本發(fā)明涉及自動駕駛，尤其涉及一種預(yù)期功能安全風(fēng)險評估方法。

背景技術(shù)：

1、隨著自動駕駛技術(shù)的快速發(fā)展，確保車輛在復(fù)雜環(huán)境中的安全可靠行駛已成為當前的研究重點。

2、現(xiàn)有自動駕駛汽車的行駛風(fēng)險暫且沒有公開的定義標準。首先，對于風(fēng)險的概念內(nèi)涵而言沒有一致的定義，目前有許多不同的方式來理解風(fēng)險概念。一些定義基于其起源，一些基于不良事件或危險，而另一些基于不確定性。就風(fēng)險評估的定義及具體流程而言，國際化標準組織將風(fēng)險評估定義為“風(fēng)險識別、風(fēng)險分析和風(fēng)險評估的全過程”。在風(fēng)險識別階段，所有可能的風(fēng)險都被識別。風(fēng)險識別是一個了解風(fēng)險性質(zhì)并確定風(fēng)險的過程，同時預(yù)期功能安全主要關(guān)注的問題是開放復(fù)雜環(huán)境下傳感器和算法局限性導(dǎo)致的危害，預(yù)期功能的最終目標將已知和未知不安全場景的概率降低到合理可接受水平。為了實現(xiàn)這一目標，需要結(jié)合預(yù)期功能安全對風(fēng)險進行分析識別，進一步增強自動駕駛系統(tǒng)的感知能力、決策邏輯和執(zhí)行機制，避免錯檢、漏檢等現(xiàn)象的發(fā)生。但目前缺少能夠結(jié)合預(yù)期功能安全需求進行實時風(fēng)險評估和量化的方法。

3、在風(fēng)險評估方面，功能安全(functional?safety)和預(yù)期功能安全(sotif)已成為自動駕駛感知系統(tǒng)的重要研究領(lǐng)域，其中預(yù)期功能安全通過預(yù)測可能的系統(tǒng)故障和風(fēng)險場景來增強自動駕駛的整體安全性，特別是在遇到突發(fā)情況或非預(yù)期環(huán)境變化時，系統(tǒng)需具備準確識別風(fēng)險并迅速響應(yīng)的能力。因此當自動駕駛車輛運行時，系統(tǒng)需要進行有效的風(fēng)險評估，當檢測到的風(fēng)險高于預(yù)期時，必須能夠及時對駕駛員進行接管提示，這對于自動駕駛系統(tǒng)的安全性至關(guān)重要。同時，感知算法作為自動駕駛系統(tǒng)環(huán)境感知的核心，依賴于攝像頭、激光雷達(lidar)等傳感器，并通過深度學(xué)習(xí)算法對環(huán)境信息進行分析。在當前的自動駕駛風(fēng)險評估技術(shù)中，對于外界自動駕駛風(fēng)險的計算都是由車輛的感知系統(tǒng)獲取對應(yīng)信息，從而在不同角度去評估車輛當前的風(fēng)險。

4、sotif強調(diào)在系統(tǒng)硬件或軟件未發(fā)生故障的情況下，能否有效應(yīng)對復(fù)雜或未知的環(huán)境。它關(guān)注系統(tǒng)功能的完善性，特別是在突發(fā)狀況下能否提供預(yù)期的功能。例如，在雨雪天氣、突然出現(xiàn)行人或道路障礙時，感知系統(tǒng)必須及時準確地檢測到這些風(fēng)險，并做出安全的駕駛決策。iso?26262提出的asil風(fēng)險等級評估體系，通過嚴重度(s)、暴露率(e)和可控性(c)三個參數(shù)對功能安全進行分類，確保自動駕駛系統(tǒng)在遇到突發(fā)情況時能夠進行有效的風(fēng)險評估。現(xiàn)有的預(yù)期功能安全風(fēng)險評估方法大多依靠窮舉所有可能遇到的要求，對其計算風(fēng)險，但真實環(huán)境的因素?zé)o法被完整的列舉，因此需要尋找能夠?qū)嶋H落地的解決方案，并確保感知算法在各種復(fù)雜場景下的安全性和可靠性，特別是在實際應(yīng)用中如何有效避免感知算法的錯誤風(fēng)險，以確保自動駕駛系統(tǒng)的全面安全。

技術(shù)實現(xiàn)思路

1、本發(fā)明要解決的技術(shù)問題是針對上述現(xiàn)有技術(shù)的不足，提供一種感知算法下的預(yù)期功能安全風(fēng)險評估方法

2、為解決上述技術(shù)問題，本發(fā)明所采取的技術(shù)方案是：

3、一種預(yù)期功能安全風(fēng)險評估方法，包括如下步驟：

4、步驟1：基于sotif場景架構(gòu)，通過碰撞對象類型和相對速度計算碰撞嚴重性s，對碰撞嚴重性s進行歸一化處理并給定對應(yīng)分數(shù)；

5、步驟1.1：確定碰撞對象的類型，為不同碰撞對象設(shè)定不同類型的固定評分；

6、步驟1.2：確定碰撞速度和碰撞目標類別及對應(yīng)的權(quán)重，根據(jù)權(quán)重調(diào)整不同因素對嚴重性的影響，計算碰撞嚴重性s；

7、所述碰撞嚴重性s可以用以下公式表示：

8、s＝ω1*objecttype+ω2*relativespeed

9、其中，ω1、ω2代表碰撞目標類別和碰撞速度的權(quán)重，碰撞速度的權(quán)重根據(jù)碰撞速度的大小分段設(shè)定；objectyype代表碰撞目標類別，碰撞目標類別及對應(yīng)權(quán)重參考預(yù)期功能安全標準及專家指導(dǎo)進行設(shè)置，relativespeed代表碰撞速度，碰撞速度是指車輛與碰撞對象的相對速度；

