误踩油门判定、驾驶控制方法、装置、存储介质及车辆与流程

1.本发明涉及自动驾驶技术领域，具体提供一种误踩油门判定、驾驶控制方法、装置、存储介质及车辆。


背景技术：

2.在车辆驾驶过程中，有时候会发生司机误将油门当成刹车的情况。这种操作失误的情况会导致交通事故的发生率大大提升。而如果自动驾驶系统可以识别出司机误踩油门的操作，并阻断动力供应，就可以大大减少这类事故的发生率。
3.现有技术中，多是基于车辆本身的油门开度、轮速等信息以及gps定位信息来对司机误踩油门的操作进行判断，这种判断方法往往准确度不高。
4.相应地，本领域需要一种新的误踩油门判定方案来解决上述问题。


技术实现要素：

5.为了克服上述缺陷，提出了本发明，以提供解决或至少部分地解决如何更为准确地判断误踩油门操作的问题。
6.在第一方面，本发明提供一种误踩油门判定方法，所述方法包括：
7.获取车辆的感知信息和车辆控制信息；
8.根据所述感知信息和所述车辆控制信息，获取误踩油门情况的置信度；
9.根据所述置信度，获取所述车辆的误踩油门情况的判定结果
10.在上述误踩油门判定方法的一个技术方案中，所述感知信息包括车外环境感知信息，“获取误踩油门情况的置信度”的步骤包括：
11.根据所述车外环境感知信息和所述车辆控制信息，获取所述误踩油门情况的一级置信度；
12.当所述一级置信度大于预设的第一置信度阈值时，根据所述感知信息、所述车辆控制信息和所述一级置信度，获取所述误踩油门情况的二级置信度；
13.将所述二级置信度作为所述误踩油门情况的最终的置信度。
14.在上述误踩油门判定方法的一个技术方案中，“获取所述误踩油门情况的一级置信度”的步骤包括：
15.根据所述车外环境感知信息和所述车辆控制信息，获取一级置信度判别参数；
16.根据所述一级置信度判别参数，获取所述一级置信度。
17.在上述误踩油门判定方法的一个技术方案中，所述一级置信度判别参数包括环境目标因子、场景因子和油门踏板压力因子，“获取一级置信度判别参数”的步骤包括：
18.根据所述车外环境感知信息和所述车辆控制信息，获取所述环境目标因子和所述场景因子；
19.根据所述车辆控制信息，获取所述油门踏板压力因子。
20.在上述误踩油门判定方法的一个技术方案中，“根据所述一级置信度判别参数，获
取所述一级置信度”的步骤包括：
21.分别获取预设的所述环境目标因子、所述场景因子和所述油门踏板压力因子对应的环境目标权重、场景权重和油门踏板压力权重；
22.根据所述环境目标因子、所述场景因子和所述油门踏板压力因子和对应的所述环境目标权重、所述场景权重和所述油门踏板压力权重，获取所述一级置信度。
23.在上述误踩油门判定方法的一个技术方案中，所述车外环境感知信息包括车辆周围的环境目标以及车辆所处的场景，所述车辆控制信息包括油门踏板压力和自车运动方向，“获取所述环境目标因子和所述场景因子”的步骤包括：
24.根据所述环境目标的位置和所述自车运动方向，获取所述环境目标因子；
25.根据所述场景的类型，获取所述场景因子；和/或，
[0026]“获取所述油门踏板压力因子”的步骤包括：
[0027]
根据所述油门踏板压力，获取所述油门踏板压力因子。
[0028]
在上述误踩油门判定方法的一个技术方案中，“根据所述环境目标的位置和所述自车运动方向，获取所述环境目标因子”的步骤包括：
[0029]
根据所述环境目标的位置、所述车辆的自车位置和所述自车运动方向，获取在未来第一预设时长内，所述环境目标与所述车辆之间的重叠度；
[0030]
根据所述重叠度，获取所述环境目标因子。
[0031]
在上述误踩油门判定方法的一个技术方案中，所述车外环境感知信息包括车辆周围的环境目标以及车辆所处的场景，所述车辆控制信息包括油门踏板压力和自车运动方向，所述一级置信度判别参数包括碰撞风险置信度和/或场景风险置信度，“获取一级置信度判别参数”的步骤包括：
[0032]
根据所述环境目标的位置、所述油门踏板压力和所述自车运动方向，获取所述碰撞风险置信度；
[0033]
根据所述场景和所述油门踏板压力，获取所述场景风险置信度。
[0034]
在上述误踩油门判定方法的一个技术方案中，“获取所述碰撞风险置信度”的步骤包括：
[0035]
根据所述环境目标的位置、所述油门踏板压力和所述自车运动方向，获取所述车辆在未来的第一预设时长内与所述环境目标之间的重叠度；
[0036]
根据所述重叠度，获取所述碰撞风险置信度。
[0037]
在上述误踩油门判定方法的一个技术方案中，“根据所述场景和所述油门踏板压力，获取所述场景风险置信度”的步骤包括：
[0038]
获取所述油门踏板压力在第二预设时长内的变化率；
[0039]
根据所述变化率和所述场景，获取所述场景风险置信度。
[0040]
在上述误踩油门判定方法的一个技术方案中，“根据所述一级置信度判别参数，获取所述一级置信度”的步骤包括：
[0041]
当所述碰撞风险置信度大于等于预设的第三置信度阈值且所述场景风险置信度小于预设的第四置信度阈值时，根据所述碰撞风险置信度获取所述一级置信度；
[0042]
当所述场景风险置信度大于等于所述第四置信度阈值且所述碰撞风险置信度小于所述第三置信度阈值时，根据所述场景风险置信度获取所述一级置信度；
