【技术实现步骤摘要】
预测道路使用者的近未来行为
[0001]本公开涉及预测车辆(例如配备了ADS的车辆)周围的道路使用者的近未来行为。
技术介绍
[0002]在汽车领域内,多年来一直有开发自主车辆的活动。越来越多的现代车辆拥有先进的驾驶员辅助系统ADAS(advanced driver
‑
assistance system),以提高车辆安全性,以及更概括而言,道路安全性。ADAS—(其例如可以由自适应巡航控制、ACC、碰撞避免系统、前向碰撞警告等等表示)是可以在驾驶期间辅助车辆驾驶员的电子系统。此外,在不远的将来,自主驾驶AD(Autonomous Driving)将在更大程度上进入现代汽车。AD以及ADAS在这里将被统称为自动化驾驶系统ADS(Automated Driving System),其对应于所有不同的自动化水平,例如由SAE J3016驾驶自动化水平(0
‑
5)所定义的。ADS可以被理解为可以被定义为如下系统的各种组件的复杂组合,在这些系统中,车辆的感知、决策和操作至少部分由电子和机械而不是人类驾驶员执行。这可包括对车辆、目的地以及对周围环境的感知的处理。在自动化系统对车辆有控制权时,其允许人类操作员将所有或至少一些责任交给系统。为了感知其周围环境,ADS通常组合各种传感器,例如雷达、激光雷达、声纳、相机、导航和/或定位系统,例如GNSS(比如GPS)、里程表和/或惯性测量单元,在此基础上,高级控制系统可以解释感官信息,以识别适当的导航路径,以及障碍物和/或相关标志。
[0003 ...
【技术保护点】
【技术特征摘要】
1.一种由评估系统(1)执行的方法,用于预测车辆(2)周围的道路使用者的近未来行为,所述方法包括:获得(1001)所述车辆(2)的状态,该车辆状态至少包括相对于数字地图(22)的所述车辆的姿态;从所述数字地图(22)获得(1002)与车辆姿态相关联的地图数据,其中所述地图数据被变换到所选坐标系;获得(1003)在所述车辆(2)的周围的道路使用者(4)的状态;通过评估在所述所选坐标系中相对于所述地图数据的道路使用者状态来识别(1004)没有道路使用者(3)的车道片段(4);将包括如下项的网络输入(5)编码(1005)为各个与所述道路使用者状态相关联的状态相关数据(61)以及与所述车道片段(4)的动态起始和结束边界相关联的片段相关数据(62):与所述车道片段(4)相关联的数据,与所述道路使用者状态相关联的数据,以及与所述道路使用者状态和/或车道片段(4)相关联的历史数据;将各个状态相关数据(61)和片段相关数据(62)馈送(1006)到一个或多个神经网络,该一个或多个神经网络被配置为在空间和时间上对相对于所述车道片段(4)的所述道路使用者状态进行编码,并且输出经空间和时间处理的各个状态相关数据(81)和片段相关数据(82);并且将与被称为(一个或多个)目标道路使用者(31)的一个或多个所述道路使用者相关联的输出的经空间和时间处理的各个状态相关数据(811)和片段相关数据(821)馈送(1007)到至少第一行为预测神经网络(9),该第一行为预测神经网络(9)被配置为通过处理所述数据(811,821)来预测并且输出数据(90),该数据(90)表明相对于一个或多个所述车道片段(4)的所述(一个或多个)目标道路使用者(31)的预测近未来行为。2.根据权利要求1所述的方法,其中,所述馈送(1006)到一个或多个神经网络包括:将所述各个状态相关数据(61)和片段相关数据(62)馈送到空间神经网络(7),该空间神经网络(7)被配置为在空间上对相对于所述车道片段(4)的所述道路使用者状态进行编码,并且输出经空间处理的各个状态相关数据(71)和片段相关数据(72);并且将所述经空间处理的各个状态相关数据(71)和片段相关数据(72)馈送到时间神经网络(8),该时间神经网络(8)被配置为在时间上对相对于所述车道片段(4)的所述道路使用者状态进行编码,并且输出经空间和时间处理的各个状态相关数据(81)和片段相关数据(82)。3.根据权利要求1或2所述的方法,其中,所述馈送(1007)到至少第一行为预测神经网络(9)包括:馈送到行为预测神经网络(9),该行为预测神经网络(9)被配置为通过处理所述数据(811,821)来预测和输出表明预测意图的数据(90),该预测意图包括所述(一个或多个)目标道路使用者选择所述一个或多个车道片段(4)的概率分布。4.根据权利要求1
‑
3中的任何一项所述的方法,其中,所述馈送(1007)到至少第一行为预测神经网络(9)包括:馈送到行为预测神经网络(9),该行为预测神经网络(9)被配置为通过处理所述数据(811,821)来预测并且输出数据(90),该数据(90)表明相对于所述一个或
多个车道片段(4)的所述(一个或多个)目标道路使用者(31)中的一者或多者的预测轨迹。5.根据权利要求1
‑
4中的任何一项所述的方法,还包括:将表明近未来预测行为的所述数据(90)的至少一部分提供(1008)给所述车辆(2)的ADS(21),以用于决策和/或路径规划。6.根据权利要求1
‑
5中的任何一项所述的方法,其中,所述编码(1005)包括:将所述网络输入(5)馈送到编码神经网络(6),例如全连接神经网络,该编码神经网络(6)被配置为处理所述网络输入(5)并且输出所述各个状态相关数据(61)和片段相关数据(62);并且/或者其中,所述馈送(1006)到一个或多个神经网络包括馈送到基于变换器的网络,例如,支持多头和/或自我关注操作的网络;并且/或者其中,所述馈送(1006)到一个或多个神经网络包括馈送到长短期记忆LSTM网络;并且/或者其中,所述馈送(1007)到至少第一行为预测神经网络(9)包括馈送到图网络,例如图关注网络。7.一种评估系统(1),用于预测车辆(2)周围的道路使用者的近未来行为,所述评估系统(1)包括:车辆状态获得单元(101),用于获得(1001)所述车辆(2)的状态,该车辆状态至少包括相对于数字地图(22)的所述车辆的姿态;地图数据获得单元(102),用于从所述数字地图(22)获得(1002)与车辆姿态相关联的地图数据,其中所述地图数据被变换到所选坐标系;道路使用...
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。