详情

原文传递融合时空状态与场景特征的车辆运行风险评估及预警研究

论文题名：	融合时空状态与场景特征的车辆运行风险评估及预警研究
关键词：	先进驾驶辅助系统;时空状态;场景特征;风险评估;行车安全
摘要：	随着全球智能汽车产业化进程加快，配备先进驾驶辅助系统（ Advanced Driving Assistance System，ADAS）的新车市场渗透率逐年增加，部分车企ADAS系统存在复杂场景下目标感知能力弱、交通风险预测与评估能力不足等问题，使得车辆运行存在安全隐患。城市结构化道路环境中，主车周围交通参与者数量众多且类型多样，交通流及路况复杂，其运行状态不可避免地受周围目标及场景上下文信息影响，若主车缺乏对周围运动目标未来行为的预见性，会导致不合理的行为规划，最终导致交通事故。针对上述问题，本文自主搭建车载激光雷达试验平台系统，用于有效感知复杂交通场景下车辆运行时空及场景特征信息，开展融合时空状态与场景特征的车辆运行状态预测及风险评估预警方法研究，以期为开发高性价比的ADAS系统提供参考。主要研究内容如下：　　（1）为解决复杂交通场景下的待识别点云目标易受到地面、噪点及遮挡等因素影响导致对目标特征难以提取的问题，提出交通场景点云预处理及目标特征增强识别技术。基于栅格地图的地面及噪声点滤除方法对车载激光雷达点云进行预处理，改进基于密度的噪声应用空间聚类（Density-Based Spatial Clustering of Application with Noise，DBSCAN）算法的点云聚类方法提高场景目标全局聚类速度，通过构建综合全局及局部特征的增强描述子，实现对聚类后的不同目标物三维点云特征增强提取，建立特征增强描述子（Feature Enhancement Descriptor，FED）数据集，设计试验对比不同算法对城市交通场景内目标物的分类识别效果，试验结果表明，所提出的FED-SVM方法对交通场景主要目标物识别精确率、召回率、F1-分数、平均准确率均高于其它对比方法，且对车辆的识别鲁棒性优于其它目标物。　　（2）为有效感知复杂交通场景内受遮挡影响的目标车辆运行状态，提出考虑遮挡影响的目标车辆时空状态感知技术。对比轴对齐包围框（Axis-aligned Bounding Box， AABB）、方向包围框（Oriented Bounding Box，OBB）、凸包（Convex Hull，CH）等传统方法的优缺点，确定采用基于L-Shape的目标车辆包围盒拟合方法。分析车辆受自遮挡及互遮挡影响情况，确定质心偏移量、航向角、3D包围盒尺寸、点云数量等参数作为考虑遮挡因素的关联度（Correlation Degree Considering Occlusion Factors，CDCOF）方法的关联特征，并结合双波门跟踪滤波算法及轨迹管理方法提高帧间数据关联度。使用交互式多模型（Interacting Multiple Model，IMM）算法，对所跟踪目标车辆在其运动模型发生变化时匹配相应滤波算法，提高对目标车辆运行状态估计的精度。通过搭建一维卷积神经网络提取主车与周围车辆间的潜在时空关系。所设计的车辆运行时空状态感知试验结果表明，CDCOF方法能有效提高所跟踪目标车辆数据关联度，基于IMM-KF/UKF交互式多模型的目标车辆运行状态估计算法表现出较好的鲁棒性。　　（3）为充分获取主车运行环境场景上下文信息，依据激光雷达坐标系与图像坐标系间的转化关系，建立时序点云双视图获取模型，实时将车载激光雷达所采集的交通场景原始点云数据同步转化为俯视图和前视图。建立基于改进 MobileNetV2-SAM 的双视图场景特征提取网络，引入空间注意力机制对所获取的车辆运行场景点云俯视图及前视图关键区域特征进行注意力加权操作，以提高模型特征提取性能，设计试验对比不同模型对主车所运行道路交通场景连续时刻的双视图场景特征提取效果，利用基于梯度加权类激活映射（Gradient-weighted Class Activation Mapping，Grad-CAM）网络实现模型性能的定性分析，可视化结果表明，本文所提出的改进 MobileNetV2-SAM 模型对主车运行环境场景点云双视图关键特征提取性能优于其它对比模型。　　（4）为有效评估复杂场景下主车与周围交通参与者间运行风险，建立融合时空状态与点云双视图特征提取网络，将主车和周围车辆间潜在时空关系特征与运行场景点云双视图抽象组合特征融合，所构成的时序特征向量作为 Attention-BiLSTM 网络输入数据，训练形成期望的输入输出映射关系，从而预测目标车辆的运动状态，提出基于目标车辆航向角的改进风险场模型对主车运行风险评估，结合预警模型对其进行风险预警，并基于预测风险场等势线与五次样条曲线交互关系为主车规划安全路径。设计车辆运行状态及风险预测评估试验，结果表明：Attention-BiLSTM模型对目标车辆运动状态参数预测性能均优于其它模型，且将点云双视图及车辆运行时空状态特征输入该模型时，对目标运行状态预测效果优于仅输入车辆运行时空状态特征时的预测效果；通过分析激光雷达线数对车辆运行状态预测影响，车载试验平台所选用 16 线激光雷达可满足模型预测的准确性及实时性需求；在城市道路及十字路口试验场景下，所提出的融合时空状态与场景特征的车辆运行风险评估及预警模型可为主车有效预警及提供安全路径参考。
作者：	张瑞宾
专业：	载运工具运用工程
导师：	郭应时
授予学位：	博士
授予学位单位：	长安大学
学位年度：	2022