用于操作自主车辆的系统/方法。该方法包括由计算设备：使用传感器数据来跟踪在自主驾驶车辆附近检测到的对象；将所述对象分类为多个动态状态类别中的至少一个动态状态类别；将所述至少一个动态状态类别转换为多个目标类别中的至少一个目标类别；将所述至少一个目标类别转换为多个提出的未来意图类别中的至少一个提出的未来意图类别；基于提出的未来意图类别来确定所述对象的至少一个预测的未来意图；和/或使自主车辆基于为对象确定的至少一个预测的未来意图来执行至少一个自主驾驶操作。作。作。
【技术实现步骤摘要】
【国外来华专利技术】用于确定对象的未来意图的系统和方法
[0001]交叉引用和优先权要求
[0002]本专利文件要求享有于2021年2月19日提交的美国专利申请第17/179,510号的优先权，其全部内容通过引用并入本文。
[0003]本公开总体上涉及计算系统。更具体地，本公开涉及实现用于确定对象的未来意图的系统和方法(其可以例如用于车辆运动规划)。
技术介绍
[0004]现代车辆具有至少一个车载计算机并且具有互联网/卫星连接。在这些车载计算机上运行的软件监测和/或控制车辆的操作。如果车辆是自主车辆，则需要能够预测场景中的代理者的轨迹，以便做出安全和有效的行为决策。
技术实现思路
[0005]本公开涉及实现用于操作自主车辆的系统和方法。该方法包括由计算设备执行以下操作：使用传感器数据来跟踪在自主驾驶车辆附近检测到的对象；将所述对象分类为多个动态状态类别中的至少一个动态状态类别；将所述至少一个动态状态类别确定、映射或转换为多个目标类别中的至少一个目标类别；将所述至少一个目标类别确定、映射或转换为多个提出的未来意图类别中的至少一个提出的未来意图类别；基于提出的未来意图类别来确定所述对象的至少一个预测的未来意图；以及基于为对象确定的至少一个预测的未来意图使自主车辆执行至少一个自主驾驶操作。
[0006]在一些场景中，分层概率树用于将至少一个动态状态类别确定、映射或转换为至少一个目标类别，并且将至少一个目标类别确定、映射或转换为至少一个提出的未来意图类别。动态状态类别可以包括但不限于停放的车辆类别、功能上停止的车辆类别、车道阻塞车辆类别、排队的车辆类别和/或驾驶车辆类别。目标类别可以包括但不限于停放目标类别、车道阻塞目标类别和/或跟随标称车道目标类别。提出的未来意图类别可以包括但不限于停止意图类别、交叉意图类别、行走意图类别和/或驾驶意图类别。
[0007]在那些或其他场景中，提出的未来意图被认为是预测的未来意图。可替代地，当提出的未来意图具有超过阈值的概率值时，预测的未来意图被认为是提出的未来意图，或者被认为是在给定周期的未来意图上的提出的概率分布是在先前周期的预测的概率。可以执行分类、确定/映射/转换和确定的至少一个下一个循环，以获得对象的至少一个下一个提出的未来意图类别。可以将与至少一个提出的未来意图类别相关联的概率和与至少一个下一个提出的未来意图类别相关联的概率进行组合，以生成至少一个预测的未来意图的总概率。可以另外基于动态状态类别、目标类别、与提出的未来意图类别相关联的概率值、与预测的未来意图相关联的概率值和/或与预测的未来意图相关联的总概率值或预测的未来意图上的分布来使自主车辆执行自主驾驶操作。
[0008]所实现的系统包括：处理器；以及非暂时性计算机可读存储介质，其包括被配置为使处理器实现上述方法的编程指令。
附图说明
[0009]将参考以下附图描述本解决方案，其中在所有附图中相同的附图标记表示相同的项目。
[0010]图1是说明性系统的图示。
[0011]图2是车辆的说明性架构的图示。
[0012]图3是说明性计算设备的图示。
[0013]图4提供了用于理解根据本解决方案的如何实现车辆控制的框图。
[0014]图5A
‑
图5B(在本文中统称为“图5”)提供了用于使用LiDAR去相关来控制自主车辆的说明性方法的流程图。
[0015]图6提供了使用检测到的对象的预测的轨迹进行自主车辆(AV)运动规划的说明性方法的流程图。
[0016]图7提供了用于确定检测到的对象的未来意图的说明性方法的流程图。
[0017]图8是说明性分层概率树的图示。
具体实施方式
[0018]如本文件中所使用的，单数形式“一”、“一个”和“该”包括复数引用，除非上下文另有明确说明。除非另有定义，否则本文使用的所有技术和科学术语具有与本领域普通技术人员通常理解的含义相同的含义。如本文档中所使用的，术语“包含”意指“包括但不限于”。与本文档相关的附加术语的定义包括在本具体实施方式的末尾。
[0019]“电子设备”或“计算设备”是指包括处理器和存储器的设备。每个设备可以具有其自己的处理器和/或存储器，或者处理器和/或存储器可以与虚拟机或容器布置中的其他设备共享。存储器将包含或接收编程指令，该编程指令在由处理器执行时使电子设备根据编程指令执行一个或多个操作。
[0020]术语“存储器”、“存储器设备”、“数据存储”、“数据存储设施”等各自是指其上存储计算机可读数据、编程指令或两者的非暂时性设备。除非另有特别说明，否则术语“存储器”、“存储器设备”、“数据存储”、“数据存储设施”等旨在包括单个设备实施例、其中多个存储器设备一起或共同存储一组数据或指令的实施例、以及这样的设备内的各个扇区。
