自动驾驶车辆规划和预测制造技术

一种预测外部活动者轨迹的计算机实施的方法，包括：在计算机处接收用于检测和跟踪外部活动者的传感器输入；将对象跟踪应用于传感器输入，以便跟踪外部活动者，并且由此确定在时间间隔内的外部活动者的观察踪迹；确定外部活动者的可用目标的集合；针对可用目标中的每个确定预期轨迹模型；以及将外部活动者的观察踪迹与可用目标中的每个的预期轨迹模型进行比较，以确定该目标的似然度。

【技术实现步骤摘要】
【国外来华专利技术】自动驾驶车辆规划和预测
本公开涉及可以用作自动驾驶车辆(AV)规划的基础的预测方法。
技术介绍
自动驾驶车辆，也称为无人驾驶车辆，是指具有用于监控其外部环境的传感器系统和能够使用这些传感器自动做出和实施驾驶决策的控制系统的车辆。这尤其包括基于来自传感器系统的输入来自动调整车辆的速度和驾驶方向的能力。完全自动驾驶或“无驾驶员”的车辆具有足够的决策能力，以在没有来自人类驾驶员的任何输入的情况下进行操作。然而，本文所使用的术语自动驾驶车辆也适用于半自动驾驶车辆，半自动驾驶车辆具有更有限的自动驾驶决策能力，因此仍然需要人类驾驶员的一定程度的监督。为了安全且有效地导航遭遇的驾驶场景，自动驾驶车辆规划器需要能够以考虑其他车辆/主体的预期行为的方式进行规划。
技术实现思路
本专利技术的第一方面提供了一种预测外部活动者轨迹的计算机实施的方法，该方法包括：在计算机处接收用于检测和跟踪外部活动者的传感器输入；将对象跟踪应用于传感器输入，以便跟踪外部活动者，并由此确定在时间间隔内的外部活动者的观察踪迹；确定外部活动者的可用目标的集合；针对可用目标中的每个确定预期轨迹模型；以及将外部活动者的观察踪迹与可用目标中的每个的预期轨迹模型进行比较，以确定该目标的似然度。外部活动者可以是外部车辆或诸如行人、骑自行车的人等的另一外部活动者。在以下示例中，外部活动者是外部车辆，然而将理解，相关描述同样适用于其它形式的外部活动者。在实施例中，该方法可以在自动驾驶自我车辆中实施，其中，自动驾驶车辆的规划器根据可用目标中的至少一个的似然度以及使用自动驾驶车辆的传感器系统获取的传感器输入来做出自动驾驶决策。预期轨迹模型可以是与该目标相关联的单个预测轨迹或者是与该目标相关联的预测轨迹的分布。预期轨迹模型可以是包括预测轨迹的集合中的每个预测轨迹Τ的条件概率p(Τ|Gi)的分布，并且在给定观察踪迹τ的情况下，目标的似然度p(Gi|τ)可用于估计至少一个预测轨迹概率p(Τ|τ)。可基于每个目标的期望目标位置来确定该目标的预期轨迹模型。可以通过针对每个目标执行生成模型来确定预期轨迹模型，生成行为模型已经被训练成基于真实世界驾驶行为的示例来生成轨迹。模型可以是特定于与应用该方法有关的驾驶区域。可以通过将采样算法应用于对预测轨迹的空间进行采样来确定预期轨迹模型，基于每个目标的一个或更多个参数以及外部主体的一个或更多个参数来针对每个目标定义预测轨迹的空间。可以基于与外部主体相关联的地图数据来确定可用目标的集合。可以基于一个或更多个自我车辆参数来确定预期轨迹模型，以对其他活动者对自我车辆行为的响应进行建模。观察踪迹可以用于预测目标的最佳可用轨迹模型，并且所述比较可以包括：将最佳可用轨迹模型与预期轨迹模型进行比较。观察踪迹可以用于预测外部活动者的当前操纵和/或未来操纵，所预测的当前操纵或未来操纵用于确定最佳可用轨迹模型。可针对至少一个目标确定多个操纵的序列，并且可基于分别与多个操纵相关联的部分轨迹模型来针对针对该目标确定最佳可用轨迹模型。