[0043]
当所述碰撞风险置信度小于所述第三置信度阈值且所述场景风险置信度小于所述第四置信度阈值，或所述碰撞风险置信度大于等于所述第三置信度阈值且所述场景风险置信度大于等于所述第四置信度阈值时，根据所述碰撞风险置信度和所述场景风险置信度获取所述一级置信度。
[0044]
在上述误踩油门判定方法的一个技术方案中，“根据所述一级置信度判别参数，获取所述一级置信度”的步骤包括：
[0045]
将所述碰撞风险置信度和所述场景风险置信度进行加权平均，获取所述一级置信度。
[0046]
在上述误踩油门判定方法的一个技术方案中，所述感知信息包括车内驾驶员感知信息，“获取所述误踩油门情况的二级置信度”的步骤包括：
[0047]
根据所述驾驶员感知信息获取驾驶员的行为识别结果；
[0048]
应用预设的神经网络模型，根据所述行为识别结果、所述车辆控制信息和所述一级置信度，获取所述误踩油门情况的二级置信度；
[0049]
其中，所述行为识别结果包括驾驶员惊讶程度和/或驾驶员疲劳程度。
[0050]
在上述误踩油门判定方法的一个技术方案中，所述感知信息包括雷达感知预警信息，所述车辆控制信息包括刹车踏板压力和自车运动方向，“获取所述误踩油门情况的二级置信度”的步骤包括：
[0051]
将相同时间长度的所述行为识别结果、所述刹车踏板压力、所述自车运动方向、所述一级置信度和所述雷达感知预警信息进行时序对齐，作为所述神经网络模型的输入数据；
[0052]
应用所述神经网络模型对所述输入数据进行特征提取和置信度计算，获取所述二级置信度。
[0053]
在上述误踩油门判定方法的一个技术方案中，“根据所述置信度，获取所述车辆的误踩油门情况的判定结果”的步骤包括：
[0054]
当所述置信度大于等于预设的第二置信度阈值时，判定所述车辆存在误踩油门风险；
[0055]
当所述置信度小于所述第二置信度阈值时，判定所述车辆不存在误踩油门风险。
[0056]
在第二方面，本发明提供一种驾驶控制方法，所述方法包括：
[0057]
根据上述误踩油门判定方法技术方案中任一项所述的误踩油门判定方法获取车辆误踩油门情况的判定结果；
[0058]
根据所述判定结果，对所述车辆进行驾驶控制。在上述驾驶控制方法的一个技术方案中，“根据所述判定结果，对所述车辆进行驾驶控制”的步骤包括：
1.当所述车辆存在误踩油门风险时，阻断所述车辆的动力供应。
2.在第三方面，提供一种控制装置，该控制装置包括至少一个处理器和至少一个存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述误踩油门判定方法技术方案中任一项所述的误踩油门判定方法或上述驾驶控制方法技术方案中任一项所述的驾驶控制方法。
3.在第四方面，提供一种计算机可读存储介质，该计算机可读存储介质其中存储有
多条程序代码，所述程序代码适于由处理器加载并运行以执行上述误踩油门判定方法技术方案中任一项所述的误踩油门判定方法或上述驾驶控制方法技术方案中任一项所述的驾驶控制方法。
4.在第五方面，提供一种车辆，所述车辆包括上述控制装置技术方案中所述的控制装置。
5.本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
6.在实施本发明的技术方案中，本发明基于车辆的感知信息和车辆控制信息获取误踩油门情况的置信度，并根据误踩油门情况的置信度，来获取车辆误踩油门情况的判定结果。通过上述配置方式，由于车辆的感知信息能够包含车内和车外的多个维度的感知数据，结合车辆控制信息，能够实现基于车辆本身数据以及车辆环境数据的多个模态的判断过程，能够有效提升误踩油门情况判断的准确率，继而可以基于判定结果来对车辆进行控制，在确实存在误踩油门情况时，可以及时阻断车辆的动力供应，从而减少事故的发生率。
7.方案1.一种误踩油门判定方法，其特征在于，所述方法包括：
8.获取车辆的感知信息和车辆控制信息；
9.根据所述感知信息和所述车辆控制信息，获取误踩油门情况的置信度；
10.根据所述置信度，获取所述车辆的误踩油门情况的判定结果。
11.方案2.根据方案1所述的误踩油门判定方法，其特征在于，所述感知信息包括车外环境感知信息，“获取误踩油门情况的置信度”的步骤包括：
12.根据所述车外环境感知信息和所述车辆控制信息，获取所述误踩油门情况的一级置信度；
13.当所述一级置信度大于预设的第一置信度阈值时，根据所述感知信息、所述车辆控制信息和所述一级置信度，获取所述误踩油门情况的二级置信度；
14.将所述二级置信度作为所述误踩油门情况的最终的置信度。
15.方案3.根据方案2所述的误踩油门判定方法，其特征在于，“获取所述误踩油门情况的一级置信度”的步骤包括：
16.根据所述车外环境感知信息和所述车辆控制信息，获取一级置信度判别参数；
17.根据所述一级置信度判别参数，获取所述一级置信度。
18.方案4.根据方案3所述的误踩油门判定方法，其特征在于，所述一级置信度判别参数包括环境目标因子、场景因子和油门踏板压力因子，“获取一级置信度判别参数”的步骤包括：
19.根据所述车外环境感知信息和所述车辆控制信息，获取所述环境目标因子和所述场景因子；
