CN119283848A 一种基于深度学习的无人驾驶车辆控制方法 （南京工业职业技术大学）.docxVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN119283848A(43)申请公布日2025.01.10

(21)申请号202411313060.9

(22)申请日2024.09.20

(71)申请人南京工业职业技术大学

地址210000江苏省南京市栖霞区羊山北

路1号

(72)发明人翁秀奇陈加国周立汪自虎

GO6NGO6VGO6VGO6N

3/0464(2023.01)

10/82(2022.01)

10/80(2022.01)

3/092(2023.01)

(74)专利代理机构南京冠誉至恒知识产权代理

有限公司32426专利代理师姚娟

(51)Int.CI.

B60W30/09(2012.01)

B60W30/095(2012.01)

B60W60/00(2020.01)

B60W50/00(2006.01)

B60W40/02(2006.01)

权利要求书3页说明书10页附图2页

(54)发明名称

通过车辆的多种传感器实时采集道路环境中的弱小参与者的多模态数据；在采集到的数据中

通过车辆的多种传感器实时采集道路环境中的弱小参与者的多模态数据；在采集到的数据中使用改进的卷积神经网络进行对象检测，识别弱小参与者，并通过注意力机制增强模型对弱小参与者的检测精度，确保小型目标在复杂背景下的高精度识别，弱小参与者包括行人、自行车、电动自行车

基于已识别的弱小参与者，在预构建的时空图卷积神经网络ST-GCN中引入动态路径卷积模块，考虑参与者的实时位置和速度信息，并引入环境上下文和场景理解模块，通过多维信息融合，预测其下一时刻的弱小参与者行为，进行弱小参与者的行为意图预测

基于弱小参与者的行为意图预测结果，通过自

适应决策控制模块对车辆的路径规划和控制策

采用深度强化学习算法，通过不断模拟和学习

复杂场景中的多种潜在风险，优化车辆的规避

路径和车速控制策略

当预测到的弱小参与者行为意图存在不确定性或潜在风险时，自动触发紧急规避机制，动态评估当前交通环境的风险等级，生成最佳规避路径并执行紧急停车或绕行操作

略进行实时调整；其中，自适应决策控制模块

S2

S1

(57)摘要

119283848ACN本发明涉及车辆控制技术领域，具体涉及一种基于深度学习的无人驾驶车辆控制方法，包括以下步骤：实时采集道路环境中的弱小参与者的多模态数据，识别弱小参与者；通过多维信息融合，预测其下一时刻的弱小参与者行为，进行弱小参与者的行为意图预测；通过自适应决策控制模块对车辆的路径规划和控制策略进行实时调整；当预测到的弱小参与者行为意图存在高度不确定性或潜在风险时，自动触发紧急规避机制，动态评估当前交通环境的风险等级，生成最佳规避路径并执行紧急停车或绕行操作，本发明，结合了对参与者行为意图的高维度分析与车辆实时控制的双重保障，确保复杂交通场景下的行车安全性

119283848A

CN

CN119283848A权利要求书1/3页

2

1.一种基于深度学习的无人驾驶车辆控制方法，其特征在于，包括以下步骤：

S1,通过车辆的多种传感器实时采集道路环境中的弱小参与者的多模态数据；在采集到的数据中，使用改进的卷积神经网络进行对象检测，识别弱小参与者，并通过注意力机制增强模型对弱小参与者的检测精度，确保小型目标在复杂背景下的高精度识别，弱小参与者包括行人、自行车、电动自行车；

S2,基于已识别的弱小参与者，在预构建的时空图卷积神经网络ST-GCN中引入动态路径卷积模块，考虑参与者的实时位置和速度信息，并引入环境上下文和场景理解模块，通过多维信息融合，预测其下一时刻的弱小参与者行为，进行弱小参与者的行为意图预测；

S3,基于弱小参与者的行为意图预测结果，通过自适应决策控制模块对车辆的路径规划和控制策略进行实时调整；其中，自适应决策控制模块采用深度强化学习算法，通过不断模拟和学习复杂场景中的多种潜在风险，优化车辆的规避路径和车速控制策略；

S4,当预测到的弱小参与者行为意图存在不确定性或潜在风险时，自动触发紧急规避机制，动态评估当前交通环境的风险等级，生成最佳规避路径并执行紧急停车或绕行操作。

2.根据权利要求1所述