[發明專利]用于車輛行為預測的壓縮環境特征的表示

在審

• 申請號: 201910837269.8
• 申請日: 2019-09-05
• 公開（公告）號: CN111259712A
• 公開（公告）日: 2020-06-09
• 發明（設計）人: 張亮亮;孫宏藝;李棟;胡江滔;繆景皓
• 申請（專利權）人: 百度（美國）有限責任公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04
• 代理公司: 北京英賽嘉華知識產權代理有限責任公司 11204
• 代理人: 馬曉亞;王艷春

在實施方式中，描述了一種用于表示自主自動駕駛車輛(ADV)的周圍環境的方法。該方法使用來自高清晰度(HD)地圖的第一組特征和來自周圍環境中的目標對象的第二組特征來表示周圍環境。第一組特征是使用卷積神經網絡(CNN)從高清晰度地圖提取的，并且第二組特征是在自主ADV的預定數量的過去行駛周期期間來自目標對象的人為設計特征。第一組特征和第二組特征被級聯并提供給CNN的多個完全連接層以預測目標對象的行為。在一個實施方式中，可以針對自主ADV的每個行駛周期重復該方法中的操作。

技術領域

本公開的實施方式總體上涉及操作自動駕駛車輛。更具體地，本公開的實施方式涉及車輛行為預測。

背景技術

自動駕駛車輛(ADV)可以將乘員、尤其是駕駛員從一些駕駛相關的職責中解放出來。當以自動駕駛模式運行時，車輛可以使用車載傳感器和高清晰度地圖導航到各個位置，從而允許車輛在最少人機交互的情況下或在沒有任何乘客的一些情況下行駛。

車輛(即，自主車輛)的安全且可靠的自動駕駛需要準確預測周圍環境中的對象(目標對象)的行為。如果沒有準確和全面的周圍環境的表示，這種預測將是困難的。現有方法通常關注目標對象的特征，而不考慮來自高清晰度地圖的信息。因此，這些方法不能全面地表示自主車輛的周圍環境。

發明內容

本公開一方面提供了一種用于表示自動駕駛車輛(ADV)的周圍環境的計算機實施的方法，該方法包括：使用卷積神經網絡從高清晰度地圖提取多個特征；將所提取的多個特征與周圍環境中的目標對象的多個人為設計特征級聯；以及使用所級聯的特征，通過卷積神經網絡預測目標對象的一個或多個行為。

本公開另一方面提供了一種存儲有用于表示自動駕駛車輛(ADV)的周圍環境的指令的非暫時性機器可讀介質，指令在由處理器執行時使處理器執行操作，其包括：使用卷積神經網絡從高清晰度地圖提取多個特征；將所提取的多個特征與周圍環境中的目標對象的多個人為設計特征級聯；以及使用所級聯的特征，通過卷積神經網絡預測目標對象的一個或多個行為。

本公開又一方面提供了一種數據處理系統，包括：處理器；以及存儲器，聯接到處理器并存儲用于表示自動駕駛車輛(ADV)的周圍環境的指令，指令在由處理器執行時使處理器執行操作，其包括：使用卷積神經網絡從高清晰度地圖提取多個特征；將所提取的多個特征與周圍環境中的目標對象的多個人為設計特征級聯；以及使用所級聯的特征，通過卷積神經網絡預測目標對象的一個或多個行為。

附圖說明

本公開的實施方式在附圖的各圖中以舉例而非限制的方式示出，附圖中的相同的附圖標記指代相似的元件。

圖1是示出根據一個實施方式的網絡化系統的框圖。

圖2是示出根據一個實施方式的自動駕駛車輛的示例的框圖。

圖3A至圖3B是示出根據一個實施方式的與自動駕駛車輛一起使用的感知與規劃系統的示例的框圖。

圖4示出了根據實施方式的用于表示ADV的駕駛環境的系統。

圖5還示出了根據實施方式的用于表示ADV的駕駛環境的系統。

圖6是示出根據實施方式的用于表示ADV的駕駛環境的示例性過程的流程圖。

圖7是示出可以與本公開的一個實施方式一起使用的數據處理系統的示例的框圖。

具體實施方式

將參考以下所討論的細節來描述本公開的各種實施方式和方面，并且附圖將示出各種實施方式。以下描述和附圖是對本公開的說明，并且不應被解釋為限制本公開。描述了許多特定細節以提供對本公開各種實施方式的全面理解。然而，在某些情況下，并未描述眾所周知的或常規的細節以提供對本公開的實施方式的簡潔討論。