20.根据所述车辆控制信息，获取所述油门踏板压力因子。
21.方案5.根据方案4所述的误踩油门判定方法，其特征在于，“根据所述一级置信度判别参数，获取所述一级置信度”的步骤包括：
22.分别获取预设的所述环境目标因子、所述场景因子和所述油门踏板压力因子对应的环境目标权重、场景权重和油门踏板压力权重；
23.根据所述环境目标因子、所述场景因子和所述油门踏板压力因子和对应的所述环境目标权重、所述场景权重和所述油门踏板压力权重，获取所述一级置信度。
24.方案6.根据方案4所述的误踩油门判定方法，其特征在于，所述车外环境感知信息包括车辆周围的环境目标以及车辆所处的场景，所述车辆控制信息包括油门踏板压力和自车运动方向，“获取所述环境目标因子和所述场景因子”的步骤包括：
25.根据所述环境目标的位置和所述自车运动方向，获取所述环境目标因子；
26.根据所述场景的类型，获取所述场景因子；和/或，
[0027]“获取所述油门踏板压力因子”的步骤包括：
[0028]
根据所述油门踏板压力，获取所述油门踏板压力因子。
[0029]
方案7.根据方案6所述的误踩油门判定方法，其特征在于，“根据所述环境目标的位置和所述自车运动方向，获取所述环境目标因子”的步骤包括：
[0030]
根据所述环境目标的位置、所述车辆的自车位置和所述自车运动方向，获取在未来第一预设时长内，所述环境目标与所述车辆之间的重叠度；
[0031]
根据所述重叠度，获取所述环境目标因子。
[0032]
方案8.根据方案3所述的误踩油门判定方法，其特征在于，所述车外环境感知信息包括车辆周围的环境目标以及车辆所处的场景，所述车辆控制信息包括油门踏板压力和自车运动方向，所述一级置信度判别参数包括碰撞风险置信度和/或场景风险置信度，“获取一级置信度判别参数”的步骤包括：
[0033]
根据所述环境目标的位置、所述油门踏板压力和所述自车运动方向，获取所述碰撞风险置信度；
[0034]
根据所述场景和所述油门踏板压力，获取所述场景风险置信度。
[0035]
方案9.根据方案8所述的误踩油门判定方法，其特征在于，“获取所述碰撞风险置信度”的步骤包括：
[0036]
根据所述环境目标的位置、所述油门踏板压力和所述自车运动方向，获取所述车辆在未来的第一预设时长内与所述环境目标之间的重叠度；
[0037]
根据所述重叠度，获取所述碰撞风险置信度。
[0038]
方案10.根据方案8所述的误踩油门判定方法，其特征在于，“根据所述场景和所述油门踏板压力，获取所述场景风险置信度”的步骤包括：
[0039]
获取所述油门踏板压力在第二预设时长内的变化率；
[0040]
根据所述变化率和所述场景，获取所述场景风险置信度。
[0041]
方案11.根据方案8所述的误踩油门判定方法，其特征在于，“根据所述一级置信度判别参数，获取所述一级置信度”的步骤包括：
[0042]
当所述碰撞风险置信度大于等于预设的第三置信度阈值且所述场景风险置信度小于预设的第四置信度阈值时，根据所述碰撞风险置信度获取所述一级置信度；
[0043]
当所述场景风险置信度大于等于所述第四置信度阈值且所述碰撞风险置信度小于所述第三置信度阈值时，根据所述场景风险置信度获取所述一级置信度；
[0044]
当所述碰撞风险置信度小于所述第三置信度阈值且所述场景风险置信度小于所述第四置信度阈值，或所述碰撞风险置信度大于等于所述第三置信度阈值且所述场景风险置信度大于等于所述第四置信度阈值时，根据所述碰撞风险置信度和所述场景风险置信度获取所述一级置信度。
[0045]
方案12.根据方案8所述的误踩油门判定方法，其特征在于，“根据所述一级置信度
判别参数，获取所述一级置信度”的步骤包括：
[0046]
将所述碰撞风险置信度和所述场景风险置信度进行加权平均，获取所述一级置信度。
[0047]
方案13.根据方案2所述的误踩油门判定方法，其特征在于，所述感知信息包括车内驾驶员感知信息，“获取所述误踩油门情况的二级置信度”的步骤包括：
[0048]
根据所述驾驶员感知信息获取驾驶员的行为识别结果；
[0049]
应用预设的神经网络模型，根据所述行为识别结果、所述车辆控制信息和所述一级置信度，获取所述误踩油门情况的二级置信度；
[0050]
其中，所述行为识别结果包括驾驶员惊讶程度和/或驾驶员疲劳程度。
[0051]
方案14.根据方案13所述的误踩油门判定方法，其特征在于，所述感知信息包括雷达感知预警信息，所述车辆控制信息包括刹车踏板压力和自车运动方向，“获取所述误踩油门情况的二级置信度”的步骤包括：
[0052]
将相同时间长度的所述行为识别结果、所述刹车踏板压力、所述自车运动方向、所述一级置信度和所述雷达感知预警信息进行时序对齐，作为所述神经网络模型的输入数据；
[0053]
应用所述神经网络模型对所述输入数据进行特征提取和置信度计算，获取所述二级置信度。
[0054]
方案15.根据方案1所述的误踩油门判定方法，其特征在于，“根据所述置信度，获取所述车辆的误踩油门情况的判定结果”的步骤包括：
[0055]
当所述置信度大于等于预设的第二置信度阈值时，判定所述车辆存在误踩油门风险；
[0056]
当所述置信度小于所述第二置信度阈值时，判定所述车辆不存在误踩油门风险。