[0021]术语“处理器”和“处理设备”是指被配置为执行编程指令的电子设备的硬件组件。除非另有特别说明，否则单数术语“处理器”或“处理设备”旨在包括单个处理设备实施例和多个处理设备一起或共同执行过程的实施例。
[0022]术语“车辆”是指能够携带一个或多个人类乘员和/或货物并且由任何形式的能量提供动力的任何移动形式的运输工具。术语“车辆”包括但不限于汽车、卡车、货车、火车、自主车辆、飞机、空中无人机等。“自主车辆”是具有处理器、编程指令和传动系部件的车辆，所述编程指令和传动系部件能够由处理器控制而不需要人类操作者。自主车辆可以是完全自主的，因为它对于大多数或所有驾驶条件和功能不需要人类操作者，或者它可以是半自主的，因为在某些条件下或对于某些操作可能需要人类操作者，或者人类操作者可以凌驾车
辆的自主系统并且可以控制车辆。
[0023]在本文件中，当诸如“第一”和“第二”的术语用于修饰名词时，这样的使用仅旨在将一个项目与另一个项目区分开，并且不旨在要求顺序次序，除非特别说明。另外，当使用时，诸如“竖直”和“水平”或“前”和“后”的相对位置术语旨在相对于彼此并且不需要是绝对的，并且仅指代与这些术语相关联的设备的一个可能位置，这取决于设备的取向。
[0024]AV应当能够理解世界的状态并预测世界的未来状态以用于行动规划和导航。对象的未来轨迹的几何预测通常不足以确定AV应该如何表现。对于静止车辆尤其如此。车辆可能由于许多原因而停止，例如停车或在红色交通灯处等待。预测车辆静止并不帮助估计它将保持停止多长时间或者在静止的原因不再成立之后将发生什么。理解车辆静止的原因可以帮助AV更好地解释情况，预见接下来将发生什么并规划适当的导航决策。
[0025]为了预测场景中行动者的行为，重要的是确定他们的未来意图。知道行动者(或检测到的对象)的意图对于进行长期预测变得特别重要。长的预测范围使得AV能够提前对其他行动者做出反应，从而提高安全性和车载舒适性。意图还增强了几何预测的互操作性，AV可以利用几何预测来进行导航决策。然而，从感官数据推断行动者的意图不是直接的，因为意图在场景中通常不明显。
[0026]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】1.一种用于操作自主车辆的方法，包括：由所述计算设备使用传感器数据来跟踪在所述自主车辆附近检测到的对象；由所述计算设备将所述对象分类为多个动态状态类别中的至少一个动态状态类别；由所述计算设备将所述至少一个动态状态类别转换为多个目标类别中的至少一个目标类别；由所述计算设备将所述至少一个目标类别转换为多个提出的未来意图类别中的至少一个提出的未来意图类别；由所述计算设备基于所述提出的未来意图类别确定所述对象的至少一个预测的未来意图；以及由所述计算设备使所述自主车辆基于为所述对象确定的所述至少一个预测的未来意图来执行至少一个自主驾驶操作。2.根据权利要求1所述的方法，其中，使用分层概率树将所述至少一个动态状态类别转换为至少一个目标类别，并且将所述至少一个目标类别转换为所述至少一个提出的未来意图类别。3.根据权利要求1所述的方法，其中，所述多个动态状态类别包括停放的车辆类别、功能上停止的车辆类别、车道阻塞车辆类别、排队的车辆类别和驾驶车辆类别中的至少一个。4.根据权利要求1所述的方法，其中，所述多个目标类别包括停放目标类别、车道阻塞目标类别和跟随标称车道目标类别中的至少一个。5.根据权利要求1所述的方法，其中，所述多个提出的未来意图类别包括停止意图类别和驾驶意图类别中的至少一个。6.根据权利要求1所述的方法，其中，所述确定包括将所述至少一个提出的未来意图视为所述至少一个预测的未来意图。7.根据权利要求1所述的方法，其中，所述确定包括当所述至少一个提出的未来意图具有超过阈值的概率值时，将所述至少一个预测的未来意图视为所述至少一个提出的未来意图。8.根据权利要求1所述的方法，还包括执行所述分类、转换和确定的至少一个下一个循环，以获得所述对象的至少一个下一个提出的未来意图类别。9.根据权利要求8所述的方法，还包括将与所述至少一个提出的未来意图类别相关联的概率和与所述至少一个下一个提出的未来意图类别相关联的概率进行组合，以生成总概率。10.根据权利要求1所述的方法，其中，另外基于所述至少一个动态状态类别、所述至少一个目标类别、与所述至少一个提出的未来意图类别相关联的概率值、与所述至少一个预测的未来意图相关联的概率值和/或与所述至少一个预测的未来意图相关联的总概率值中的至少一个，使所述自主车辆执行所述至少一个自主驾驶操作。11.一种系统，包括：处理器；非暂时性计算机可读存储介质，所述非暂时性计算机可读存储介质包括编程指令，所述编程指令被配置为使所述处理器实现用于操作自主车辆的方法，其中，所述编程指令包括用于以下操作的指令：
使用传感器数据来跟踪在所述自主车辆附近检测到的对象；将所述对象分类为多个动态状态类别中的至少一个动态状态类别；将所述至少一个动态状态类别转换为多个目标类别中的至少...
【专利技术属性】
技术研发人员：L，
申请(专利权)人：埃尔构人工智能有限责任公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。