用于预测与行人相关的信息的检测系统技术方案

一种用于预测与行人相关的信息的检测系统(100)，具有：追踪模块(110)，其从传感器数据实时检测和追踪操作区域中的行人；机器学习预测模块(140)，其使用机器学习算法根据包括由所述追踪模块(110)发送的被追踪行人的数据和所述操作区域的地图数据在内的输入数据来对与所述被追踪行人相关的在未来时间的信息进行预测；行人行为评估模块(130)，其确定所述被追踪行人的表示该行人的实时行为的附加数据，并且所述被追踪行人的所述附加数据被所述机器学习预测模块(140)用作另一输入数据来进行所述预测。所述预测。所述预测。

【技术实现步骤摘要】
用于预测与行人相关的信息的检测系统


[0001]本公开涉及用于预测与行人相关的信息的系统和方法，通常用于自主驾驶。

技术介绍

[0002]在城市环境中驾驶的自主或自驾驶车辆很可能在诸如行人和骑自行车者的弱势道路使用者附近操作。为了排除与弱势道路使用者的碰撞，在靠近弱势道路使用者时，自主车辆会显著地降低其速度。然而，存在于周围环境中的人类驾驶的车辆的驾驶员可能因自主车辆的这种行为而感到惊讶，并且导致两个车辆之间的事故。实际上，在由自主车辆和人类驱动车辆的混合占用的道路上，这种速度降低是问题，因为其会增加事故数量。
[0003]当驾驶机动车辆时，人类驾驶员实时地考虑包括车辆周围的操作区域中的多个交通参与者(车辆、行人、自行车或任何其他潜在的移动物体)的多参与者场景，并且基于当前环境和交通参与者可能进行何种行为的短期预测来采取动作决策。特别地，人类驾驶员通常可以根据对行人行为的观察来预测行人的轨迹，并且根据其对行人轨迹的预测来行动。只有当驾驶员预期行人在短期内可能具有危险行为时(这实际上是罕见的情形)，人类驾驶员才显著降低其接近行人的速度。<本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于预测与行人相关的信息的预测系统(100)，所述预测系统具有：追踪模块(110)，所述追踪模块根据传感器数据实时检测和追踪操作区域中的行人；机器学习预测模块(140)，所述机器学习预测模块使用机器学习算法根据输入数据来对与被追踪行人相关的在未来时间的信息进行预测，所述输入数据包括所述被追踪行人的由所述追踪模块(110)发送的数据和所述操作区域的地图数据，其特征在于，所述预测系统(100)还包括行人行为评估模块(130)，所述行人行为评估模块确定所述被追踪行人的表示该行人的实时行为的附加数据，所述行人行为评估模块(130)包括：动作识别块(132)和交通意识检测块(133)中的至少一者，所述动作识别块(132)将所述被追踪行人的动作的类标识为附加数据，所述交通意识检测块(133)将所述被追踪行人对于该行人周围的交通状况的意识状态的类标识为附加数据，并且所述被追踪行人的所述附加数据被所述机器学习预测模块(140)用作另一输入数据来进行所述预测。2.根据权利要求1所述的预测系统，所述预测系统还包括预测融合模块(150)，所述预测融合模块执行对由所述机器学习预测模块(140)执行的与所述被追踪行人相关的信息的预测和基于由所述追踪模块(110)确定的信息进行的与所述被追踪行人相关的信息的另一预测的融合。3.根据权利要求1和2中任一项所述的预测系统，其中，所预测的与所述被追踪行人相关的信息包括未来时间的行人轨迹和关于在未来时间的行人意图的信息中的至少一者。4.根据权利要求1至3中任一项所述的预测系统，其中，所述机器学习预测模块(140)具有深度神经网络。5.根据权利要求1至4中任一项所述的预测系统，其中，所述行人行为评估模块(130)包括关键点检测块(131)，所述关键点检测块从行人数据中检测所述行人的身体关键点。6.根据权利要求1至5中任一项所述的预测系统，其中，所述行人行为评估模块(130)是编码器
‑
解码器神经网络的编码器，并且所述行人行为评估模块(130)和所述机器学习预测模块(140)被联合训练。7.根据权利要求1至6中任一项所述的预测系统，所述预测系统包括地图处理模块(120)，所述地图处理模块：接收高分辨率地图数据(304)，接收车辆(200)的位置的实时数据(303)，所述车辆(200)的所述位置限定所述操作区域，从所述高分辨率地图数...

【专利技术属性】
技术研发人员：L，
申请(专利权)人：APTIV技术有限公司，
类型：发明
国别省市：