[0057]
方案16.一种驾驶控制方法，其特征在于，所述方法包括：
[0058]
根据方案1至15中任一项所述的误踩油门判定方法获取车辆误踩油门情况的判定结果；
[0059]
根据所述判定结果，对所述车辆进行驾驶控制。
[0060]
方案17.根据方案16所述的驾驶控制方法，其特征在于，“根据所述判定结果，对所述车辆进行驾驶控制”的步骤包括：
[0061]
当所述车辆存在误踩油门风险时，阻断所述车辆的动力供应。
[0062]
方案18.一种控制装置，包括至少一个处理器和至少一个存储装置，所述存储装置适于存储多条程序代码，其特征在于，所述程序代码适于由所述处理器加载并运行以执行方案1至15中任一项所述的误踩油门判定方法或方案16至17中任一项所述的驾驶控制方法。
[0063]
方案19.一种计算机可读存储介质，其中存储有多条程序代码，其特征在于，所述程序代码适于由处理器加载并运行以执行方案1至15中任一项所述的误踩油门判定方法或方案16至17中任一项所述的驾驶控制方法。
[0064]
方案20.一种车辆，其特征在于，所述车辆包括方案18所述的控制装置。
附图说明
[0065]
参照附图，本发明的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本发明的保护范围组成限制。其中：
[0066]
图1是根据本发明的一个实施例的误踩油门判定方法的主要步骤流程示意图；
[0067]
图2是根据本发明实施例的一个实数方式的误踩油门判定方法的主要系统结构组成示意图；
[0068]
图3是根据本发明实施例的一个实数方式的获取一级置信度的主要系统结构组成示意图；
[0069]
图4是根据本发明实施例的一个实数方式的获取二级置信度的主要步骤流程示意图；
[0070]
图5是根据本发明的一个实施例的驾驶控制方法的主要步骤流程示意图。
具体实施方式
[0071]
下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
[0072]
在本发明的描述中，“模块”、“处理器”可以包括硬件、软件或者两者的组合。一个模块可以包括硬件电路，各种合适的感应器，通信端口，存储器，也可以包括软件部分，比如程序代码，也可以是软件和硬件的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。非暂时性的计算机可读存储介质包括任何合适的可存储程序代码的介质，比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。术语“a和/或b”表示所有可能的a与b的组合，比如只是a、只是b或者a和b。术语“至少一个a或b”或者“a和b中的至少一个”含义与“a和/或b”类似，可以包括只是a、只是b或者a和b。单数形式的术语“一个”、“这个”也可以包含复数形式。
[0073]
参阅附图1，图1是根据本发明的一个实施例的误踩油门判定方法的主要步骤流程示意图。如图1所示，本发明实施例中的误踩油门判定方法主要包括下列步骤s101-步骤s103。
[0074]
步骤s101：获取车辆的感知信息和车辆控制信息。
[0075]
在本实施例中，可以获取车辆的感知信息和车辆控制信息。
[0076]
一个实施方式中，车辆的感知信息可以包括车外环境感知信息、车内驾驶员感知信息等。车外环境感知信息可以包括车辆周围的环境目标和车辆所处的场景。车辆控制信息可以包括油门踏板压力、刹车踏板压力、自车运动方向等。
[0077]
步骤s102：根据感知信息和车辆控制信息，获取误踩油门情况的置信度。
[0078]
在本实施例中，可以根据感知信息和车辆控制信息来获取误踩油门情况的置信度。
[0079]
一个实施方式中，可以根据感知信息和车辆控制信息对于误踩油门情况的影响程度，为感知信息和车辆控制信息设置相应的权重，通过分别对感知信息和车辆控制信息进行打分，并对分数进行加权的形式来获取误踩油门情况的置信度。
[0080]
步骤s103：根据置信度，获取车辆的误踩油门情况的判定结果。
[0081]
在本实施例中，可以根据步骤s102获取的置信度，来获取车辆误踩油门情况的判定结果。
[0082]
基于上述步骤s101-步骤s103，本发明实施例基于车辆的感知信息和车辆控制信息获取误踩油门情况的置信度，并根据误踩油门情况的置信度，来获取车辆误踩油门情况的判定结果。通过上述配置方式，由于车辆的感知信息能够包含车内和车外的多个维度的感知数据，结合车辆控制信息，能够实现基于车辆本身数据以及车辆环境数据的多个模态的判断过程，能够有效提升误踩油门情况判断的准确率，继而可以基于判定结果来对车辆进行控制，在确实存在误踩油门情况时，可以及时阻断车辆的动力供应，从而减少事故的发生率。
[0083]
下面对步骤s102和步骤s103作进一步地说明。
[0084]
在本发明实施例的一个实施方式中，步骤s102可以包括以下步骤s1021至步骤s1023：
[0085]
步骤s1021：根据车外环境感知信息和车辆控制信息，获取误踩油门情况的一级置信度。
[0086]
在本实施方式中，步骤s1021可以进一步包括以下步骤s10211和步骤s10212：
