本发明涉及自动驾驶感知领域，尤其涉及一种基于行为状态信息的非机动车及行人行为判断方法及系统。
背景技术：
1、随着智能网联技术的发展，自动驾驶汽车在现代汽车中越来越普及，自动驾驶车辆能够比驾驶人获得更广泛的视野和环境信息，能够大幅度减少驾驶人失误和交通事故发生率，同时能够有效减轻驾驶人疲劳并提高驾驶机动性、行驶安全性、通行高效性和环境友好性。目前，国内外的众多相关企业或科研机构大力发展自动驾驶技术，使得该技术在可行性和实用化方面取得了显著的进展，自动驾驶技术与应用已成为汽车发展的主要趋势。
2、在自动驾驶等级的发展的同时，一些问题也被逐步凸显。与低级别自动驾驶及有条件自动驾驶相比，高级别自动驾驶需要在复杂多样的人车混行环境中理解、预测其他道路使用者的行为，并以此做出准确决策；非机动车与行人的行为相较于机动车更加灵活多样，并且更容易受到外部因素的影响使其具有更强的不确定性，为自动驾驶车辆理解、预测其行为增加了难度；此外，目前国内外相关研究在非机动车及行人的行为描述中并没有统一的规则和方法，使得行为描述的可解释性和可理解性下降。
技术实现思路
1、为了解决现有技术中存在的上述问题，本发明的目的在于提出了一种基于行为状态信息的自车视角下非机动车及行人个性化行为判断方法，为实际场景中非机动车及行人的个性化行为判断提供理论依据与技术支持。
2、为了实现上述技术目的，具体技术方案如下。
3、第一方面，本案提出一种基于行为状态信息的非机动车及行人行为判断方法，所述方法用于自动驾驶车辆判断自车视角下非机动车、行人的行为，包括下述步骤：
4、进行自车视角下人车混行环境场景数据采集；
5、基于采集的场景数据进行标注，提取自车视角下非机动车、行人行为状态信息，所述非机动车行为状态信息包括非机动车速度、位置、加速度，行人行为状态信息包括行人速度、位置，同时还获取自车速度、位置；
6、基于非机动车行为状态信息进行非机动车目标个性化行为判断，所述非机动车目标个性化行为包括非机动车左转、右转、直行及驻停行为，基于行人行为状态信息进行行人个性化行为判断，所述行人个性化行为包括行人的横穿马路及未过马路行为。
7、在上述技术方案的一种实施方式中，人车混行环境场景数据通过在自车部署传感器采集，所述传感器包括相机、激光雷达、组合导航。
8、在上述技术方案的一种实施方式中，非机动车左转、右转行为描述，步骤包括：
9、s110、获取连续m+t1+t2+n帧轨迹图像，逐帧提取非机动车的横向速度及纵向速度，并确定非机动车转向纵/横向速度阈值；
10、s210；若m帧轨迹图像中，纵/横向速度绝对值大于设定的纵/横向速度阈值，则进入s310；否则，返回s110；
11、s310、若接下来的t1帧轨迹图像中，纵/横向速度绝对值减小、横/纵向速度绝对值增加，则进入s410；否则返回s110；
12、s410、若接下来的t2帧轨迹图像中，横/纵向速度绝对值大于设定的横/纵向速度阈值、纵/横向速度绝对值大于设定的纵向速度阈值，且t2帧后非机动车目标连续n帧轨迹速度形式保持不变，若存在则说明所提取轨迹中非机动车目标执行左/右转向行为，其中t1帧非机动车目标所处位置为转向开始点，t2帧非机动车目标所处位置为转向结束点。
13、在上述技术方案的一种实施方式中，非机动车直行、驻停行为，判断步骤包括：
14、s120、逐帧提取非机动车目标轨迹数据，确定非机动车目标直行、驻停行为横向位置变化阈值δxmax，同时确定在提取场景中非机动车目标的标准行驶速度区间[x1，x2]及标准加速度变化区间[a1，a2]；
