预测道路使用者的近未来行为制造技术

本公开涉及预测道路使用者的近未来行为。提供了一种由评估系统执行的方法。该评估系统获得至少包括相对于数字地图的该车辆的姿态的车辆的状态；从数字地图获得与车辆姿态相关联的地图数据以将其变换到所选坐标系；通过评估在所选坐标系中相对于地图数据的道路使用者状态来识别没有道路使用者的车道片段；将包括与车道片段和道路使用者状态相关联的数据以及历史数据的网络输入编码为与道路使用者状态相关联的状态相关数据以及与车道片段的动态起始和结束边界相关联的片段相关数据，并将其馈送到神经网络以输出经空间和时间处理的数据；将输出的数据馈送到至少第一行为预测神经网络进行处理以预测目标道路使用者的预测近未来行为。测近未来行为。测近未来行为。

【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]对于ADS的决策而言，ADS能够预测周围的(一个或多个)道路使用者的行为可能是有益的，例如，如果周围道路使用者是由车辆表示的，那么ADS能够预测驾驶行为就是有益的。也就是说，通常会期望ADS检测周围的(一个或多个)道路使用者的(一个或多个)状态，并且使用实时状态作为决策的输入。此外，然后可以期望ADS通过在可预定的即将到来的一段时间内，例如在接下来的例如三秒钟内，预测(一个或多个)周围道路使用者的未来状态，例如估计(一个或多个)周围道路使用者的位置和/或方向(姿态)、速度和/或加速度等等，以预测(一个或多个)周围道路使用者的近未来行为，例如驾驶行为。虽然已知道路结构以及周围道路使用者的行为和他们之间的间隙会影响道路使用者的行为，但预测(一个或多个)道路使用者的近未来行为(例如意图和/或未来轨迹)仍然是一个挑战。

技术实现思路

[0004]因此，这里的实施例的一个目的是提供一种方法，用于以改进的和/或替代的方式预测车辆(例如配备了ADS的车辆)周围的道路使用者的近未来行为，例如近未来的驾驶行为。
[0005]上述目标可以通过本文公开的主题实现。在所附权利要求中、在以下描述中以及在附图中阐述实施例。
[0006]所公开的主题涉及一种由评估系统执行的方法，用于预测车辆周围的道路使用者的近未来行为。该评估系统获得车辆的状态，该车辆状态至少包括相对于数字地图的该车辆的姿态。评估系统进一步从数字地图获得与车辆姿态相关联的地图数据，其中该地图数
据被变换到所选的坐标系。此外，评估系统获得车辆周围的道路使用者的状态。此外，评估系统通过评估在所选坐标系中相对于地图数据的道路使用者状态来识别没有道路使用者的车道片段。此外，评估系统将包括与车道片段相关联的数据、与道路使用者状态相关联的数据以及与道路使用者状态和/或车道片段相关联的历史数据的网络输入编码为各个与道路使用者状态相关联的状态相关数据以及与车道片段的动态起始和结束边界相关联的片段相关数据。评估系统进一步将各个状态相关数据和片段相关数据馈送给一个或多个神经网络，这些神经网络被配置为在空间和时间上对相对于车道片段的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和片段相关数据。此外，评估系统将输出的与被称为(一个或多个)目标道路使用者的一个或多个道路使用者相关联的经空间和时间处理的各个状态相关数据和片段相关数据馈送给至少第一行为预测神经网络，该第一行为预测神经网络被配置为通过处理所述数据来预测并且输出表明相对于一个或多个车道片段的该(一个或多个)目标道路使用者的预测近未来行为的数据。
[0007]所公开的主题还涉及一种评估系统，用于和/或被调适和/或配置用于预测车辆周围的道路使用者的近未来行为。该评估系统包括车辆状态获得单元，用于获得车辆的状态，该车辆状态至少包括相对于数字地图的该车辆的姿态。该评估系统还包括地图数据获得单元，用于从数字地图获得与车辆姿态相关联的地图数据，其中该地图数据被变换到所选的坐标系。此外，该评估系统包括道路使用者状态获得单元，用于获得车辆周围的道路使用者的状态。此外，该评估系统包括车道片段识别单元，用于通过评估在所选坐标系中相对于地图数据的道路使用者状态来识别没有道路使用者的车道片段。该评估系统还包括数据编码单元，用于将包括与车道片段相关联的数据、与道路使用者状态相关联的数据以及与道路使用者状态和/或车道片段相关联的历史数据的网络输入，编码为各个与道路使用者状态相关联的状态相关数据以及与车道片段的动态起始和结束边界相关联的片段相关数据中。此外，该评估系统包括空间/时间NN馈送单元，用于将各个状态相关数据和片段相关数据馈送给一个或多个神经网络，这些神经网络被配置为在空间和时间上对相对于车道片段的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和片段相关数据。此外，该评估系统包括预测NN馈送单元，用于将输出的与被称为(一个或多个)目标道路使用者的一个或多个道路使用者相关联的经空间和时间处理的各个状态相关数据和片段相关数据馈送给至少第一行为预测神经网络，该第一行为预测神经网络被配置为，通过处理所述数据，来预测并且输出表明相对于一个或多个车道片段的该(一个或多个)目标道路使用者的预测近未来行为的数据。
[0008]此外，所公开的主题涉及包括如本文所述的评估系统的车辆。
[0009]此外，所公开的主题涉及一种存储在计算机可读介质或载波上的计算机程序产品，其中包括计算机程序，该计算机程序包含计算机程序代码手段，所述手段被布置为使得计算机或处理器执行本文描述的评估系统的步骤。所公开的主题还涉及一种非易失性计算机可读存储介质，该介质上存储有所述计算机程序产品。
[0010]从而，引入了一种预测在例如配备ADS了的车辆附近的(一个或多个)道路使用者的近未来行为(例如近未来意图和/或轨迹)的方法，这随后可支持所述车辆的决策。也就是说，由于获得了车辆的状态，该车辆状态至少包括相对于数字地图的该车辆的姿态，因此在考虑到至少第一地图例如HD地图的情况下，获取并且进一步确定了车辆的当前或基本当前
的位置和方向，可能还包括其他状态数据，例如车辆速度、加速度和/或减速度，等等。此外，也就是说，由于从数字地图获得了与车辆姿态相关联的地图数据，其中地图数据被变换到所选坐标系，因此获取了地图数据的至少一部分，例如至少在某种程度上围绕和/或超前于车辆姿态的地图数据，并且进一步将其转化到优选坐标系，例如从本文档来自技高网...

【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...

【专利技术属性】
技术研发人员：刘大鹏，傅俊圣，
申请(专利权)人：哲晰公司，
类型：发明
国别省市：