[0087]
步骤s10211：根据车外环境感知信息和车辆控制信息，获取一级置信度判别参数。
[0088]
步骤s10212：根据一级置信度判别参数，获取一级置信度。
[0089]
一个实施方式中，一级置信度判别参数可以包括环境目标因子、场景因子和油门踏板压力因子。步骤s10211可以进一步包括以下步骤s102111和步骤s102112：
[0090]
步骤s102111：根据车外环境感知信息和车辆控制信息，获取环境目标因子和场景因子。
[0091]
在本实施方式中，可以根据环境目标的位置以及自车运动方向来获取环境目标因子。如，可以根据环境目标的位置、车辆(自车)的自车位置以及自车运动方向来获取未来第一预设时长(如，5s)内环境目标与车辆(自车)之间的重叠度，根据重叠度来获取环境目标因子。
[0092]
一个实施方式中，重叠度越高，环境目标因子的取值越大。
[0093]
一个实施方式中，环境目标可以包括动态目标(如车、人等)和静态目标(如围栏、交通灯等)。
[0094]
一个实施方式中，可以根据场景类型来确定场景因子。如，可以根据感知信息来确认车辆当前所处的场景类型(如街道、内部道路、停车场、高速公路等)，可以为不同的场景设置不同的场景因子的取值，如，停车场的场景因子取值为0.9，街道的场景因子取值为0.3，高速公路的场景因子取值为0.05，内部道路的场景因子取值为0.5。
[0095]
步骤s102112：根据车辆控制信息，获取油门踏板压力因子。
[0096]
在本实施方式中，可以根据车辆控制信息获取油门踏板压力，从而根据油门踏板压力获取油门踏板压力因子。
[0097]
一个实施方式中，油门踏板压力因子可以根据以下公式(1)来获取：
[0098] p_pressure＝pressure/100 (1)
[0099]
其中，p_pressure为油门踏板压力因子，pressure为油门踏板压力。
[0100]
步骤s10212可以进一步包括以下步骤s102121和步骤s102122：
[0101]
步骤s102121：分别获取预设的环境目标因子、场景因子和油门踏板压力因子对应的环境目标权重、场景权重和油门踏板压力权重。
[0102]
步骤s102122：根据环境目标因子、场景因子和油门踏板压力因子和对应的环境目标权重、场景权重和油门踏板压力权重，获取一级置信度。
[0103]
在本实施方式中，可以通过对环境目标因子、场景因子和油门踏板因子进行加权平均的方式获取一级置信度。
[0104]
另一个实施方式中，一级置信度判别参数可以包括碰撞风险置信度和场景风险置信度。步骤s10211可以进一步包括以下步骤s102113和步骤s102114：
[0105]
步骤s102113：根据环境目标的位置、油门踏板压力和自车运动方向，获取碰撞风险置信度。
[0106]
在本实施方式中，可以根据环境目标的位置、油门踏板压力和自车运动方向，获取车辆(自车)在未来的第一预设时长(如5s)内与环境目标之间的重叠度，根据重叠度来确定碰撞风险置信度。如重叠度越大，碰撞风险置信度越高。
[0107]
步骤s102114：根据场景和油门踏板压力，获取场景风险置信度。
[0108]
在本实施方式中，可以获取油门踏板压力在第二预设时长内的变化率，根据变化率和场景来确定场景风险置信度。即，从场景的角度来看，当车辆处于停车场、地下车库或者园区内部的道路时，正常情况下不会出现大力猛踩油门的情况，所以当出现上述场景且油门踏板压力突然出现大幅度变大的变化率，可能发生了误踩油门，也就是场景风险置信度会较高。
[0109]
一个实施方式中，步骤s10212可以进一步包括以下步骤s102123和步骤s102125：
[0110]
步骤s102123：当碰撞风险置信度大于等于预设的第三置信度阈值且场景风险置信度小于预设的第四置信度阈值时，根据碰撞风险置信度获取一级置信度。
[0111]
步骤s102124：当场景风险置信度大于等于第四置信度阈值且碰撞风险置信度小于第三置信度阈值时，根据场景风险置信度获取一级置信度
[0112]
步骤s102125：当碰撞风险置信度小于第三置信度阈值且场景风险置信度小于第四置信度阈值，或碰撞风险置信度大于等于第三置信度阈值且场景风险置信度大于等于第四置信度阈值时，根据碰撞风险置信度和场景风险置信度获取一级置信度。
[0113]
在本实施方式中，当碰撞风险置信度和场景风险置信度其中一个较高时，可以基于两个数值中较高的数值来确定一级置信度。也就是说，碰撞风险置信度和场景风险置信度其中之一较高时，就会判定有风险，需要进行二级置信度计算。
[0114]
另一个实施方式中，步骤s10212可以进一步包括以下步骤s102126：
[0115]
步骤s102126：将碰撞风险置信度和场景风险置信度进行加权平均，获取一级置信度。
[0116]
在本实施方式中，可以将碰撞风险置信度和场景风险置信度进行加权平均计算，从而获得一级置信度。
[0117]
步骤s1022：当一级置信度大于预设的第一置信度阈值时，根据感知信息、车辆控制信息和一级置信度，获取误踩油门情况的二级置信度。
[0118]
在本实施方式中，步骤s1022可以进一步包括以下步骤s10221至步骤s10222：
