1.一种考虑驾驶员疲劳状态的自动驾驶退出判断方法,其特征在于,包括以下步骤:步骤1:实时获取并融合两种不同来源的疲劳状态信号,以生成驾驶员总疲劳状态等级信号;
步骤2:根据实时总疲劳状态等级信号,动态设定自动驾驶退出的转向盘输入力矩阈值;
步骤3:实时监测驾驶员的转向盘输入力矩,并进行滤波处理,将滤波后的转向盘输入力矩与步骤2中动态设定的转向盘输入力矩阈值进行比较,并结合时间条件,判断是否退出自动驾驶模式。
2.根据权利要求1所述的考虑驾驶员疲劳状态的自动驾驶退出判断方法,其特征在于,所述步骤1包括以下具体步骤:通过采集车辆行驶过程中的转向盘转角和转向盘力矩,计算用于表征驾驶员肌肉疲劳的特征量,包括一段时间内的转向操作次数以及转向力矩波动指数;
将转向操作次数与转向力矩波动指数通过预设的权重系数进行融合,计算出驾驶员肌肉疲劳等级信号:;
其中,为转向操作次数的权重系数,为转向力矩波动指数的权重系数,且;的数值范围在之间,表示精力充沛,表示严重肌肉疲劳;
通过车载摄像头获取驾驶员面部图像,采用图像识别技术定位眼部特征,并计算PERCLOS和EAR进行疲劳程度判定,输出驾驶员视觉疲劳等级信号;
PERCLOS的判定标准采用P80准则,PERCLOS值的计算公式为:;
其中,为计算出的PERCLOS值,为选定时间窗口内的总采样点数,为第个采样点的状态;若被判定为“闭眼”,则,否则为0;
对于判定某一采样点是否为“闭眼”状态,使用EAR作为判定指标;当某一采样点的EAR值低于一个阈值时,则认为这一采样点处于“闭眼”状态;
视觉疲劳等级信号根据PERCLOS值计算得出,计算公式如下:;
其数值范围同样在之间,表示清醒,表示严重视觉疲劳;
将肌肉疲劳等级信号与视觉疲劳等级信号进行融合,计算总疲劳状态等级信号;其计算公式为:;
其中,和分别为肌肉疲劳和视觉疲劳的权重系数,且。
3.根据权利要求2所述的考虑驾驶员疲劳状态的自动驾驶退出判断方法,其特征在于,在所述步骤1中,转向操作次数的统计基于方向盘转角数据;其判定标准为:当方向盘转角超过20°并持续至少1秒后,再次回正,即记为一次有效的转向操作。
4.根据权利要求2所述的考虑驾驶员疲劳状态的自动驾驶退出判断方法,其特征在于,在所述步骤1中,转向力矩波动指数根据采集到的转向盘力矩数据计算得出,其过程分为三步:首先,计算单个时间窗口内转向盘力矩的方差值;设该窗口的采样点数为,力矩平均值为,第个采样点的力矩值为,则方差计算公式为:;
随后,为建立驾驶员个人的力矩基线值,需连续测量个时间窗口的力矩方差,并求其平均值,计算公式为:;
最终,转向力矩波动指数由特定时间窗口的力矩方差与力矩基线值比较得出,其值为相对变化百分比:。
5.根据权利要求4所述的考虑驾驶员疲劳状态的自动驾驶退出判断方法,其特征在于,所述步骤2包括以下具体步骤:建立与的映射关系;该映射关系满足:数值越高,表示驾驶员疲劳程度越严重,此时设定的转向盘输入力矩阈值越低;其函数关系表示为:;
其中,为预设的基础接管力矩阈值,代表驾驶员处于清醒状态时,自动驾驶系统判定驾驶员具有明确接管意图所需的最小转向盘输入力矩,取值范围大于等于且小于等于;为疲劳影响调节因子,,数值越大,相同的对应的越小。
6.根据权利要求5所述的考虑驾驶员疲劳状态的自动驾驶退出判断方法,其特征在于,所述步骤3包括以下具体步骤:采用一阶低通滤波器对进行平滑处理,其离散形式表示为:;
其中,为当前时刻滤波后的转向盘输入力矩,为当前时刻采集的原始力矩值,为滤波系数,取值范围为;
得到滤波后的转向盘输入力矩,将与进行比较,结合时间条件,判断是否退出自动驾驶模式;
当监测到滤波后的转向盘输入力矩持续超过当前转向盘输入力矩阈值,且持续时间达到或超过预设的时间阈值时,判定驾驶员具备有效接管意图与操作能力,系统生成自动驾驶退出指令;
车辆控制系统响应此指令,执行控制权由自动驾驶系统向驾驶员的平滑移交。