【技术实现步骤摘要】
一种移动物体意图识别方法、系统、终端和存储介质
本专利技术涉及汽车电子
，特别是涉及一种移动物体意图识别方法、系统、终端和存储介质。
技术介绍
安全是拉动无人驾驶车需求增长的主要因素。特别是在交通拥堵、情景复杂的中国交通环境下，每年由于驾驶员们对于近场切入物意图误判断而致使的交通事故不计其数。而现有的高级辅助驾驶系统也是基于传感器的实时感知作出相应的判断，这种判断具有一定的延后性。正是由于这种延后性使现有的高级辅助驾驶系统无法在适当的时间点给予驾驶员相应的意图提示，或者根据意图判断的结果选择合适的避让反应，或者重新迭代自身行驶路径。
技术实现思路
为了解决上述的以及其他潜在的技术问题，本专利技术提供了一种移动物体意图识别方法、系统、终端和存储介质，以检测交通拥堵场景中移动物体，识别进场移动物体在下一时刻的驾驶意图，判断近场移动物体切入主体规划路径导致碰撞的概率，进而在适当的时间点给予驾驶员相应的夹塞意图提示，或者根据加塞意图判断的结果选择合适的避让反应，或者重新迭代自身行驶路径。本专利技术不...
【技术保护点】
1.一种移动物体意图识别网络模型，其特征在于，包括：/n意图预测模块和意图判断模块；/n所述意图预测模块包括输入层、输出层和至少一个神经元细胞层组成的递归神经网络，所述输入层的输入要素为表征近场移动物体行驶状态的各个维度信息；所述输出层的输出要素为各个近场移动物体意图预测结果的概率；/n所述意图判断模块以意图预测模块输出的结果结合包括但不限于车辆行驶状态、车辆所在场景的行驶规则要素、安全级别设定要素，通过算法处理识别近场移动物体的特定意图。/n
【技术特征摘要】
1.一种移动物体意图识别网络模型，其特征在于，包括：
意图预测模块和意图判断模块；
所述意图预测模块包括输入层、输出层和至少一个神经元细胞层组成的递归神经网络，所述输入层的输入要素为表征近场移动物体行驶状态的各个维度信息；所述输出层的输出要素为各个近场移动物体意图预测结果的概率；
所述意图判断模块以意图预测模块输出的结果结合包括但不限于车辆行驶状态、车辆所在场景的行驶规则要素、安全级别设定要素，通过算法处理识别近场移动物体的特定意图。
2.根据权利要求1所述的移动物体意图识别网络模型，其特征在于，所述输入层输入各个表征近场移动物体行驶状态的输入要素均是时序数据，即在不同时间点上收集到的输入层数据，输入层时序数据反映了近场移动物体的行驶状态随时间的变化状态和/或程度。
3.根据权利要求1所述的移动物体意图识别网络模型，其特征在于，所述输出层输出要素为各个近场移动物体是否会在下一时刻意图夹塞的概率，所述输出层将各个近场移动物体编号，并将每个近场移动物体下一时刻意图夹塞的概率值以矩阵的形式输出。
4.根据权利要求1所述的移动物体意图识别网络模型，其特征在于，所述递归神经网络为深度递归神经网络，所述深度递归神经网络包括n个神经元细胞层，即自输入层至输出层分别标记为第一神经元细胞层、第二神经元细胞层…第n神经元细胞层，所述第一神经元细胞层的输入包括本时刻车辆近场移动物体的数据簇以及该第一神经元细胞层上一时刻的细胞记忆数据，所述第二神经元细胞层的输入为第一神经元细胞层的输出结果以及第二神经元细胞层上一时刻的细胞记忆数据，所述第n神经元细胞层的输入为第n-1层神经元细胞层的输出结果与第n神经元细胞层上一时刻的细胞记忆数据，所述第n神经元细胞层的输出为各个近场移动物体意图预测结果的概率。
5.一种移动物体意图识别方法，其特征在于，包括以下步骤：
S01：获取感知数据，识别感知数据中的近场移动物体，并给予每个近场移动物体对应的标签；以不同维度提取近场移动物体行驶状态；
S02：以各个表征近场移动物体行驶状态的维度为输入，输入意图识别网络模型，意图识别网络模型输出各个近场移动物体意图预测结果的概率；
S03：将各个近场移动物体意图预测结果的概率结合包括但不限于车辆行驶状态、车辆所在场景的行驶规则要素、安全级别设定要素，通过算法处理识别近场移动物体中特定意图的近场移动物体标签。
6.根据权利要求5所述的移动物体意图识别方法，其特征在于，还包括步骤S04：将特定意图的近场移动物体以包括但不限于图像标注、语音提示的方式传递给驾驶员。
7.根据权利要求6所述...
【专利技术属性】
技术研发人员：余恒，王凡，唐锐，
申请(专利权)人：纵目科技上海股份有限公司，
类型：发明
国别省市：上海;31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。