基于行人轨迹预测的无人驾驶汽车主动避撞算法
2021-01-25袁朝春宋金行何友国JIEShen翁烁丰
江苏大学学报(自然科学版) 2021年1期
关键词:汽车
袁朝春, 宋金行, 何友国, JIE Shen, 陈 龙, 翁烁丰
(1. 江苏大学 汽车工程研究院, 江苏 镇江 212013; 2. 密歇根大学迪尔本分校 计算机科学与信息科学系, 密歇根州 迪尔本MI 48128)
随着汽车保有量的增加,道路行人安全逐步成为关注的热点话题.传统行人安全保障主要通过车身吸能材料减轻碰撞伤害的被动行人保护系统[1]来实现,然而单纯的被动行人保护系统不足以充分保障行人安全,因此,基于多传感器检测的主动避撞系统[2]应运而生.安全距离模型主要有基于制动过程和基于车头时距的安全距离模型[3],广泛应用于主动避撞算法中.但是由于行人行走意图的主观能动性,轨迹存在风险转移的可能,具备潜伏性和突发性的交通事故风险,现有的安全距离模型对人车混杂环境下潜在交通事故的轨迹存在一定局限性.
目前,智能汽车领域专家逐渐意识到行人轨迹预测对汽车安全行驶的影响.D. HELBING等[4]基于社会力模型对行人进行建模,通过引力与斥力的相互作用规划行人行走轨迹,模型简单直接,但对模型参数的设置要求较高,实际应用能力较差.K. M. KITANI等[5]基于隐马尔可夫模型对行人进行建模,构建了描述行人运动状态转换的隐马尔可夫链,并使用反向强化学习的方式训练模型参数,但模型计算时间长、时效性低.董文杰[6]通过8分类的SVM分类器对行人头像角度进行识别,再基于动态多模的卡尔曼滤波算法进行运动预测,但是该算法最佳距离为3~5 m.
笔者提出一种基于行人轨迹预测的行人主动避撞算法.基于车载传感器获取道路行人图像和位置信息,通过深度学习算法识别行人的动作特征,挖掘轨迹潜在变化规律;……
登录APP查看全文