【技术实现步骤摘要】
本专利技术涉及场景的未来状态和/或行为的预测，其可例如用于车辆的轨迹规划。
技术介绍
1、为了能够规划安全且易于理解的机动动作，自动驾驶车辆必须预期它们所处的情况将如何发展。为此，可以预测其他道路使用者(车辆、骑行者、行人)的未来轨迹并将其传递给规划组件。经典的预测方法通常执行基于动力学的预测，并且只能有条件地对道路使用者之间的交互进行建模。出于此原因，机器学习、尤其是深度学习(dl)近年来已用作为针对预测的事实上的标准。
2、时间范围(zeithorizont)对于预测至关重要。准确的长期预测使规划组件能够较早针对场景中各种可能的发展情况规划相应驾驶行为。这种预期规划能够实现更安全、更高效和更舒适的驾驶行为，因为可以避免对所规划驾驶行为的突发改变。另一方面，短期预测通常会导致必须进行突发改变，以确保道路使用者的安全。驾驶行为的突发改变包括例如突然制动、规划外变道和短期避让机动动作。
技术实现思路
1、本专利技术提供了一种用于基于可观测参量的所测量观测值来预测场景的未来状态和/...
【技术保护点】
1.一种用于预测场景的未来状态和/或行为的方法(100)，其中所述场景的演变与一个或多个可观测参量相关，而不是从所述可观测参量直接地且清楚地显现出来，所述方法具有以下步骤：
2.根据权利要求1所述的方法(100)，其中所述处理函数γ另外被设计(121)为，将来自预给定时间范围的预测纳入到所述处理成果Zt的形成中。
3.根据权利要求1至2中任一项所述的方法(100)，其中所述上下文预测器ψ另外被设计为，将时间点t时存在的其他数据At纳入到针对上下文表示的预测的形成中。
4.根据权利要求1至3中任一项所述的方法(100)，其中根据对场景...
【技术特征摘要】
1.一种用于预测场景的未来状态和/或行为的方法(100)，其中所述场景的演变与一个或多个可观测参量相关，而不是从所述可观测参量直接地且清楚地显现出来，所述方法具有以下步骤：
2.根据权利要求1所述的方法(100)，其中所述处理函数γ另外被设计(121)为，将来自预给定时间范围的预测纳入到所述处理成果zt的形成中。
3.根据权利要求1至2中任一项所述的方法(100)，其中所述上下文预测器ψ另外被设计为，将时间点t时存在的其他数据at纳入到针对上下文表示的预测的形成中。
4.根据权利要求1至3中任一项所述的方法(100)，其中根据对场景的上下文表示zτ的预测而重构对时间点τ的可观测参量的观测值oτ的预测作为未来状态和/或行为的所寻求的预测的其他部分(131)。
5.根据权利要求1至4中任一项所述的方法(100)，其中针对可观测参量的观测值oτ的预测和/或针对所述场景的上下文表示zt的预测相对于后来的所测量的与时间点τ在时间上相关联的观测值ot而被验证合理性(140)。
6.根据权利要求5所述的方法(100)，其中验证合理性(140)包括：
7.根据权利要求1至6中任一项所述的方法(100)，其中选择(105)通过道路使用者、行人、动物或其他自主代理的运动来表征的场景。
【专利技术属性】
技术研发人员：M·凯勒，F·詹乔斯，M·多尔戈夫，
申请(专利权)人：罗伯特·博世有限公司，
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。