每个部分轨迹模型都可以包括一个或更多个靶标运动值，并且可以通过将运动平滑应用于靶标运动值来确定最佳可用轨迹模型的未来部分的一个或更多个运动值。每个目标的预期轨迹模型可以是该目标的单个预期轨迹，并且每个目标的最佳可用轨迹模型都可以是单个最佳可用轨迹。每个操纵的部分轨迹模型都可以是该操纵的最可能的部分轨迹。可以将所定义的成本函数应用于每个目标的预期轨迹模型和最佳可用轨迹模型两者，以确定那些轨迹模型的相应成本，其中，所述比较包括：比较那些成本。成本函数可以对减少的驾驶时间进行奖励，同时对不安全的轨迹进行惩罚。成本函数也可能会对缺乏舒适性进行惩罚。本专利技术的第二方面提供了一种预测外部活动者轨迹的计算机实施的方法，该方法包括：在计算机处接收用于检测和跟踪外部活动者的传感器输入；将对象跟踪应用于传感器输入，以便跟踪外部活动者，并由此确定在时间间隔内的外部活动者的观察踪迹；确定外部活动者的可能操纵的集合；针对可能操纵中的每个确定预期轨迹模型；以及将外部活动者的观察踪迹与可用操纵中的每个的预期轨迹模型进行比较，以确定该操纵的似然度。该方法可以在自动驾驶车辆中实施，并且自动驾驶车辆的规划器可以根据可用操纵中的至少一个的似然度做出自动驾驶决策。预期轨迹模型可以是与该操纵相关联的单个预测轨迹或与该操纵相关联的预测轨迹的分布。观察踪迹可以与预测轨迹的分布的最可能的轨迹进行比较。另一方面提供了一种自动驾驶车辆计算机系统，包括：预测组件以及规划器，预测组件被配置为实施本文的任何方法；规划器被配置为使用预测组件的输出来做出自动驾驶决策。预测组件可以被配置为实施第一方面或其任何实施例的方法以提供针对外部主体的目标预测，以及实施第二方面或其任何实施例的方法以提供针对外部主体的操纵预测。操纵预测可用于做出目标预测。一种自动驾驶车辆，可以包括自动驾驶车辆计算机系统和驱动机构，该驱动机构耦接到规划器并且响应于由规划器生成的控制信号。本专利技术的另一方面包括一种AV规划方法，该AV规划方法包括上述步骤以及AV规划器基于目标中的至少一个的确定的似然度来生成用于控制AV的操作的控制信号的步骤。在实施例中，与每个目标相关联的预期轨迹模型可以包括与该目标相关联的预测轨迹或与该目标相关联的预测轨迹的分布。每个目标Gi的分布可以包括预测轨迹的集合中的每个预测轨迹Τ的条件概率p(Τ|Gi)，并且在给定观察踪迹τ的情况下，目标的似然度p(Gi|τ)可用于估计至少一个预测轨迹概率p(Τ|τ)。可以基于至少一个目标的确定的似然度和该目标的预期轨迹模型来生成控制信号。可以基于(例如，在时间间隔的开始处-时间t处的)外部主体的一个或更多个初始参数来确定预期轨迹模型，以用于与观察踪迹进行比较。可以基于(例如，在时间间隔的结束处-时间t+ΔT处的)外部主体的一个或更多个更新参数来更新预期轨迹模型，以用于生成控制信号。外部主体的参数可以是观察参数，即源自传感器输入的参数。外部主体的一个或多个参数可以包括外部主体(在合适时间处)的位置。可基于目标的一个或更多个参数来确定预期轨迹模型。目标的一个或更多个参数例如可包括要到达的期望位置。即，每个目标可以由相应的期望位置参数化。可以通过在计算机系统中针对每个目标执行生成模型来确定预期轨迹模型。可以基于外部主体的上述一个或更多个观察参数和目标的上述一个或更多个参数来执行生成模型。可以通过将采样算法应用于对预测路径的空间进行采样来确定预期轨迹模型，基于目标的一个或更多个参数和外部主体的一个或更多个参数来针对每个目标定义预测路径的空间。采样算法可以是随机采样算法，该随机采样算法基于一个或更多个随机输入参数对搜索空本文档来自技高网...