[0119]
步骤s10221：根据驾驶员感知信息获取驾驶员的行为识别结果。其中，行为识别结
果包括驾驶员惊讶程度和驾驶员疲劳程度。
[0120]
在本实施方式中，可以通过dms(driver monitor system，驾驶员行为识别)来获取驾驶员的行为识别结果。当油门踏板出现误踩时，一般会出现两种情况:1.驾驶员疲劳驾驶导致误操作，会检测出驾驶员疲劳程度。2.驾驶员以为踩了刹车但是误踩油门后，车辆急剧加速导致驾驶员表情惊讶程度升高。因而可以获取驾驶员疲劳程度和驾驶员惊讶程度。
[0121]
步骤s10222：应用预设的神经网络模型，根据行为识别结果、车辆控制信息和一级置信度，获取误踩油门情况的二级置信度。
[0122]
在本实施方式中，步骤s10222可以进一步包括以下步骤s102221和步骤s102222：
[0123]
步骤s102221：将相同时间长度的行为识别结果、刹车踏板压力、自车运动方向、一级置信度和雷达感知预警信息进行时序对齐，作为神经网络模型的输入数据。
[0124]
步骤s102222：应用神经网络模型对输入数据进行特征提取和置信度计算，获取二级置信度。
[0125]
在本实施方式中，当油门踏板误踩后，驾驶员可能会存在两种情况，一是猛踩刹车来抵消误踩油门产生的加速度；二是打方向盘来规避前方可能出现的碰撞。同时，车辆(自车)的雷达感知预警信息也会针对前方可能出现的碰撞进行预警。因而可以将相同时间长度的行为识别结果、刹车踏板压力、自车运动方向、一级置信度和雷达感知预警信息进行时序对齐后输入至神经网络模型中，通过神经网络模型对输入数据进行特征提取和置信度计算，从而获得二级置信度。
[0126]
步骤s1023：将二级置信度作为误踩油门情况的最终的置信度。
[0127]
在本实施方式中，可以将获取的二级置信度作为误踩油门情况的最终的置信度。
[0128]
在本发明实施例的一个实数方式中，步骤s103可以进一步包括以下步骤s1031和步骤s1032：
[0129]
步骤s1031：当置信度大于等于预设的第二置信度阈值时，判定车辆存在误踩油门风险。
[0130]
步骤s1032：当置信度小于第二置信度阈值时，判定车辆不存在误踩油门风险。
[0131]
在本实施方式中，可以将获取的最终的置信度与第二置信度阈值进行比较，从而判定车辆是否真正存在误踩油门风险。
[0132]
一个实施方式中，可以参阅附图2，图2是根据本发明实施例的一个实数方式的误踩油门判定方法的主要系统结构组成示意图。如图2所示，可以将感知信息(包括运动目标、静止目标以及场景)以及车辆底盘数据(包括油门踏板压力和自车方向)输入至一级判别器中，以通过一级判别器获取一级置信度；在将一级置信度、dms(包括驾驶员惊讶程度和驾驶员疲劳程度)、底盘数据(包括刹车踏板压力和自车方向)、雷达(包括雷达预警)输入至二级判别器，从而获得最终的置信度。
[0133]
一个实施方式中，可以参阅附图3，图3是根据本发明实施例的一个实施方式的获取一级置信度的主要系统结构组成示意图。如图3所示，可以基于运动目标、静止目标、油门踏板压力和自车方向来确定碰撞风险，预测碰撞风险置信度；可以基于场景识别来确定场景风险，预测场景风险置信度；进而由一级判别器根据碰撞风险置信度和场景风险置信度获取一级置信度。
[0134]
一个实施方式中，可以参阅附图4，图4是根据本发明实施例的一个实施方式的获
取二级置信度的主要步骤流程示意图。如图4所示，可以将dms惊讶(驾驶员惊讶程度)、dms疲劳(驾驶员疲劳程度)刹车踏板(压力)、雷达预警、一级置信度进行时序对齐后输入至二级判别network(神经网络模型)中，获取二级置信度，并将二级置信度作为误踩油门情况的最终的置信度。其中，1、2、3、4、
…
、n-3、n-2、n-1是指输入数据时序对齐后的帧数。
[0135]
需要说明的是，前述第一置信度阈值、第二置信度阈值、第三置信度阈值、第四置信度阈值、第一预设时长、第二预设时长等参数，本领域技术人员均可以根据实际应用的需要进行设置，不同的数值设置均在本发明的保护范围内。
[0136]
需要指出的是，尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述，但是本领域技术人员可以理解，为了实现本发明的效果，不同的步骤之间并非必须按照这样的顺序执行，其可以同时(并行)执行或以其他顺序执行，这些变化都在本发明的保护范围之内。
[0137]
进一步，本发明还提供了一种驾驶控制方法。
[0138]
参阅附图5，图5是根据本发明的一个实施例的驾驶控制方法的主要步骤流程示意图。如图5所示，本发明实施例中的驾驶控制方法主要包括以下步骤s201至步骤s202。
[0139]
步骤s201：根据上述误踩油门判定方法实施例中的误踩油门判定方法获取车辆误踩油门情况的判定结果。
[0140]
步骤s202：根据判定结果，对车辆进行驾驶控制。
[0141]
在一个实施方式中，步骤s202可以进一步包括：
[0142]
当车辆存在误踩油门风险时，阻断车辆的动力供应。
[0143]
