[发明专利]考虑人车交互的行人轨迹预测及主动避撞方法及系统

权利要求书

1.一种考虑人车交互的行人轨迹预测及主动避撞方法，其特征在于，包括以下步骤：

S1，获取本车行驶状态信息、行人运动状态信息和车辆前方图像；

S2，根据采集得到的车辆前方图像，提取行人头部区域并对行人脸部朝向进行识别，根据行人脸部朝向判断行人是否注意到来车；基于逻辑回归模型，融合行人运动状态信息、行人脸部朝向和车辆运动状态信息，判断行人的意图；

S3，根据行人脸部朝向，若判定行人未注意到车辆，则利用马尔科夫行人模型预测行人在未来预设时长内的轨迹；利用马尔科夫行人模型预测行人在未来预设时长内轨迹的过程如下：

行人未注意到车辆，此时道路上的车辆可视为对行人无干扰，过街行人在无外部干扰情况下的自由运动符合马尔科夫过程，行人未来的位置和速度取决于他当前的位置和速度，由此可以得到行人的状态描述：

State_ped＝(x_p(t),y_p(t),v_x-p(t),v_y-p(t))

式中，State_ped为行人的状态，v_x-p(t)和v_y-p(t)分别表示行人在X方向和Y方向上t时刻的速度，Δv_x-p和Δv_y-p分别表示在X方向和Y方向上t时刻的速度增量，v_x-p(t+Δt)和v_y-p(t+Δt)分别表示行人在X方向和Y方向上t+Δt时刻的速度，k_x和k_y表示常数，和分别表示行人在X方向和Y方向的期望速度，ε_x和ε_y分别表示行人在X方向和Y方向速度增量的随机扰动，x_p(t)和y_p(t)分别表示行人在X方向和Y方向关于时间t的位移函数，p_m(t)表示马尔科夫行人模型预测得到的行人在t时的位置；

S4，根据行人脸部朝向及行人意图判断结果，若判定行人注意到车辆且继续行走，引入社会力模型对此时行人的运动进行预测；并在该类行人运动过程中再引入马尔科夫行人模型进行预测；将马尔科夫行人模型预测出来的行人位置和社会力模型预测出来的行人位置进行加权融合得到修正后的行人位置；根据设定的时间步长，得到预设时长内的轨迹曲线；利用社会力模型对此时行人的运动进行预测，具体步骤包括：

行人向目标点移动存在一个驱动力，面对来车行人会受到车辆的排斥力，道路也会给行人施加一个隐藏的边界力，将这些力进行累加形成合力，行人的位置将在社会力的作用下随着时间步长递推；行人所受的合力以及位置的表达公式如下：

式中，F_ped(t)表示行人受到的社会力合力，F_d表示行人向目标点移动受到的驱动力，F_vp表示行人面对来车受到的排斥力，F_e表示道路给行人施加一个隐藏的边界力。v_n(t)表示行人在t时的速度，p_s(t)表示社会力模型预测得到的行人在t时的位置，p_s(t+Δt)表示行人在t+Δt时的位置，Δt表示时间步长，m表示行人的质量；

S5，根据预测出来的行人轨迹进行安全状态判断，决策出车辆在保证安全的情况下合适的避撞策略。

2.根据权利要求1所述的一种考虑人车交互的行人轨迹预测及主动避撞方法，其特征在于，上述S2中，行人脸部朝向识别步骤包括：

(1)根据车辆前方图像，采用Yolo算法检测行人的头部区域，得到头部图像；

(2)采用卷积神经网络搭建行人脸部正向/侧向/背向分类器，确定行人的脸部朝向Orientation。