识别和预测目标场景的方法技术

本发明专利技术涉及一种用于识别和

【技术实现步骤摘要】
识别和预测目标场景的方法、系统、神经网络和程序产品


[0001]本专利技术涉及一种用于识别和
/
或预测车辆所在道路上的目标场景
、
尤其是施工场景的方法，所述方法包括：获取表征与所述目标场景相关的多个目标对象的对象数据，以便构建用于所述多个目标对象的特征集合；和基于所构建的特征集合，尤其是借助机器学习算法，识别和
/
或预测是否存在所述目标场景
。
本专利技术还涉及一种用于识别和
/
或预测车辆所在道路上的目标场景
、
尤其是施工场景的系统
、
一种神经网络以及一种计算机程序产品
。

技术介绍

[0002]随着车辆越来越多地进入人们的日常生活中，值得追求的是车辆的越来越高的自动化或者自主化程度，从而提高驾驶的安全性和舒适性
。
这在很大程度上依赖于诸如雷达
、
激光雷达
、
图像传感器等的感测装置对周围环境的感测
。
然而，在一些行驶场景下，即使能够准确地感测其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于识别和
/
或预测车辆所在道路上的目标场景
、
尤其是施工场景的方法，所述方法包括：获取表征与所述目标场景相关的多个目标对象的对象数据，以便构建用于所述多个目标对象的特征集合；和基于所构建的特征集合，尤其是借助机器学习算法，识别和
/
或预测是否存在所述目标场景
。2.
根据权利要求1所述的方法，其中，将所述特征集合构造成输入特征向量，所述输入特征向量包括在相同采样时刻和
/
或在相同时间段内用于所述多个目标对象的特征数据项
。3.
根据权利要求2所述的方法，将所述特征集合构造成输入特征矩阵，所述输入特征矩阵包括多个输入特征向量，所述多个输入特征向量相应于包含在时间上彼此相继的第一数量的采样时刻和
/
或第一时间段的时间窗口
。4.
根据权利要求1至3中任一项所述的方法，其中，设置预测步长，能够预测在所述预测步长之后是否存在所述目标场景，其中，所述时间步长相应于在时间上彼此相继的第二数量的采样时刻和
/
或第二时间段
。5.
根据权利要求4所述的方法，其中，所述预测步长小于所述时间窗口的长度
。6.
根据权利要求1至5中任一项所述的方法，其中，所述特征集合还包括历史数据特征向量，其中，所述历史数据特征向量例如表示各个采样时刻的
、
相关区域的历史拥堵频率，并且例如呈倒置的形式
。7.
根据权利要求1至6中任一项所述的方法，其中，所述特征集合包括静态特征和
/
或动态特征，其中，所述静态特征表征用于所述目标场景的标识对象，所述标识对象例如是施工标牌
、
改道标牌
、
车道减少标牌
、
车道诱导标牌
、
限速标牌
、
过渡区域标志
、
警告标志
、
分流标志和
/
或锥桶；其中，所述动态特征表征用于所述目标场景周围的运动对象的行驶动态，所述行驶动态例如是车辆减速
、
车辆转向和
/
或车流数量
。8.
根据权利要求1至7中任一项所述的方法，其中，所述特征集合的特征数据项能够表征所述目标对象的存在
、
存在的概率和
/
或数量
。9.
根据权利要求1至...

【专利技术属性】
技术研发人员：肖啸，
申请(专利权)人：梅赛德斯奔驰集团股份公司，
类型：发明
国别省市：