买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!
申请/专利权人:重庆大学
摘要:本发明公开了一种基于自适应高斯过程的前车运动状态预测方法,首先,采集不同驾驶环境下的自然驾驶数据,并将从中提取的数据片段按照前方车辆类型分为三类,然后,通过分类数据训练HMM及获取每类GPR模型超参数的初始值和边界约束。之后采集实时驾驶数据,利用HMM对前方车辆类型进行识别,并根据识别结果选择相应的初始值及边界约束,通过实时驾驶数据对超参数进行自适应更新,构建自适应高斯过程,最后利用自适应高斯过程预测前车运动状态。从车辆角度考虑前车运动特性,有效避免驾驶员特性对前车状态的影响,通过AOGPR模型能有效的对前车状态进行预测,不仅能对前车运动状态进行长时间预测,还能对前车运动状态的不确定性进行预测,该方法扩展性强,能适应不同的驾驶场景。
主权项:1.一种基于自适应高斯过程的前车运动状态预测方法,其特征在于,包括:采集驾驶员在不同驾驶环境下的自然驾驶数据构建多个训练集,所有训练集分别与不同前车类型一一对应;通过所有训练集对前车识别模型进行训练,并确定不同前车类型对应的高斯回归过程的超参数初始值和边界约束;采集车辆的实时驾驶数据,通过训练好的前车识别模型确定前车类型;根据识别结果选择相应的超参数初始值和边界约束,并通过所述实时驾驶数据对超参数进行自适应优化更新,构建自适应高斯过程预测前车运动状态;所述通过所有训练集对前车识别模型进行训练包括:通过相应训练集对不同车辆类型对应的混合高斯模型进行训练,得到多个训练好的混合高斯模型;通过训练好的不同车辆类型对应的混合高斯模型和维特比算法,构建得到隐马尔可夫模型作为所述前车识别模型;通过贝叶斯准则确定所述混合高斯模型的高斯个数,并通过最大似然函数确定所述混合高斯模型的参数;通过将相应训练集中的样本数据按照预设的时间长度进行离散处理得到所述超参数初始值和边界约束;采用以下方法对所述超参数进行优化更新:采集一定时间的实时驾驶数据构建优化训练集;通过优化训练集进行高斯过程训练,利用最大似然函数求取高斯过程参数;基于梯度优化算法进行优化求解,并根据求解结果更新所述超参数。
全文数据:
权利要求:
百度查询: 重庆大学 基于自适应高斯过程的前车运动状态预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。