[發明專利]用于車輛的路徑預測

有效

• 申請號: 201811510130.4
• 申請日: 2018-12-11
• 公開（公告）號: CN110001658B
• 公開（公告）日: 2022-04-12
• 發明（設計）人: A·莫弗特;N·穆罕默迪哈
• 申請（專利權）人: 沃爾沃汽車公司
• 主分類號: B60W50/00
• 分類號: B60W50/00
• 代理公司: 永新專利商標代理有限公司 72002
• 代理人: 蔡洪貴

本發明涉及用于預測車輛(1)近期路徑和相關輸出控制信號的方法和系統(40)。為了預測傳感器數據，收集車輛駕駛數據和道路數據。接收(S608)指示期望駕駛動作的輸入控制信號。預處理(S610)傳感器數據和車輛駕駛數據以提供包括各個目標相對于車輛的先前位置、目標先前航向的時間序列和目標先前速度的時間序列的目標數據的集。在深度神經網絡中處理(S612)目標數據、道路數據、車輛駕駛數據、控制信號和傳感器數據。基于深度神經網絡中的處理提供(S614)預測路徑輸出和輸出控制信號。

技術領域

本發明涉及用于預測車輛的近期路徑藉此提供相關輸出控制信號的系統和方法。本發明還涉及包括這種系統的車輛。

背景技術

車輛中的高級駕駛員輔助系統(ADAS)從巡航操縱和自適應照明到例如自動制動、用于將車輛保持在正確車道上的自動轉向、以及警告駕駛員存在其它小汽車等更高級的系統。通常地，ADAS從多個來源例如來自攝像機的圖像處理、雷達或激光探測與測量裝置檢索(retrieve)輸入數據。近來，隨著現有ADAS的大量增加，車輛與車輛的連接性也隨之興起。

路徑預測是用于高級駕駛員輔助系統為車輛提供路上安全和自然行為的重要部分。路徑預測方法必須有效地考慮到與車輛當前路徑相關的可用信息并且解釋其它道路使用者不可預測的行為。

用于ADAS的兩個主要機器學習范例是端對端(end-to-end)學習和模塊化系統設計。在端對端學習中，單機學習系統將用于通過觀察傳感器數據例如來自攝像機的圖像或來自雷達的數據來控制車輛。在模塊化系統設計中，感知和控制部件被隔離，并且來自感知的中間輸出被獨立地分析以得到對環境所需的理解，其隨后用于決策和控制模塊藉此提供用于方向盤和氣體/剎車踏板的輸入。

雖然上述方法對于進行適宜的駕駛決策提出了有前途的路徑預測方案，但看起來仍有改進的空間。

發明內容

鑒于上述內容，本發明的一個目的是為車輛高級駕駛員輔助系統和/或車輛自主駕駛系統進行駕駛動作決策提供改進的預測精確度。

根據本發明的第一方面，提供了一種用于預測車輛近期路徑藉此提供相關輸出控制信號的方法，所述方法包括：收集至少指示車輛速度和橫擺率(yaw rate)的車輛駕駛數據，收集指示車輛附近目標存在的傳感器數據，收集指示車輛當前占據道路上車行道的道路數據，接收指示車輛期望駕駛動作的輸入控制信號，預處理傳感器數據和車輛駕駛數據以提供包括各個目標相對于車輛的先前位置的時間序列、目標先前航向的時間序列和每個目標相對于車輛的先前速度的時間序列的目標數據集，在深度神經網絡中處理目標數據、道路數據、控制信號、車輛駕駛數據和傳感器數據以基于深度神經網絡中的處理來預測車輛的近期路徑從而提供預測路徑輸出和輸出控制信號以便根據預測路徑執行駕駛動作。

本發明基于這樣的認識：通過預處理有關車輛附近目標的傳感器數據以及有關當前車輛的車輛駕駛數據可提高路徑預測精確度，藉此提供包括每個目標相對于車輛的先前位置和速度的時間序列的目標數據的適宜圖示。目標數據集的該圖示被輸入適用于圖像解碼的深度神經網絡從而預測車輛近期路徑。

本發明進一步基于這樣的認識：在深度神經網絡處理中包括指示期望駕駛動作或可能駕駛動作的控制信號提供了更高級的決策選取。例如，深度神經網絡可能預測可能或應當近期采取駕駛動作，該預測可能包括在輸出控制信號和輸出預測路徑中。

駕駛動作例如是車道變更、選取高速公路出口或入口，該出口要繞道、超過其它車輛等等。

輸出預測路徑可被設置為適配預測路徑的曲線的多項式系數的形式或僅為預測路徑的降采樣型式。類似地，輸入數據能夠被降采樣。

應當理解，目標相對于車輛的位置意味著目標相對于車輛的空間位置，即能夠確定目標距車輛的距離以及目標來自車輛的哪個方向(例如航向、方位角、或前、后、左、右)。目標位置例如可以是已知車輛坐標的坐標系中的坐標。此外，目標大小也可包括在目標數據中。目標大小表示目標所占據的空間。