[发明专利]一种面向无人车智能评估的交通场景复杂度计算方法

权利要求书

1.一种面向无人车智能评估的交通场景复杂度计算方法，其特征在于，包括以下步骤：

1)通过激光点云数据信息计算各交通元素距离视点车辆的距离及角度，再利用车辆的八邻域和非车辆的N邻域分别计算车辆及非车辆的复杂度，最后将车辆的复杂度与非车辆的复杂度进行加权求和，得交通元素的复杂度；

2)从道路类型、场景内容及场景条件三个不同的角度对具有感知数据注释的场景数据进行量化描述，其中，道路类型及场景内容用one-hot向量进行描述，该one-hot向量只有一个特征不为0，其他均为0，场景条件的描述向量利用程度型向量进行表示，利用[0,1]之间的一位连续小数描述场景条件的程度；

3)由拓扑关系提取交通元素拓扑关系有向图，其中，交通元素拓扑关系有向图中的每个结点代表一个交通元素，交通元素拓扑关系有向图中的每一条边代表结点与结点之间的拓扑关系，得每个交通元素之间的交并比，以构建拓扑关系描述矩阵，该拓扑关系描述矩阵用于保存每个交通元素之间的遮挡关系，计算拓扑结构描述矩阵的特征向量；

4)将步骤2)得到的场景条件的描述向量与步骤3)得到拓扑关系描述矩阵的特征向量进行串联融合，得融合向量，再根据融合向量通过支持向量回归方法计算道路的复杂度；

5)将步骤1)得到的交通元素的复杂度与步骤4)得到的道路的复杂度进行加权求和，得交通场景的复杂度；

步骤1)的具体操作为：

1.1)当参与者类型为车辆时，设交通场景图像中含有I辆车，I＝0,1,2,3…,i，全部车辆对整体复杂度的贡献C_car通过最近的八辆车的信息进行计算，其中，

其中，D_i为第i个交通元素距视点车辆的距离，A_i为第i个交通元素位于视点车辆的角度，D_icos(A_i)为交通元素距视点车辆的横向距离，D_icos(A_i)为交通元素距视点车辆的横向距离，D_isin(A_i)为交通元素距视点车辆的纵向距离公式中的α和β分别是横纵贡献的权重，参数λ用于对复杂度在0到1之间的分布进行调整；

1.2)当参与者类型为行人及骑行者，设交通场景图像中含有J个行人及K个骑行者，J＝0,1,2,3…,j，K＝0,1,2,3…,k，全部非车辆交通参与者对整体复杂度的贡献C_{pedestrian,cyclists}为：

1.3)将步骤1.1)计算得到的全部车辆对整体复杂度的贡献C_car及全部非车辆交通参与者对整体复杂度的贡献C_{pedestrian,cyclists}通过相加后再进行均值计算，得区间在(0,1)上的交通场景元素的复杂度C_E为：

2.根据权利要求1所述的面向无人车智能评估的交通场景复杂度计算方法，其特征在于，步骤2)中道路类型包括城区、高速及乡村，用0和1确定唯一的道路类型；

场景内容包括正常行驶、路口、上下高架、通过收费、隧道、转盘、陡坡、桥梁及铁道，用0和1确定唯一的道路类型；

场景条件包含弯道、超车、行人避让、施工、大车流、雾霾、夜晚、路面痕迹、车道线模糊及光线影响，场景条件的值介于0和1之间，其中，0表示没有挑战，1表示可能的最具挑战性的条件。

3.根据权利要求1所述的面向无人车智能评估的交通场景复杂度计算方法，其特征在于，步骤3)中，每个交通元素之间的交并比IoU为：

当交通元素A离视点车辆更近遮挡住交通元素B时，则IoU_A的值为正，IoU_B的值为负。