本领域技术人员能够理解的是，本发明实现上述一实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波信号和电信信号。
[0144]
进一步，本发明还提供了一种控制装置。在根据本发明的一个控制装置实施例中，控制装置包括处理器和存储装置，存储装置可以被配置成存储执行上述方法实施例的误踩油门判定方法的程序，处理器可以被配置成用于执行存储装置中的程序，该程序包括但不限于执行上述方法实施例的误踩油门判定方法的程序。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该控制装置可以是包括各种电子设备形成的控制装置设备。
[0145]
在本发明实施例中控制装置可以是包括各种电子设备形成的控制装置设备。在一些可能的实施方式中，控制装置可以包括多个存储装置和多个处理器。而执行上述方法实施例的误踩油门判定方法的程序可以被分割成多段子程序，每段子程序分别可以由处理器加载并运行以执行上述方法实施例的误踩油门判定方法的不同步骤。具体地，每段子程序
可以分别存储在不同的存储装置中，每个处理器可以被配置成用于执行一个或多个存储装置中的程序，以共同实现上述方法实施例的误踩油门判定方法，即每个处理器分别执行上述方法实施例的误踩油门判定方法的不同步骤，来共同实现上述方法实施例的误踩油门判定方法。
[0146]
上述多个处理器可以是部署于同一个设备上的处理器，例如上述控制装置可以是由多个处理器组成的高性能设备，上述多个处理器可以是该高性能设备上配置的处理器。此外，上述多个处理器也可以是部署于不同设备上的处理器，例如上述控制装置可以是服务器集群，上述多个处理器可以是服务器集群中不同服务器上的处理器。
[0147]
进一步，本发明还提供了一种计算机可读存储介质。在根据本发明的一个计算机可读存储介质实施例中，计算机可读存储介质可以被配置成存储执行上述方法实施例的误踩油门判定方法的程序，该程序可以由处理器加载并运行以实现上述误踩油门判定方法。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备，可选的，本发明实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。
[0148]
进一步，本发明还提供了一种控制装置。在根据本发明的一个控制装置实施例中，控制装置包括处理器和存储装置，存储装置可以被配置成存储执行上述方法实施例的驾驶控制方法的程序，处理器可以被配置成用于执行存储装置中的程序，该程序包括但不限于执行上述方法实施例的驾驶控制方法的程序。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该控制装置可以是包括各种电子设备形成的控制装置设备。
[0149]
在本发明实施例中控制装置可以是包括各种电子设备形成的控制装置设备。在一些可能的实施方式中，控制装置可以包括多个存储装置和多个处理器。而执行上述方法实施例的驾驶控制方法的程序可以被分割成多段子程序，每段子程序分别可以由处理器加载并运行以执行上述方法实施例的驾驶控制方法的不同步骤。具体地，每段子程序可以分别存储在不同的存储装置中，每个处理器可以被配置成用于执行一个或多个存储装置中的程序，以共同实现上述方法实施例的驾驶控制方法，即每个处理器分别执行上述方法实施例的驾驶控制方法的不同步骤，来共同实现上述方法实施例的驾驶控制方法。
[0150]
上述多个处理器可以是部署于同一个设备上的处理器，例如上述控制装置可以是由多个处理器组成的高性能设备，上述多个处理器可以是该高性能设备上配置的处理器。此外，上述多个处理器也可以是部署于不同设备上的处理器，例如上述控制装置可以是服务器集群，上述多个处理器可以是服务器集群中不同服务器上的处理器。
[0151]
进一步，本发明还提供了一种计算机可读存储介质。在根据本发明的一个计算机可读存储介质实施例中，计算机可读存储介质可以被配置成存储执行上述方法实施例的驾驶控制方法的程序，该程序可以由处理器加载并运行以实现上述驾驶控制方法。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备，可选的，本发明实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。
[0152]
进一步，本发明还提供一种车辆。在根据发明一个车辆实施例中，车辆可以包括控制装置实施例中的控制装置。
[0153]
进一步，应该理解的是，由于各个模块的设定仅仅是为了说明本发明的装置的功能单元，这些模块对应的物理器件可以是处理器本身，或者处理器中软件的一部分，硬件的一部分，或者软件和硬件结合的一部分。因此，图中的各个模块的数量仅仅是示意性的。
[0154]
本领域技术人员能够理解的是，可以对装置中的各个模块进行适应性地拆分或合并。对具体模块的这种拆分或合并并不会导致技术方案偏离本发明的原理，因此，拆分或合并之后的技术方案都将落入本发明的保护范围内。
[0155]
本技术各实施例中可能涉及的相关用户个人信息，均为严格按照法律法规的要求，遵循合法、正当、必要的原则，基于业务场景的合理目的，处理用户在使用产品/服务过程中主动提供或因使用产品/服务而产生的，以及经用户授权获取的个人信息。
