用于自主车辆的行人行为预测制造技术

该技术涉及以自动驾驶模式控制车辆100。例如，可以接收识别车辆的环境中的对象的传感器数据。包括多个单元格的网格780、782、784可以被投射在对象周围。对于多个单元格中的每个给定单元格，预测对象将在未来一段时间内进入给定单元格的可能性。基于预测的可能性生成轮廓1280‑1284。然后，以自动驾驶模式控制车辆，以便避开轮廓内的区域。

Pedestrian behavior prediction for autonomous vehicles

【技术实现步骤摘要】
【国外来华专利技术】用于自主车辆的行人行为预测相关申请的交叉引用本申请是2017年10月24日提交的美国专利申请第15/791,602号的延续，其公开内容通过引用结合于此。
技术介绍
自主车辆，诸如不需要人类驾驶员的车辆，可以用于帮助将乘客或物品从一个位置运输到另一位置。这样的车辆可以在完全自主的模式下操作，其中乘客可以提供一些初始输入，诸如接载或目的地位置，并且车辆将自身操纵到(maneuver)该位置。为了确定如何通过环境与其他独立参与者(actor)(诸如车辆、自行车和行人)一起操纵无人驾驶车辆，对于无人驾驶车辆的计算设备而言，检测此类参与者并做出关于那些参与者未来运动的预测至关重要。典型的预测系统可以使用基于学习的轨迹建议的行为模型来基于先前观察到的运动来评估对象将遵循给定轨迹的可能性。在进行这种预测时，某些轨迹模型甚至可能考虑其他参与者的相对位置和移动。当来自车辆的感知系统的数据质量很高并且给定参与者的可行路径的数量相对较少时，这种轨迹建模可能是一种实用且有用的方法。
技术实现思路
本公开的一个方面提供了一种控制具有自动驾驶模式的车辆的方法。该方法包括：由车辆的一个或多个处理器接收识别车辆的环境中的对象的传感器数据；由一个或多个处理器围绕对象投射(project)包括多个单元格(cell)的网格(grid)；对于多个单元格中的每个给定单元格，由一个或多个处理器预测在未来一段时间内对象将进入给定的一个单元格的可能性；由一个或多个处理器基于预测的可能性生成轮廓(contour)；以及由一个或多个处理器以自动驾驶模式控制车辆，以便避开轮廓内的区域。在一个示例中，传感器数据将对象识别为行人对象类型，并且投射网格还基于行人对象类型。在另一示例中，该方法还包括选择对象上的点，并且投射网格包括将该点放置在网格的中心。在另一示例中，该方法还包括提供围绕轮廓的缓冲距离，并且控制车辆包括避开在围绕轮廓的缓冲距离内的区域。在另一示例中，时间段是2秒或更短。在另一示例中，该方法还包括使用阈值和所预测的可能性丢弃多个单元格中的单元格，并且使用多个单元格中的任何其余单元格来生成轮廓。在该示例中，该方法还包括基于在传感器数据中识别的对象来选择阈值。在此示例中，选择阈值是基于传感器数据中识别的行人数量。附加地或替代地，选择阈值是基于车辆避开网格的区域的可行性。在另一示例中，预测所预测的可能性提供了热图。本公开的另一方面提供了一种用于控制具有自动驾驶模式的车辆的系统，该系统包括一个或多个处理器，被配置为：接收识别车辆的环境中的对象的传感器数据；围绕对象投射包括多个单元格的网格；对于多个单元格中的每个给定单元格，预测在未来一段时间内对象将进入给定单元格的可能性；基于所预测的可能性生成轮廓；以及在自动驾驶模式下控制车辆，以便避开轮廓内的区域。在一个示例中，传感器数据将对象识别为行人对象类型，并且投射网格还基于行人对象类型。在另一示例中，该方法还包括选择对象上的点，并且投射网格包括将点放置在网格的中心。在该示例中，该方法还包括提供围绕轮廓的缓冲距离，并且控制车辆包括避开轮廓周围的缓冲距离内的区域。在另一示例中，该方法还包括使用阈值和所预测的可能性丢弃多个单元格中的单元格，并且使用多个单元格中的任何其余单元格来生成轮廓。在该示例中，该方法还包括基于在传感器数据中识别的对象来选择阈值。在此示例中，选择阈值是基于传感器数据中识别的行人数量。附加地或替代地，选择阈值是基于在传感器数据中是否识别出轮椅。在另一示例中，预测所预测的可能性提供了热图。在另一示例中，系统还包括车辆。附图说明图1是根据本公开的方面的示例性车辆的功能图。图2是根据本公开的方面的详细地图信息的示例表示。图3A-3D是根据本公开的方面的车辆的示例性外部视图。图4是根据本公开的方面的行车道的截面图。图5是根据本公开的方面的行车道和传感器数据的截面图。图6是根据本公开的方面的行车道、传感器数据和预测的轨迹的截面图。图7A-7C是根据本公开的方面的示例网格投射。图8是根据本公开的方面的行车道、传感器数据、预测的轨迹和网格投射的截面图。图9A-9C是根据本公开的方面的示例概率分布。图10A-10B是根据本公开的方面的示例概率分布。图11A-11C是根据本公开的方面的示例过滤的概率分布。图12A-12C是根据本公开的方面的示例轮廓区域。图13是根据本公开的方面的行车道、传感器数据、预测的轨迹和轮廓区域的截面图。图14是根据本公开的方面的流程图。具体实施方式概述如上所述，当来自车辆的感知系统的数据质量很高并且给定参与者的可行路径的数量相对较小时，这种轨迹建模可能是一种实用且有用的方法。然而，在某些情况下，数据质量可能会低于最优，并且参与者的行为难以预测。对于无限多样、非刚性、经常被部分遮挡、能够快速改变方向并穿越各种地形的行人，情况尤其如此。这可能使得难以使用轨迹建模检测、分类、跟踪和特别是预测行人。为了解决这些障碍，代替轨迹建模预测或除了轨迹建模预测之外，可以使用行人在未来短时间内的可能未来位置的基于网格的预测。例如，对于由车辆的感知系统检测到的每个行人，都可以在行人周围投射一个网格。网格的大小可以对应于行人在短时间内能够移动多远的向外边界(outwardboundary)。可以投射网格，使得行人上的任何点或给定点处于网格的中心。使用观察到的行人速度、移动方向和朝向，可以为每个单元格确定一个值，该值指示行人在短时段内可能进入该单元格的可能性。在某些情况下，预测也可以基于环境因素。因此，每个网格单元格将代表行人在短时间段内进入该单元格的概率。就这一点而言，可以将网格视为热图(heatmap)，该热图识别行人在短时间段内或多或少可能处于的区域。热图可以帮助将感知不确定性传播为可用于路径规划的形式。如果行人将不会进入给定单元格的概率很高，则可以丢弃该单元格。换句话说，不满足阈值的单元格可以被丢弃。可以在其余的网格单元格周围绘制轮廓。然后可以将该轮廓用于路径规划。除了上面和下面讨论的益处之外，使用这种基于网格的预测还允许车辆在对行人做出响应时或在车辆的感知系统无法可靠地识别对象类型的任何情况下更加谨慎。这种预测形式还可以允许人类观察者识别对位置、朝向、速度、加速度和轮廓影响预期运动的感知的不确定性。实际上，可以从预测性递归神经网络(predictiverecurrentneuralnetwork)以相当直接的方式获得热图，而基于提议的轨迹则很难以这种方式来表达。同时，由于这种基于网格的预测可以在很短的时间范围内预测参与者的未来位置和动作，因此所需的实际“地面实况(groundtruth)”训练数据非常小。换句话说，在做出可靠的预测之前，感知系统只需要观察十分之一秒的时间即可。示例系统如图1所示，根据本公开的一个方面的车辆100包括各种组件。尽管本公开的某些方面对于特定类型的车辆特别有用，然而该车辆可以是任何本文档来自技高网...

