用于获取车辆动作预测的系统及相应方法技术方案

一种用于获取车辆(V)的动作(a

【技术实现步骤摘要】
【国外来华专利技术】用于获取车辆动作预测的系统及相应方法


[0001]本说明书涉及用于获取车辆动作预测的技术，特别是用于获取公路车辆动作预测的技术，包括：
[0002]摄像机，其用于获取车辆看到的场景动态的图像序列，特别是用于在车辆前方的场景动态的图像序列，
[0003]卷积神经网络视觉编码器，其配置为获取所述车辆在每个时间步(time step)所看到的场景动态的所述图像序列中的每个所获取图像的对应视觉特征向量，
[0004]一个或多个传感器，其配置为获取在相同时间步的车辆位置(s
t
)，
[0005]递归神经网络，特别是LSTM网络，其配置为接收在所述时间步的所述视觉特征向量和车辆位置并生成车辆动作预测。

技术介绍

[0006]大多数基于深度学习的自动驾驶方法可以分类为两大范式：中介感知方法和行为反射(或，端到端)方法。前者由不同的、有区别的识别组件组成，如行人探测器、道路分割算法、交通信号灯/标志探测器等。然后，将相应的检测结果组合成中间整体场景表示，即(通常是基于规则的)决策者系统的知识输入，以便计划车辆接本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于获取车辆(V)的动作(a
t
)的预测的系统(10；20)，包括：摄像机，其用于获取所述车辆(V)看到的所述场景动态的图像序列(F
t
)，特别是在所述车辆(V)前方的场景动态的图像序列(F
t
)，卷积神经网络视觉编码器(50)，其配置为获取所述车辆(V)在每个时间步(t)看到的场景动态的所述图像序列(F
t
)中的每个所获取图像(F
t
)的对应视觉特征向量(v
t
)，一个或多个传感器(40)，其配置为获取在相同时间步(s
t
)的车辆位置(s
t
)，递归神经网络(65；70)，特别是LSTM网络，其配置为接收在所述时间步(t)的所述视觉特征向量(v
t
)和所述车辆位置(s
t
)，并且考虑所述先前的隐藏状态(h
t
‑1)而生成车辆(V)的动作(a
t
)的预测，其特征在于：所述系统(20)配置为接收表示车辆(V)的操纵的控制指令集(C)作为输入，所述递归神经网络(70)包括多个递归神经网络分支(701、702、703、704)，每一个递归神经网络分支对应于所述控制指令集(C)中的一个控制指令(c
i
)，所述系统(20)包括指令调节开关(60)，所述指令调节开关(60)配置为在接收到所述控制指令(c
i
)时选择所述递归神经网络(70)中的对应分支(701、702、703、704)，所述系统(20)然后配置为操作所述选择的对应分支(701、702、703、704)以处理在所述时间步(t)的所述视觉特征向量(v
t
)和所述车辆位置(s
t
)以获取车辆(V)的动作(a
t
)的所述预测。2.根据权利要求1所述的系统，其特征在于，所述递归神经网络包括LSTM网络。3.根据权利要求1所述的系统，其特征在于，所述卷积神经网络视觉编码器(50)是扩张型全卷积神经网络视觉编码器(50)。4.根据权利要求1所述的系统，其特征在于，所述系统(20)配置为操作所述对应分支(701、702、703、704)以获取车辆(V)的作为在相同给定时间步(t)的获取的所述图像(F
t
)、车辆位置(s
t
)和控制指令(ct)的映射的动作...

【专利技术属性】
技术研发人员：E，
申请(专利权)人：马瑞利欧洲公司，
类型：发明
国别省市：