(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210852290.7 (22)申请日 2022.07.19 (71)申请人 岚图汽车 科技有限公司 地址 430000 湖北省武汉市经济技 术开发 区人工智能科技园N栋研发楼3层 N3010号 (72)发明人 钟严麒　刘继峰　余龙　周火星　 李纪玄　 (74)专利代理 机构 武汉蓝宝石专利代理事务所 (特殊普通 合伙) 42242 专利代理师 邹航 (51)Int.Cl. B60W 30/09(2012.01) B60W 30/095(2012.01) B60W 50/00(2006.01)G06V 20/58(2022.01) G06V 10/774(2022.01) G06V 10/764(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于神经网络的自动紧急制动冗余决 策方法及装置 (57)摘要 本发明涉及一种基于神经网络的自动紧急 制动冗余决策方法及装置， 其方法包括： 分别实 时获取安装在自身车辆上的雷达和视觉传感器 各自的数据， 并将其进行目标融合； 基于实时视 觉传感器的数据和行人目标， 利用训练完成的第 一神经网络向自身车辆发出第一制动决策； 基于 目标融合后的数据识别其中的行人和车辆， 并根 据所述行人和车辆， 通过目标选择和TTC算法分 别作出第二制动决策和第三制动决策； 融合所述 第一制动 决策、 第二制动决策和第三制动 决策， 向自身车辆的制动系统发出制动决策。 本发明将 传统的决策算法和基于神经网络的决策算法相 结合， 两套决策算法独立并行， 综合判断制动需 求， 可以减少AEBS的误触发， 增加算法系统的鲁 棒性和可靠性。 权利要求书2页 说明书7页 附图6页 CN 115214645 A 2022.10.21 CN 115214645 A 1.一种基于神经网络的自动紧急制动冗余决策 方法， 其特 征在于， 包括： 分别实时获取安装在自身车辆上的雷达和视觉传感器各自的数据， 并将其进行目标融 合； 基于实时视觉传感器的数据和行人目标， 利用训练完成的第 一神经网络向自身车辆发 出第一制动决策； 基于目标融合后的数据 识别其中的行人和车辆， 并根据所述行人和车辆， 通过目标选择和T TC算法分别作出第二制动决策和第三制动决策； 融合所述第一制动决策、 第二制动决策和第三制动决策， 向自身车辆的制动系统发出 制动决策。 2.根据权利要求1所述的基于神经网络的自动紧急制动冗余决策方法， 其特征在于， 所 述第一神经网络通过如下 方法训练： 获取车辆在不同制动触发时的数据及其对应的视 觉图像， 并根据其构建训练数据集； 将训练数据集中的视觉 图像作为样本， 对应的制动决策作为标签， 训练所述第一神经 网络， 直至其 误差低于阈值且趋 于稳定， 得到训练完成的第一神经网络 。 3.根据权利要求2所述的基于神经网络的自动紧急制动冗余决策方法， 其特征在于， 所 述第一神经网络包括多个卷积层和多个全连接层， 每个卷积层的卷积核大小为5＊5， 步长 为3。 4.根据权利要求1所述的基于神经网络的自动紧急制动冗余决策方法， 其特征在于， 所 述基于目标融合后的数据识别其中的行人和车辆， 并根据所述行人和车辆， 通过目标选择 和TTC算法分别作出第二制动决策和第三制动决策包括： 基于目标融合后的数据识别其中的行人和车辆： 若目标为行人， 则： 利用碰撞算法计算 每个目标与自身车辆的碰撞时间， 并自动作出第二制动决策； 或利用通过训练完成的第二 神经网络， 作出第二制动决策； 若目标为车辆， 则根据碰撞算法或运动学模型， 计算自身车辆制动所需的减速度， 并根 据其作出第三制动决策。 5.根据权利要求4所述的基于神经网络的自动紧急制动冗余决策方法， 其特征在于， 所 述第二神经网络使用与所述第一神经网络相同的训练方法训练。 6.根据权利要求1至5任一项所述的基于神经网络的自动紧急制动冗余决策方法， 其特 征在于， 所述分别实时获取安装在自身车辆上 的雷达和视觉传感器各自的数据， 并将其进 行目标融合包括： 将获取到的雷达点云数据进行聚类， 并根据目标反射率、 大小和速度对目标进行分类， 得到一个或多个第一目标； 利用目标识别算法对视 觉传感器获取到的图像进行识别， 得到一个或多个第二目标； 将每个第一目标与每 个第二目标进行匹配， 并对其中同一目标进行合并融合。 7.一种基于神经网络的自动紧急制动冗余决策装置， 其特 征在于， 包括： 获取模块， 用于分别实时获取安装在 自身车辆上的雷达和视觉传感器各自的数据， 并 将其进行目标融合； 决策模块， 用于基于实时视觉传感器的数据和行人目标， 利用训练完成的第一神经网 络向自身车辆发出第一制动决策； 基于目标融合后的数据识别其中的行人和车辆， 并根据 所述行人和车辆， 通过目标选择和T TC算法分别作出第二制动决策和第三制动决策；权　利　要　求　书 1/2 页 2 CN 115214645 A 2融合模块， 用于 融合所述第 一制动决策、 第二制动决策和第 三制动决策， 向自身车辆的 制动系统发出制动决策。 8.根据权利要求7所述的基于神经网络的自动紧急制动冗余决策装置， 其特征在于， 所 述决策模块包括： 第一决策单元， 用于基于实时视觉传感器的数据和行人目标， 利用训练完成的第一神 经网络向 自身车辆发出第一制动决策； 第二决策单元， 用于基于目标融合后的数据识别其中的行人和车辆， 并根据所述行人 和车辆， 通过目标选择和T TC算法分别作出第二制动决策和第三制动决策。 9.一种电子设备， 包括： 一个或多个处理器； 存储装置， 用于存储一个或多个程序， 当所 述一个或多个程序被所述一个或多个处理器执行， 使得所述一个或多个处理器实现如权利 要求1至6任一项所述的基于神经网络的自动紧急制动冗余决策 方法。 10.一种计算机可读介质， 其上存储有计算机程序， 其中， 所述计算机程序被处理器执 行时实现如权利要求1至 6任一项所述的基于神经网络的自动紧急制动冗余决策 方法。权　利　要　求　书 2/2 页 3 CN 115214645 A 3