10、步驟1.3：對計算出的碰撞嚴重性s進行歸一化處理，并對歸一化處理后取值在不同范圍內(nèi)的碰撞嚴重性s給定對應(yīng)分數(shù)；

11、步驟2：基于簡化物理模型的單一碰撞對象計算碰撞風(fēng)險o，對碰撞風(fēng)險o進行歸一化處理并給定對應(yīng)分數(shù)；

12、步驟2.1：從車輛感知系統(tǒng)的多個傳感器中獲取車輛的相關(guān)視頻幀數(shù)據(jù)data；

13、步驟2.2：將不同攝像頭在同一時刻捕獲的視頻幀融合生成bev圖像，同時生成同一時刻視頻幀的深度圖投影到bev圖像中獲取對應(yīng)像素的深度值，送入bev+occupancynetwork感知算法中獲取在第i秒時刻下的相關(guān)輸出信息，包括碰撞目標物與自車的距離、碰撞目標物橫坐標的移動距離和碰撞目標物縱坐標的移動距離；

14、基于bev+occupancynetwork感知算法獲取的第i秒時刻下的相關(guān)輸出信息，首先計算自車與前車發(fā)生碰撞的時間，計算公式如下；

15、

16、其中，ttci為第i秒預(yù)測的自車與前車發(fā)生碰撞的時間，di為第i秒碰撞目標物與自車的距離，relativespeedi為第i秒的碰撞速度，

17、步驟2.3：計算碰撞目標物在占據(jù)網(wǎng)絡(luò)中的位置變化和移動方向，計算公式如下；

18、θi＝arctan2(δxi,δyi)

19、其中，θi為第i秒時碰撞目標物的移動方向航向角，δxi、δyi分別為第i秒時碰撞目標物橫坐標的移動距離和縱坐標的移動距離；

20、步驟2.4：計算避撞減速率，表示在自車與碰撞目標物的當前距離下，避免碰撞所需的減速速度，計算公式如下：

21、

22、其中，draci代表第i秒的避撞減速率，vei代表第i秒自車速度，e代表自車；

23、步驟2.5：計算轉(zhuǎn)向威脅系數(shù)，表示在自車與碰撞目標物的當前距離下，基于航向角差異的轉(zhuǎn)向威脅系數(shù)，用于變道轉(zhuǎn)彎等場景，計算公式如下：

24、

25、其中，stni代表第i秒的轉(zhuǎn)向威脅系數(shù)，θei、θoi分別代表第i秒自車與碰撞目標物的航向角；

26、步驟2.6：計算最小安全距離，表示在當前速度和加速度下的最小安全距離，計算公式如下：

27、

28、其中，msdi代表第i秒的最小安全距離，aei代表自車第i秒的加速度；

29、步驟2.7：計算碰撞距離，表示當前距離與最小安全距離的差值，計算公式如下：

30、dtci＝di-msdi

31、其中，dtci代表第i秒的碰撞距離；

32、步驟2.8：通過考慮碰撞時間、避撞減速率和碰撞距離這三個指標，結(jié)合占據(jù)網(wǎng)絡(luò)輸出的每個碰撞目標物在所處空間體積單元的占據(jù)概率，計算對應(yīng)單元的碰撞風(fēng)險，并根據(jù)對應(yīng)單元的碰撞風(fēng)險計算出總碰撞風(fēng)險o；

33、總碰撞風(fēng)險o的計算公式如下：

34、

35、

36、其中，ocollision,b代表第b個空間體積單元的碰撞風(fēng)險，b代表空間體積單元，pocc,b代表第b個空間體積單元被占據(jù)的概率，n為空間體積單元總數(shù)；

37、步驟2.9：對計算出的總碰撞風(fēng)險o進行歸一化處理，并對歸一化處理后取值在不同范圍內(nèi)的總碰撞風(fēng)險o給定對應(yīng)分數(shù)；

38、步驟3：對bev+occupancynetwork感知算法的檢測能力d進行計算與評估并給定對應(yīng)分數(shù)；

39、步驟4：基于碰撞嚴重性s、碰撞風(fēng)險o和bev+occupancynetwork感知算法的檢測能力d，計算總的風(fēng)險優(yōu)先數(shù)；

40、步驟5：對總的風(fēng)險優(yōu)先數(shù)進行歸一化，并按照對應(yīng)等級給出對應(yīng)權(quán)重，最后根據(jù)歸一化后的總的風(fēng)險優(yōu)先數(shù)的大小來判斷是否發(fā)出接管信號。

41、進一步的，所述步驟3中，使用能夠代表著重考慮漏檢誤檢的f1得分來評價bev+occupancynetwork感知算法的檢測能力d。

42、進一步的，所述步驟4中，計算總的風(fēng)險優(yōu)先數(shù)的公式如下：

43、r總＝s*o*d

44、其中r總表示總的風(fēng)險優(yōu)先數(shù)。

45、采用上述技術(shù)方案所產(chǎn)生的有益效果在于：本發(fā)明提供的一種預(yù)期功能安全風(fēng)險評估方法，利用目前自動駕駛汽車主流的bev+occupancynetwork感知算法對外界環(huán)境獲取對應(yīng)信息，能夠?qū)崟r輸出車輛處于當前環(huán)境的風(fēng)險值，提高感知系統(tǒng)的準確度，降低預(yù)期功能安全已知和未知的不安全風(fēng)險。