的是目标车辆当前所在道路前方预定范围内的行人。
3.如权利要求1所述的一种基于短时记忆与行为树的智能驾驶行人避让方法,其特征在于,步骤S1中行人状态信息包括行人位置,行人速度。
4.如权利要求1所述的一种基于短时记忆与行为树的智能驾驶行人避让方法,其特征在于,步骤S2中基于获取的行人状态,更新行人集合,指的是对每个目标行人维护一个先进先出的队列q,最大长度为n,用来存储目标行人的状态信息,将目标行人的当前状态数据存储到队列q中,其中长度n由预设时间窗口阈值确定;若长时间没有获得目标行人新的状态信息,则丢弃目标行人的队列。
5.如权利要求1所述的一种基于短时记忆与行为树的智能驾驶行人避让方法,其特征在于,所述的让行的驾驶行为指的是能够保证车辆与行人有预定安全距离,且速度符合舒适性约束,停车等候行人过马路的驾驶行为;所述的绕行的驾驶行为指的是能够保证安全的超过行人的驾驶行为;所述的保守的驾驶行为指的是与行人保持预定安全距离的驾驶行为。
6.如权利要求1所述的一种基于短时记忆与行为树的智能驾驶行人避让方法,其特征在于,控制节点和执行节点的工作过程包括:
回退节点从左到右轮询子节点,直至找到返回成功的子节点返回给父节点,当所有的子节点都返回失败时,返回失败给父节点;
条件节点检查自身条件,如果条件是真,返回成功,否则返回失败;
动作节点执行命令,返回成功。
7.实施权利要求1所述的一种基于短时记忆与行为树的智能驾驶行人避让方法的系统,其特征在于,包含:
信息获取模块,用于在目标车辆行驶过程中,获取对当前驾驶行为有影响的行人状态信息和目标车辆周围环境信息;
行人集合更新模块,基于获取的行人状态,更新行人集合;
行人意图评估模块,用于评估行人集合中时间窗口不小于预设时间窗口阈值的行人的意图;
行人驾驶行为确定模块,根据预构建的基于行为树的行人避让决策模型确定当前应对行人驾驶行为。
8.一种计算机可读存储介质,其特征在于,其上存储有程序,该程序被处理器执行时,实现权利要求1-6中任一项所述的一种基于短时记忆与行为树的智能驾驶行人避让方法。
9.一种计算设备,包括存储器和处理器,其中,所述存储器中存储有可执行代码,所述处理器执行所述可执行代码时,实现权利要求1-6中任一项所述的一种基于短时记忆与行为树的智能驾驶行人避让方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310884487.3A CN116620271B (zh) | 2023-07-19 | 2023-07-19 | 基于短时记忆与行为树的智能驾驶行人避让方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310884487.3A CN116620271B (zh) | 2023-07-19 | 2023-07-19 | 基于短时记忆与行为树的智能驾驶行人避让方法和系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116620271A CN116620271A (zh) | 2023-08-22 |
CN116620271B true CN116620271B (zh) | 2023-11-03 |
Family
ID=87638501
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310884487.3A Active CN116620271B (zh) | 2023-07-19 | 2023-07-19 | 基于短时记忆与行为树的智能驾驶行人避让方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116620271B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377040A (zh) * | 2019-07-31 | 2019-10-25 | 北京智行者科技有限公司 | 基于行为树的自动驾驶决策方法及装置 |
CN113232674A (zh) * | 2021-05-28 | 2021-08-10 | 南京航空航天大学 | 基于决策树和贝叶斯网络的车辆控制方法和装置 |
CN113887726A (zh) * | 2021-10-30 | 2022-01-04 | 上海商汤临港智能科技有限公司 | 数据生成、驾驶策略验证、强化学习网络训练方法及装置 |
CN114872732A (zh) * | 2019-09-11 | 2022-08-09 | 北京百度网讯科技有限公司 | 自动驾驶车辆的驾驶决策共享方法、装置、设备和介质 |
CN115082900A (zh) * | 2022-07-19 | 2022-09-20 | 湖南大学无锡智能控制研究院 | 一种停车场场景下智能车辆行驶决策系统及方法 |
CN115871658A (zh) * | 2022-12-07 | 2023-03-31 | 之江实验室 | 一种面向稠密人流的智能驾驶速度决策方法和系统 |