15、s220、判断非机动车目标的横向位置变化绝对值是否小于δxmax，若满足则分别判断非机动车目标的速度及加速度情况，若所截取的轨迹内非机动车目标以所设定的标准行驶速度区间行驶，则视为该段轨迹中非机动车目标执行直行行为；若所截取的轨迹内非机动车目标以所设定的标准加速度区间减速至停止，则视为该段轨迹中非机动车目标执行驻停行为。
16、在上述技术方案的一种实施方式中，行人的横穿马路及未过马路行为，判断步骤包括：
17、s130、逐帧提取目标行人轨迹片段中自车位置、行人位置、自车纵向速度vc及行人横穿速度vp，据此确定在提取场景中车辆标准行驶速度区间[vc_1，vc_2]、行人标准速度区间[vp_1，vp_2]及行人横向速度最小变化阈值vp_m；
18、s230、判断所提取的行人轨迹中行人横向速度vp是否大于最小变化阈值vp_m，且自车与行人的相对纵向距离l是否发生变化，若不满足说明该行人目标执行未过马路行为；若满足则进入步骤s330；
19、s330、自车与行人相对速度
20、
21、式中：h相对横向距离，t为自车行驶时间；
22、s430、若相对速度满足且相对速度绝对值逐帧减小或增大，则说明该行人目标执行横穿马路行为，否则执行未过马路行为。
23、第二方面，根据上述方法实现为对应的一种基于行为状态信息的非机动车及行人行为判断系统，所述系统用于自动驾驶车辆判断自车视角下非机动车、行人的行为，包括采集模块、提取模块、判断模块。采集模块，被配置用于进行自车视角下人车混行环境场景数据采集。提取模块，被配置基于采集的场景数据进行标注，提取自车视角下非机动车、行人行为状态信息，所述非机动车行为状态信息包括非机动车速度、位置、加速度，行人行为状态信息包括行人速度、位置，同时还获取自车速度、位置。判断模块，被配置基于非机动车行为状态信息进行非机动车目标个性化行为判断，所述非机动车目标个性化行为包括非机动车左转、右转、直行及驻停行为，基于行人行为状态信息进行行人个性化行为判断，所述行人个性化行为包括行人的横穿马路及未过马路行为。
24、本案具有下述有益技术效果：通过基于非机动车及行人的行为状态信息进行它们个性化行为判断，有利于自动驾驶车辆对周围的非机动车及行人的行为进行理解和预测，从而在人车混行环境中能够做出准确决策，提高自动驾驶车辆的安全性。
1.一种基于行为状态信息的非机动车及行人行为判断方法，其特征在于，所述方法用于自动驾驶车辆判断自车视角下非机动车、行人的行为，包括下述步骤：
2.根据权利要求1所述的方法，其特征在于，人车混行环境场景数据通过在自车部署传感器采集，所述传感器包括相机、激光雷达、组合导航。
3.根据权利要求1所述的方法，其特征在于，非机动车左转、右转行为描述，步骤包括：
4.根据权利要求1所述的方法，其特征在于，非机动车直行、驻停行为，判断步骤包括：
5.根据权利要求1所述的方法，其特征在于，行人的横穿马路及未过马路行为，判断步骤包括：
6.一种基于行为状态信息的非机动车及行人行为判断系统，其特征在于：
7.根据权利要求6所述的系统，其特征在于，人车混行环境场景数据通过在自车部署传感器采集，所述传感器包括相机、激光雷达、组合导航。
8.根据权利要求6所述的系统，其特征在于，非机动车左转、右转行为描述，步骤包括：
9.根据权利要求6所述的系统，其特征在于，非机动车直行、驻停行为，判断步骤包括：
10.根据权利要求6所述的系统，其特征在于，行人的横穿马路及未过马路行为，判断步骤包括：