【技术保护点】
1.一种控制具有自动驾驶模式的车辆的方法，所述方法包括：/n由所述车辆的一个或多个处理器接收识别所述车辆的环境中的对象的传感器数据；/n由所述一个或多个处理器围绕所述对象投射包括多个单元格的网格；/n对于所述多个单元格中的每个给定单元格，由所述一个或多个处理器预测所述对象在未来时间段内将进入给定单元格的可能性；/n由所述一个或多个处理器基于所预测的可能性生成轮廓；以及/n由所述一个或多个处理器在所述自动驾驶模式下控制所述车辆，以便避开所述轮廓内的区域。/n

【技术特征摘要】
【国外来华专利技术】20171024 US 15/791,6021.一种控制具有自动驾驶模式的车辆的方法，所述方法包括：
由所述车辆的一个或多个处理器接收识别所述车辆的环境中的对象的传感器数据；
由所述一个或多个处理器围绕所述对象投射包括多个单元格的网格；
对于所述多个单元格中的每个给定单元格，由所述一个或多个处理器预测所述对象在未来时间段内将进入给定单元格的可能性；
由所述一个或多个处理器基于所预测的可能性生成轮廓；以及
由所述一个或多个处理器在所述自动驾驶模式下控制所述车辆，以便避开所述轮廓内的区域。


2.根据权利要求1所述的方法，其中，所述传感器数据将所述对象识别为行人对象类型，并且投射所述网格还基于所述行人对象类型。


3.根据权利要求1所述的方法，还包括选择所述对象上的点，并且其中投射所述网格包括将所述点放置在所述网格的中心。


4.根据权利要求1所述的方法，还包括提供围绕所述轮廓的缓冲距离，并且其中控制所述车辆包括避开围绕所述轮廓的所述缓冲距离内的区域。


5.根据权利要求1所述的方法，其中所述时间段是2秒或更短。


6.根据权利要求1所述的方法，还包括使用阈值和所预测的可能性丢弃所述多个单元格中的单元格，并且其中使用所述多个单元格中的任何其余单元格来生成所述轮廓。


7.根据权利要求6所述的方法，还包括基于在所述传感器数据中识别的对象来选择所述阈值。


8.根据权利要求7所述的方法，其中，选择所述阈值是基于在所述传感器数据中识别的行人的数量。


9.根据权利要求7所述的方法，其中，选择所述阈值是基于所述车辆避开所述网格的区域的可行性。


10.根据...

【专利技术属性】
技术研发人员：JS拉塞尔，K丁，
申请(专利权)人：伟摩有限责任公司，
类型：发明
国别省市：美国;US