CN116259185A (zh) * | 2023-01-30 | 2023-06-13 | 湖南大学无锡智能控制研究院 | 停车场场景下融合预测算法的车辆行为决策方法及装置 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20230094512A (ko) * | 2021-12-21 | 2023-06-28 | 한국전자기술연구원 | 주행 시뮬레이터를 위한 행동 트리 기반의 이벤트 및 객체 조작 방법 |
-
2023
- 2023-07-19 CN CN202310884487.3A patent/CN116620271B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110377040A (zh) * | 2019-07-31 | 2019-10-25 | 北京智行者科技有限公司 | 基于行为树的自动驾驶决策方法及装置 |
CN114872732A (zh) * | 2019-09-11 | 2022-08-09 | 北京百度网讯科技有限公司 | 自动驾驶车辆的驾驶决策共享方法、装置、设备和介质 |
CN113232674A (zh) * | 2021-05-28 | 2021-08-10 | 南京航空航天大学 | 基于决策树和贝叶斯网络的车辆控制方法和装置 |
CN113887726A (zh) * | 2021-10-30 | 2022-01-04 | 上海商汤临港智能科技有限公司 | 数据生成、驾驶策略验证、强化学习网络训练方法及装置 |
CN115082900A (zh) * | 2022-07-19 | 2022-09-20 | 湖南大学无锡智能控制研究院 | 一种停车场场景下智能车辆行驶决策系统及方法 |
CN115871658A (zh) * | 2022-12-07 | 2023-03-31 | 之江实验室 | 一种面向稠密人流的智能驾驶速度决策方法和系统 |
CN116259185A (zh) * | 2023-01-30 | 2023-06-13 | 湖南大学无锡智能控制研究院 | 停车场场景下融合预测算法的车辆行为决策方法及装置 |
Non-Patent Citations (1)
Title |
---|
一种城市道路场景下行人危险度评估方法;曾令秋;马济森;韩庆文;叶蕾;;湖南大学学报(自然科学版)(第08期);88-94 * |
Also Published As
Publication number | Publication date |
---|---|
CN116620271A (zh) | 2023-08-22 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110262486B (zh) | 一种无人驾驶设备运动控制方法及装置 | |
CN112629550B (zh) | 一种预测障碍物轨迹以及模型训练的方法及装置 | |
CN111007858B (zh) | 车辆行驶决策模型的训练方法、行驶决策确定方法及装置 | |
CN113968243B (zh) | 一种障碍物轨迹预测方法、装置、设备及存储介质 | |
CN113296541B (zh) | 一种基于未来碰撞风险的无人设备控制方法及装置 | |
CN112306059B (zh) | 一种控制模型的训练方法、控制方法以及装置 | |
CN111238523A (zh) | 一种运动轨迹的预测方法及装置 | |
CN112799411A (zh) | 一种无人驾驶设备的控制方法及装置 | |
CN112327864A (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN116001811A (zh) | 一种自动驾驶车辆的轨迹规划方法、装置及设备 | |
CN113074748B (zh) | 一种无人驾驶设备的路径规划方法及装置 | |
CN116620271B (zh) | 基于短时记忆与行为树的智能驾驶行人避让方法和系统 | |
CN115871658B (zh) | 一种面向稠密人流的智能驾驶速度决策方法和系统 | |
CN113033527A (zh) | 一种场景识别方法、装置、存储介质及无人设备 | |
CN117008615A (zh) | 一种策略切换的无人车轨迹规划方法和系统 | |
CN114153207B (zh) | 一种无人驾驶设备的控制方法及控制装置 | |
CN114019971B (zh) | 一种无人设备控制方法、装置、存储介质及电子设备 | |
CN110550025B (zh) | 一种自动泊车的方法及装置 | |
CN114194213A (zh) | 一种目标物轨迹预测方法、装置、存储介质及电子设备 | |
CN114590249A (zh) | 一种无人设备控制方法、装置、设备及存储介质 | |
CN117351117B (zh) | 一种道路结构的更新方法、装置、存储介质、设备 | |
CN117382593B (zh) | 一种基于激光点云过滤的车辆紧急制动方法和系统 | |
CN113815651B (zh) | 一种无人设备控制方法、装置、设备及存储介质 | |
CN112393723B (zh) | 一种定位方法、设备、介质及无人设备 | |
CN116740924A (zh) | 一种道路通行时长的确定方法、装置和可读介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |