用于自动驾驶的方法、装置和计算机可读存储介质制造方法及图纸

本公开的实施例涉及用于自动驾驶的方法、装置和计算机可读存储介质。该方法包括：获取与车辆相关的多个候选出口的多组出口特征，每个候选出口是与所述车辆的可行驶路线相关联的道路的一部分；确定所述车辆相对于所述多个候选出口的多组车辆特征，每组车辆特征至少包括所述车辆相对于所述多个候选出口中的相应候选出口的运动状态；以及基于所述多组出口特征和所述多组车辆特征，从所述多个候选出口中确定与所述车辆的行驶路线匹配的出口。该方法将目标高阶意图预测抽象为目标与出口匹配问题，可以适配各种路口场景，具有良好的泛化性能。能。能。

【技术实现步骤摘要】
用于自动驾驶的方法、装置和计算机可读存储介质


[0001]本公开的实施例一般地涉及自动驾驶，并且更具体地涉及用于自动驾驶的方法、装置、电子设备、自动驾驶车辆以及计算机可读存储介质。

技术介绍

[0002]在自动驾驶中，车辆意图预测是指根据当前时刻以及历史时刻的目标状态对目标车辆的行为意图进行预测，例如在顺行道路场景下车辆意图可以包括车道保持、左换道、右换道等，在路口场景下车辆意图可以包括直行、左转、右转以及调头等。实时、准确、可靠地对车辆意图预测，可以帮助自车预知前方的交通状况，建立自车周围的交通态势，有助于对周围他车目标重要性判断，筛选交互的关键目标，便于自车提前进行路径规划，安全通过复杂路口场景。
[0003]对于城市交通路口场景，由于道路结构复杂多变，没有明确的实体车道线约束，车辆的行为差异性更加明显，更加难以预测；由于不同路口结构差异较大，简单的语义级意图，如直行、左转、右转以及调头，难以准确描述目标车辆的行为意图。

技术实现思路

[0004]本公开的实施例可以提供至少部分解决传统方案中的技术问题的自动驾驶方案。
[0005]在本公开的第一方面，提供了一种用于自动驾驶的方法。该方法包括：获取与车辆相关的多个候选出口的多组出口特征，每个候选出口是与所述车辆的可行驶路线相关联的道路的一部分；确定所述车辆相对于所述多个候选出口的多组车辆特征，每组车辆特征至少包括所述车辆相对于所述多个候选出口中的相应候选出口的运动状态；以及基于所述多组出口特征和所述多组车辆特征，从所述多个候选出口中确定与所述车辆的行驶路线匹配的出口。
[0006]在常规方案中，以车辆作为参考来划分道路区域，难以适配路口场景中的大量的出口，也难以适配各种不同的路口场景。该方法将目标高阶意图预测抽象为目标与出口匹配问题，这种方式无需将路口分为扇形区域，从而能够适配各种路口场景，具有良好的泛化性能。另外，当目标意图不明显时会输出多种意图，从而解决多模态问题。
[0007]在一些实施例中，每组出口特征包括在笛卡尔坐标系下，所述车辆相对于所述候选出口运动状态。
[0008]在一些实施例中，所述相应候选出口的出口特征包括以下至少一项：所述相应候选出口的大小、可行驶方向和边界。
[0009]在一些实施例中，每组车辆特征包括以下至少一项：所述车辆的坐标、所述车辆与所述笛卡尔坐标系的原点之间的距离、所述车辆的朝向、所述车辆的坐标的变化率、所述车辆与原点之间的距离的变化率以及所述车辆的朝向的变化率。以出口作为参考来建立坐标系，可以方便地表示车辆的特征。
[0010]在一些实施例中，每组车辆特征还包括：所述车辆在以参考车道线为一个坐标轴
的曲线坐标系下的运动状态，其中从与所述相应候选出口相连的车道线中选取与所述车辆的距离最近的车道线作为参考车道线。在考虑车道线的情况下，根据以出口作为参考的曲线坐标系可以方便地表示车辆相对于车道线的运动状态。
[0011]在一些实施例中，所述车辆在所述曲线坐标系下的运动状态包括以下至少一项：所述车辆的坐标、所述车辆的朝向与参考行驶方向的角度差、所述车辆的坐标的变化率以及所述角度差的变化率，所述参考行驶方向是所述车辆到所述参考车道线的投影点处的车道线的行驶方向。
[0012]在一些实施例中，方法还包括：通过第一多层感知机来确定所述多组出口特征中的每组出口特征的特征表示；通过第二多层感知机和循环神经网络来确定所述多组车辆特征中的每组车辆特征的特征表示；以及其中确定所述出口还包括：基于所述多组出口特征中的每组出口特征的特征表示和所述多组车辆特征中的每组车辆特征的特征表示来确定所述出口。通过使用多层感知器和递归神经网络，可以避免使用卷积神经网络，从而节约系统计算资源。
[0013]在一些实施例中，确定所述出口包括：通过第三多层感知机来确定所述多组出口特征中的每组出口特征与所述多组车辆特征中的相应车辆特征之间的匹配系数；以及基于所述匹配系数来确定所述出口。通过使用多层感知器和递归神经网络，可以避免使用卷积神经网络，从而提高系统计算性能。
[0014]在一些实施例中，基于所述匹配系数来确定所述出口包括：获取与所述车辆的历史位置有关的历史匹配系数，所述历史匹配系数是所述车辆在所述历史位置处时所述多组出口特征中的每组出口特征与所述多组车辆特征中的相应车辆特征之间的匹配系数；基于所述历史匹配系数和确定的所述匹配系数，计算更新的匹配系数；以及基于所述更新的匹配系数来确定所述出口。通过计算历史融合概率，可以进一步考虑车辆的状态变化的影响，提高预测准确性。
[0015]在一些实施例中，所述多个候选出口为路口区域的出口。本公开的技术方案特别适配复杂多变的路口场景。
[0016]在本公开的第二方面，提供了一种用于自动驾驶的装置。所述装置包括：第一获取模块，被配置为获取与车辆相关的多个候选出口的多组出口特征，每个候选出口是与所述车辆的可行驶路线相关联的道路的一部分；第一确定模块，被配置为确定所述车辆相对于所述多个候选出口的多组车辆特征，每组车辆特征至少包括所述车辆相对于所述多个候选出口中的相应候选出口的运动状态；以及第二确定模块，被配置为基于所述多组出口特征和所述多组车辆特征，从所述多个候选出口中确定与所述车辆的行驶路线匹配的出口。
[0017]在本公开的第三方面，提供了一种电子设备。所述电子设备包括：一个或多个处理器；以及存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述电子设备实现根据第一方面所述的方法。
[0018]在本公开的第四方面，提供了一种自动驾驶车辆。所述自动驾驶车辆包括根据本公开的第二方面的电子设备。
[0019]在本公开的第五方面，提供了一种计算机可读存储介质，其上存储有计算机程序，所述程序被处理器执行时实现根据本公开的第一方面所述的方法。
[0020]提供
技术实现思路
部分是为了以简化的形式来介绍对概念的选择，它们在下文的具体
实施方式中将被进一步描述。
技术实现思路
部分无意标识本公开的关键特征或主要特征，也无意限制本公开的范围。
附图说明
[0021]通过结合附图对本公开示例性实施例进行更详细的描述，本公开的上述以及其他目的、特征和优势将变得更加明显，其中，在本公开示例性实施例中，相同的附图标记通常代表相同部件。
[0022]图1示出了能够在其中实施本公开的实施例的环境的框图；
[0023]图2示出了根据本公开的一些实施例的意图预测系统的框图；
[0024]图3示出了根据本公开的一些实施例的意图预测系统的框图；
[0025]图4示出了根据本公开的一些实施例的曲线坐标系的示意图；
[0026]图5示出了根据本公开的一些实施例的意图预测系统的框图；
[0027]图6示出了根据本公开的一些实施例的用于自动驾驶的方法的流程图；
[0028]图7示出了根据本公开的一些实施例的用于自动驾驶的装置的框图；以及
[0029本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于自动驾驶的方法，包括：获取与车辆相关的多个候选出口的多组出口特征，每个候选出口是与所述车辆的可行驶路线相关联的道路的一部分；确定所述车辆相对于所述多个候选出口的多组车辆特征，每组车辆特征至少包括所述车辆相对于所述多个候选出口中的相应候选出口的运动状态；以及基于所述多组出口特征和所述多组车辆特征，从所述多个候选出口中确定与所述车辆的行驶路线匹配的出口。2.根据权利要求1所述的方法，其中每组出口特征包括在笛卡尔坐标系下，所述车辆相对于所述候选出口运动状态。3.根据权利要求2所述的方法，其中所述相应候选出口的出口特征包括以下至少一项：所述相应候选出口的大小、可行驶方向和边界。4.根据权利要求2所述的方法，其中每组车辆特征包括以下至少一项：所述车辆的坐标、所述车辆与所述笛卡尔坐标系的原点之间的距离、所述车辆的朝向、所述车辆的坐标的变化率、所述车辆与原点之间的距离的变化率以及所述车辆的朝向的变化率。5.根据权利要求1所述的方法，其中每组车辆特征还包括：所述车辆在以参考车道线为一个坐标轴的曲线坐标系下的运动状态，其中从与所述相应候选出口相连的车道线中选取与所述车辆的距离最近的车道线作为参考车道线。6.根据权利要求5所述的方法，其中所述车辆在所述曲线坐标系下的运动状态包括以下至少一项：所述车辆的坐标、所述车辆的朝向与参考行驶方向的角度差、所述车辆的坐标的变化率以及所述角度差的变化率，所述参考行驶方向是所述车辆到所述参考车道线的投影点处的车道线的行驶方向。7.根据权利要求1所述的方法，还包括：通过第一多层感知机来确定所述多组出口特征中的每组出口特征的特征表示；通过第二多层感知机和循环神经网络来确定所述多组车辆特征中的每组车辆特征的特征表示；以及其中确定所述出口包括：基于所述多组出口特征中的每组出口特征的特征表示和所述多组车辆特...

【专利技术属性】
技术研发人员：李飞，范时伟，李向旭，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：