【技术保护点】
1.一种预测外部活动者轨迹的计算机实施的方法，所述方法包括：/n在计算机处接收用于检测和跟踪外部活动者的传感器输入；/n将对象跟踪应用于所述传感器输入，以便跟踪所述外部活动者，并由此确定在时间间隔内的所述外部活动者的观察踪迹；/n确定所述外部活动者的可用目标的集合；/n针对所述可用目标中的每个确定预期轨迹模型；以及/n将所述外部活动者的观察踪迹与所述可用目标中的每个的预期轨迹模型进行比较，以确定所述目标的似然度。/n

【技术特征摘要】
【国外来华专利技术】20181016 GB 1816850.0;20181016 GB 1816852.6;2018101.一种预测外部活动者轨迹的计算机实施的方法，所述方法包括：
在计算机处接收用于检测和跟踪外部活动者的传感器输入；
将对象跟踪应用于所述传感器输入，以便跟踪所述外部活动者，并由此确定在时间间隔内的所述外部活动者的观察踪迹；
确定所述外部活动者的可用目标的集合；
针对所述可用目标中的每个确定预期轨迹模型；以及
将所述外部活动者的观察踪迹与所述可用目标中的每个的预期轨迹模型进行比较，以确定所述目标的似然度。


2.根据权利要求1所述的方法，所述方法在自动驾驶自我车辆中实施，其中，所述自动驾驶车辆的规划器根据所述可用目标中的至少一个的似然度以及使用所述自动驾驶车辆的传感器系统获取的所述传感器输入来做出自动驾驶决策。


3.根据权利要求1或2所述的方法，其中，所述预期轨迹模型是与所述目标相关联的单个预测轨迹或与所述目标相关联的预测轨迹的分布。


4.根据权利要求3所述的方法，其中，所述预期轨迹模型是包括预测轨迹的集合中的每个预测轨迹Τ的条件概率p(Τ|Gi)的分布，并且在给定所述观察踪迹τ的情况下，所述目标的似然度p(Gi|τ)用于估计至少一个预测轨迹概率p(Τ|τ)。


5.根据前述权利要求中任一项所述的方法，其中，基于每个目标的期望目标位置来确定所述目标的所述预期轨迹模型。


6.根据任一前述权利要求所述的方法，其中，通过针对每个目标执行生成模型来确定所述预期轨迹模型，生成行为模型已经被训练成基于真实世界驾驶行为的示例来生成轨迹。


7.根据权利要求6所述的方法，其中，所述模型特定于与应用所述方法有关的驾驶区域。


8.根据前述权利要求中任一项所述的方法，其中，通过将采样算法应用于对预测轨迹的空间进行采样来确定所述预期轨迹模型，基于每个目标的一个或更多个参数以及所述外部主体的一个或更多个参数来针对所述目标定义所述预测轨迹的空间。


9.根据前述权利要求中任一项所述的方法，其中，基于与所述外部主体相关联的地图数据来确定所述可用目标的集合。


10.根据前述权利要求中任一项所述的方法，其中，基于一个或更多个自我车辆参数来确定所述预期轨迹模型，以对其他活动者对自我车辆行为的响应进行建模。


11.根据前述权利要求中任一项所述的方法，其中，所述观察踪迹用于预测所述目标的最佳可用轨迹模型，所述比较包括：将所述最佳可用轨迹模型与所述预期轨迹模型进行比较。


12.根据权利要求11所述的方法，其中，所述观察踪迹用于预测所述外部活动者的当前操纵和/或未来操纵，所预测的当前操纵或未来操纵用于确定所述最佳可用轨迹模型。


13.根据权利要求12所述的方法，其中，针对至少一个目标确定多个操纵的序列，基于分别与所述多个操纵相关联的部分轨迹模型来针对所述目标确定所述最佳可用轨迹模型。


14.根据权利要求13所述的方法，其中，每个部分轨迹模型都包括一个...

【专利技术属性】
技术研发人员：苏拉曼尼亚·拉马穆尔西，西蒙·里昂，斯威特·彭科夫，莫里斯·安东内洛，
申请(专利权)人：法弗人工智能有限公司，
类型：发明
国别省市：英国;GB