用于作为交通场景一部分的自我车辆的行为规划的方法技术

本发明专利技术涉及一种用于作为交通场景一部分的自我车辆的行为规划的计算机实现的方法，其中所述自我车辆配备有车辆自身的传感器装置，其可见区域分别受到当前交通场景的影响，所述方法至少包括以下方法步骤：a.通过使用场景特定的传感器数据生成当前交通场景的场景表示，其中所述传感器数据是借助于所述车辆自身的传感器装置所记录的；b.基于所述场景表示来预测所述交通场景的未来发展(预测)；并且c.通过考虑对所述交通场景的未来发展的预测而进行驾驶机动动作的规划(规划)。在此规定：在所述预测的范畴内预测：所述交通场景的所述未来发展对所述车辆自身的传感器装置的可见区域的影响。

【技术实现步骤摘要】

本专利技术涉及一种用于作为交通场景一部分的自我车辆的行为规划的计算机实现的方法。本专利技术还涉及用于此目的的计算机实现的系统。

技术介绍

1、基于深度学习(dl)的预测和规划方法通常使用所谓的占位图(occupancy maps)作为模型内的中间表示，以便在此基础上计算规划轨迹或预测轨迹(请参阅说明书末尾给出的参考文献[1-3]))。

2、然而，这些方法忽略了：自主驾驶(简称ad或automated driving(自动驾驶))车辆的传感器可以看到的区域是有限的。这表现为随着时间的推移，所预测的占位的不确定性不断增加。然而，尚未解决的是：是因为对车辆运动的预期不确定而使不确定性增加，还是因为车辆前方的区域不可见并因此不确定而使不确定性增加。

技术实现思路

1、本专利技术的主题是具有权利要求1的特征的方法和具有权利要求11的特征的系统。本专利技术的进一步的特征和细节由相应的从属权利要求、说明书和附图得出。在根据本专利技术的方法的上下文中所描述的特征和细节当然也在根据本专利技术的系统的上下文中适用，并本文档来自技高网...

【技术保护点】

1.用于作为交通场景一部分的自我车辆(1)的行为规划的计算机实现的方法(100)，其中所述自我车辆(1)配备有车辆自身的传感器装置(40)，所述传感器装置的可见区域分别受到当前交通场景的影响，

2.根据权利要求1所述的方法(100)，其特征在于，在所述规划中考虑关于所述车辆自身的传感器装置(40)的当前和/或未来可见区域的信息。

3.根据权利要求1或2中任一项所述的方法(100)，其特征在于，通过使用所记录的针对所述交通场景中的至少一个交通参与者(60)和/或至少一个对象(60)的传感器数据而确定所述交通场景内的停留地点、取向和/或尺寸的概率分布，作为所述场景表示...

【技术特征摘要】

1.用于作为交通场景一部分的自我车辆(1)的行为规划的计算机实现的方法(100)，其中所述自我车辆(1)配备有车辆自身的传感器装置(40)，所述传感器装置的可见区域分别受到当前交通场景的影响，

2.根据权利要求1所述的方法(100)，其特征在于，在所述规划中考虑关于所述车辆自身的传感器装置(40)的当前和/或未来可见区域的信息。

3.根据权利要求1或2中任一项所述的方法(100)，其特征在于，通过使用所记录的针对所述交通场景中的至少一个交通参与者(60)和/或至少一个对象(60)的传感器数据而确定所述交通场景内的停留地点、取向和/或尺寸的概率分布，作为所述场景表示的组成部分。

4.根据权利要求1至3中任一项所述的方法(100)，其特征在于，通过使用所记录的传感器数据生成至少一个占用模型作为所述场景表示的组成部分，其中所述占用模型表示所述交通场景到单元格的连贯布置的映射，并且对于所述单元格中的每一个，说明针对如下方面的度量：所述单元格是否被所述交通场景中的对象(60)和/或交通参与者(60)占用，或者所述占用是否未知。

5.根据权利要求1至4中任一项所述的方法(100)，其特征在于，通过使用所记录的传感器数据来生成至少一个可见区域模型作为所述表示的组成部分，其中所述可见区域模型表示：所述交通场景到区域的连贯布置的映射并且针对所述区域中的每一个说明针对如下方面的概率：所述区域是否可被车辆自身的传感器装置(40)看见。

6.根据权利要求4和5所述的方法(100)，其特征在于，所述占用模型的预测递归进行并且在所述占用模型的递归预测中考虑至少一个先前时间点的可见区域模型。

7.根据权利要求4和5或根据权利要求6所述的方法(100)，其特征在...

【专利技术属性】
技术研发人员：J·马瑟斯，M·马佐拉，M·斯托尔，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：