CN115439816B 一种基于凸优化的无人驾驶系统转向角安全性的验证方法 （大连理工大学）

一种基于凸优化的无人驾驶系统转向角安本发明公开了一种基于凸优化的无人驾驶角的判断问题转化为类似图像处理的可分类问题，然后拓展深度神经网络验证工具DLV执行转22)构建安全转向角的区间：以凸优化求解出耦成纵向和横向运动，然后运用凸优化的方法进行求解，用t和th分别表示时间和时间间通过障碍物可达集预测最大和最小横向位置约束，其中可达集表2_1)对于一个已训练好的基于DNN的无人驾驶系统，输入一个给定的驾驶场境图像x，2_2)运用步骤1)求解出的横向轨迹中的转向角，验证是基于搜索对抗性反例的方法，对任意一个基于DNN的无人驾驶系统3神经网络的每一层Lk都与一个nk维向量空间Dur相关联，其中每一维对应一个神经元；对于一个输入驾驶场景图像x，一个基于DNN的无人驾驶系统在层k的激活表示为αx,k，k∈αx,k对于给定的一个输入驾驶场景图像x看作高维空间的一个点，假设在该点周围存在一个或无限个邻域η,邻域内的所有点的预测转向角必须与x的预测转向角具有相同的类；所ppk是第k层所有此类扰动操作的集合；对于基于DNN的无人驾驶系统转向角的安全性定如果对输入驾驶场景图像x应用扰动操作而不其中，分类的判断方式为：如果扰动后的预测转向角落在步4转向角的安全性进行判断，并拓展深度神经网络验证工具(DLV)执行转向角的安全性的验辆汽车的车队每天24小时连续驾驶进行了12.5向角安全性的验证方法，结合故障安全轨迹中的凸优化技术和深度学习验证工具(DLV)执行验证，DLV(HuangX,KwiatkowskaM,WangS,etal.Safetyverificationofdeepneuralnetworks[C]//Internationalconferenceoncomputeraided5verification.Springer,Cham,2017:3_29.)是一个用于自动验证图像分类神经网络安全[0007]1)运用故障安全轨迹中的凸优化法求解出能够避撞的转向角，即建立避撞转向[0011]1_1)规划纵向轨迹，通过权重waEN+和wjEN+惩罚高加速度和抖动来获得[0020]2_1)对于一个已训练好的基于DNN的无人驾驶系统，输入一个给定的驾驶场境图6[0023]本发明的验证是基于搜索对抗性反例的方法，对任意一个基于DNN的无人驾驶系[0026]神经网络的每一层Lk都与一个nk维向量空间DU相关联，其中每一维对应一个神[0027]对于给定的一个输入驾驶场景图像x可以看作高维空间的一个点，假设在该点周围存在一个或无限个邻域η,邻域内的所有点的预测转向角必须与x的预测转向角具有相同最大的激活值对应的神经元选择的维数dimsk的子集。用avgk表示当前层Lk的激活平均值，_avg|取最大值的第一批维度。[0031]接下来，假设存在一个扰动操作集ppk是第k层所有此类扰动操作的集合。7[0039]利用离散化来实现高维η区域内转向角对抗性误分类的有限穷举搜索。安全分析超矩形可以覆盖区域ηk，那么N对于输入x，区域ηk和扰动操作Δk是安全的，记为N,ηk,[0043]本发明结合故障安全轨迹中的凸优化技术和深度学习验证工具(DLV)执行无人驾驶转向角的安全性验证，通过凸优化技术扩展DLV验证框架，以解决预测转向角的判断问[0045]2、在给定区域和操作集合中只要存在对抗性反例就可以成功找到对抗性错误分[0053]本发明以NVIDIA端到端无人驾驶系统为例执行本发明提出的方法以验证转向角8[0055]1_1)端到端无人驾驶系统在驾驶集上训练超过六个小时，神经网络获得超过100是加速[0064]式中，汽车的横向运动为xiae(t)=(d,9,k,i),d是横向位置，θ是偏差，K是曲够避撞的安全转向角与训练好的无人驾驶系统关于原始图像预测的转向角构建一个对应[0069]4)拓展DLV，运用基于搜索对抗性反例的方法验证无人驾驶系统的转向角的安全9[0071]神经网络的每一层Lk都与一个nk维向量空间DU相关联，其中每一维对应一个神[0072]对于给定的一个输入驾驶场景图像x(可以看作高维空间的一个点)，假设在该点周围存在一个或无限个区域η,这个区域内的所有点的预测转向角必须与x的预测转向角具最大的激活值对应的神经元选择的维数dimsk的子集。用avgk表示当前层Lk的激活平均值，_avg|取最大值的第一批维度。pp[0079]集合Δk是所有此类操[0083]利用离散化来实现高维η区域内转向角对抗性误分类的有限穷举搜索。安全分析形可以覆盖区域ηk，那么我们说N对于输入x关于区域ηk和操作Δk是安全的，记为N，ηk，对抗性反例的方法DNN驱动的自动驾驶汽车自动测试S，etal.Deeptest：Automatedtecars[C]//Proceedingsofthe40thinternationalconferenceonsoftwareT，etal.SDLV:verificationofsteeringanglesafetyforself_drivi