对周围因素的行为预测制造技术

用于预测因素的占据的方法、系统和装置，包括编码在计算机存储介质上的计算机程序。方法之一包括获得表征环境中的当前场景的场景数据；以及使用神经网络处理包括场景数据的神经网络输入，以生成神经网络输出，其中：该神经网络输出包括与多种因素类型在一个或多个未来时间点处对应的相应占据输出；针对每种因素类型在第一未来时间点处的占据输出包括环境中多个位置的相应占据概率；并且在针对每种因素类型在第一未来时间点处的占据输出中，每个位置的相应占据概率表征该因素类型的因素将在第一未来时间点占据该位置的可能性。在第一未来时间点占据该位置的可能性。在第一未来时间点占据该位置的可能性。

【技术实现步骤摘要】
【国外来华专利技术】对周围因素的行为预测

技术介绍

[0001]本说明书涉及自主载具。
[0002]自主载具包括自驾驶小汽车、船只和飞行器。自主载具使用各种机载传感器和计算机系统来检测附近的对象，并使用这样的检测来做出控制和导航决策。
[0003]一些自主载具具有实现用于各种预测任务(例如图像内的对象分类)的神经网络、其他类型的机器学习模型或两者的机载计算机系统。例如，神经网络可以用于确定由机载相机捕获到的图像很可能是附近小汽车的图像。神经网络(或简称为网络)是采用多层操作以从一个或多个输入预测一个或多个输出的机器学习模型。神经网络通常包括位于输入层和输出层之间的一个或多个隐藏层。每个层的输出用作网络中另一个层(例如下一个隐藏层或输出层)的输入。
[0004]神经网络的每个层都指定要对该层的输入执行的一个或多个变换操作。一些神经网络层具有被称为神经元的操作。每个神经元接收一个或多个输入，并生成由另一个神经网络层接收的输出。通常，每个神经元从其他神经元接收输入，并且每个神经元向一个或多个其他神经元提供输出。
[0005]神经网络的架构指定了网络中包括哪些层及这本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，包括：获得表征环境中的当前场景的场景数据；以及使用神经网络处理包括场景数据的神经网络输入，以生成神经网络输出，其中：所述神经网络输出包括与多种因素类型在一个或多个未来时间点处对应的相应占据输出；针对每种因素类型在第一未来时间点处的占据输出包括环境中多个位置的相应占据概率；并且在针对每种因素类型在第一未来时间点处的占据输出中，每个位置的相应占据概率表征所述因素类型的因素将在第一未来时间点处占据所述位置的可能性。2.根据权利要求1所述的方法，其中，对于每种因素类型，所述场景数据包括所述因素类型的因素在一个或多个先前时间点处在环境中的相应位置。3.根据权利要求2所述的方法，其中，对于第一先前时间点，所述场景数据包括：环境在第一先前时间点处的自上而下渲染图像，其中，所述自上而下渲染图像包括描绘特定因素类型的因素的占据的一个或多个像素。4.根据权利要求3所述的方法，其中，在第一先前时间点处的所述自上而下渲染图像包括以下中的一个或多个：描绘特定因素类型的因素的边界框的多个第一像素；描绘特定因素类型的因素的轮廓的多个第二像素；或者描绘环境中的道路车道的多个第三像素。5.根据权利要求1
‑
4中任一项所述的方法，其中，针对每种因素类型在第一未来时间点处的所述占据输出包括与环境中的位置对应的多个单元，其中，每个单元具有相应因素类型的因素将在第一未来时间点处占据对应位置的占据概率。6.根据权利要求5所述的方法，其中，所述占据输出的分辨率与场景数据的分辨率相同。7.根据权利要求1
‑
6中任一项所述的方法，其中，所述场景数据表征多个先前时间点中的每个时间点处的环境，并且其中，第一因素在第一先前时间点处的第一表示独立于第一因素在第二先前时间点处的第二表示。8.根据权利要求1
‑
7中任一项所述的方法，其中，所述神经网络是前馈卷积神经网络，包括：多个共享的神经网络层，处理场景数据以生成共享嵌入；以及多个第二神经网络层的块，每个第二神经网络层的块对应于相应因素类型，其中，每个第二神经网络层的块处理共享嵌入以生成针对对应因素类型的占据输出。9.根据权利要求8所述的方法，其中，所述神经网络处理共享嵌入以并行地生成针对每种因素类型的占据输出。10.根据权利要求8或9中任一项所述的方法，其中，每个第二神经网络层的块包括多个第三...

【专利技术属性】
技术研发人员：M班萨尔，D安格洛夫，
申请(专利权)人：伟摩有限责任公司，
类型：发明
国别省市：