[0156]
申请人处理的用户个人信息会因具体产品/服务场景而有所不同，需以用户使用产品/服务的具体场景为准，可能会涉及用户的账号信息、设备信息、驾驶信息、车辆信息或其他相关信息。申请人会以高度的勤勉义务对待用户的个人信息及其处理。
[0157]
申请人非常重视用户个人信息的安全，已采取符合业界标准、合理可行的安全防护措施保护用户的信息，防止个人信息遭到未经授权访问、公开披露、使用、修改、损坏或丢失。
[0158]
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

技术特征：
1.一种误踩油门判定方法，其特征在于，所述方法包括：获取车辆的感知信息和车辆控制信息；根据所述感知信息和所述车辆控制信息，获取误踩油门情况的置信度；根据所述置信度，获取所述车辆的误踩油门情况的判定结果。2.根据权利要求1所述的误踩油门判定方法，其特征在于，所述感知信息包括车外环境感知信息，“获取误踩油门情况的置信度”的步骤包括：根据所述车外环境感知信息和所述车辆控制信息，获取所述误踩油门情况的一级置信度；当所述一级置信度大于预设的第一置信度阈值时，根据所述感知信息、所述车辆控制信息和所述一级置信度，获取所述误踩油门情况的二级置信度；将所述二级置信度作为所述误踩油门情况的最终的置信度。3.根据权利要求2所述的误踩油门判定方法，其特征在于，“获取所述误踩油门情况的一级置信度”的步骤包括：根据所述车外环境感知信息和所述车辆控制信息，获取一级置信度判别参数；根据所述一级置信度判别参数，获取所述一级置信度。4.根据权利要求3所述的误踩油门判定方法，其特征在于，所述一级置信度判别参数包括环境目标因子、场景因子和油门踏板压力因子，“获取一级置信度判别参数”的步骤包括：根据所述车外环境感知信息和所述车辆控制信息，获取所述环境目标因子和所述场景因子；根据所述车辆控制信息，获取所述油门踏板压力因子。5.根据权利要求4所述的误踩油门判定方法，其特征在于，“根据所述一级置信度判别参数，获取所述一级置信度”的步骤包括：分别获取预设的所述环境目标因子、所述场景因子和所述油门踏板压力因子对应的环境目标权重、场景权重和油门踏板压力权重；根据所述环境目标因子、所述场景因子和所述油门踏板压力因子和对应的所述环境目标权重、所述场景权重和所述油门踏板压力权重，获取所述一级置信度。6.根据权利要求4所述的误踩油门判定方法，其特征在于，所述车外环境感知信息包括车辆周围的环境目标以及车辆所处的场景，所述车辆控制信息包括油门踏板压力和自车运动方向，“获取所述环境目标因子和所述场景因子”的步骤包括：根据所述环境目标的位置和所述自车运动方向，获取所述环境目标因子；根据所述场景的类型，获取所述场景因子；和/或，“获取所述油门踏板压力因子”的步骤包括：根据所述油门踏板压力，获取所述油门踏板压力因子。7.根据权利要求6所述的误踩油门判定方法，其特征在于，“根据所述环境目标的位置和所述自车运动方向，获取所述环境目标因子”的步骤包括：根据所述环境目标的位置、所述车辆的自车位置和所述自车运动方向，获取在未来第一预设时长内，所述环境目标与所述车辆之间的重叠度；根据所述重叠度，获取所述环境目标因子。8.根据权利要求3所述的误踩油门判定方法，其特征在于，所述车外环境感知信息包括
车辆周围的环境目标以及车辆所处的场景，所述车辆控制信息包括油门踏板压力和自车运动方向，所述一级置信度判别参数包括碰撞风险置信度和/或场景风险置信度，“获取一级置信度判别参数”的步骤包括：根据所述环境目标的位置、所述油门踏板压力和所述自车运动方向，获取所述碰撞风险置信度；根据所述场景和所述油门踏板压力，获取所述场景风险置信度。9.根据权利要求8所述的误踩油门判定方法，其特征在于，“获取所述碰撞风险置信度”的步骤包括：根据所述环境目标的位置、所述油门踏板压力和所述自车运动方向，获取所述车辆在未来的第一预设时长内与所述环境目标之间的重叠度；根据所述重叠度，获取所述碰撞风险置信度。10.根据权利要求8所述的误踩油门判定方法，其特征在于，“根据所述场景和所述油门踏板压力，获取所述场景风险置信度”的步骤包括：获取所述油门踏板压力在第二预设时长内的变化率；根据所述变化率和所述场景，获取所述场景风险置信度。

技术总结
本发明涉及自动驾驶技术领域，具体提供一种误踩油门判定、驾驶控制方法、装置、存储介质及车辆，旨在解决如何更为准确地判断误踩油门操作的问题。为此目的，本发明基于车辆的感知信息和车辆控制信息获取误踩油门情况的置信度，并根据误踩油门情况的置信度，来获取车辆误踩油门情况的判定结果。由于车辆的感知信息能够包含车内和车外的多个维度的感知数据，结合车辆控制信息，能够实现基于车辆本身数据以及车辆环境数据的多个模态的判断过程，能够有效提升误踩油门情况判断的准确率，继而可以基于判定结果来对车辆进行控制，在确实存在误踩油门情况时，可以及时阻断车辆的动力供应，从而减少事故的发生率。而减少事故的发生率。而减少事故的发生率。


技术研发人员：陈伟骏 任少卿
受保护的技术使用者：安徽蔚来智驾科技有限公司
技术研发日：2023.04.06
技术公布日：2023/7/6