[發(fā)明專利]對(duì)于自主駕駛有用的行人移動(dòng)預(yù)測(cè)

在審

• 申請(qǐng)?zhí)枺?/td>: 202010147351.0
• 申請(qǐng)日: 2020-03-05
• 公開(kāi)（公告）號(hào): CN111666804A
• 公開(kāi)（公告）日: 2020-09-15
• 發(fā)明（設(shè)計(jì)）人: C.布萊奧塔
• 申請(qǐng)（專利權(quán)）人: 羅伯特·博世有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06N3/04;G06N3/08;G01V9/00
• 代理公司: 中國(guó)專利代理(香港)有限公司 72001
• 代理人: 姬亞?wèn)|;劉春元

一些實(shí)施例涉及用于預(yù)測(cè)在環(huán)境（180）中移動(dòng)的行人的位置的預(yù)測(cè)設(shè)備（100）。預(yù)測(cè)設(shè)備可以具有存儲(chǔ)器（110），被配置成存儲(chǔ)指示一個(gè)或多個(gè)行人的一個(gè)或多個(gè)狀態(tài)的多個(gè)潛變量的概率分布。預(yù)測(cè)設(shè)備可以被配置成從多個(gè)潛變量的概率分布預(yù)測(cè)行人的位置，所述行人的位置信息當(dāng)前不可獲得。

技術(shù)領(lǐng)域

本發(fā)明涉及預(yù)測(cè)設(shè)備、汽車、訓(xùn)練設(shè)備、計(jì)算機(jī)實(shí)現(xiàn)的預(yù)測(cè)方法、計(jì)算機(jī)實(shí)現(xiàn)的訓(xùn)練方法以及計(jì)算機(jī)可讀介質(zhì)。

背景技術(shù)

在許多機(jī)器控制領(lǐng)域中，極為重要的是預(yù)測(cè)環(huán)境的將來(lái)狀態(tài)，使得機(jī)器控制可以安全地適應(yīng)它。尤其是，預(yù)測(cè)行人的移動(dòng)對(duì)于控制像計(jì)算機(jī)控制的機(jī)器（例如，機(jī)器人或車輛）那樣的物理系統(tǒng)而言是重要的，以便確保在操作時(shí)該機(jī)器與可能擋其道的行人安全交互，例如不撞到他們。

行人移動(dòng)預(yù)測(cè)的其他應(yīng)用是駕駛輔助。例如，如果有行人準(zhǔn)備不安全地橫穿道路，可以警告車輛（例如，汽車）駕駛員。在這樣的情況中，可以通過(guò)合適的反饋信號(hào)（例如，聲音、燈光、顯示器上的警告等）來(lái)警告駕駛員。

諸如（Pellegrini等，2009）或（Luber等，2010）的現(xiàn)有系統(tǒng)是不令人滿意的。例如，這些方案在交互建模時(shí)忽略了傳感器數(shù)據(jù)和代理行為固有的不確定性，因此僅僅考慮了非常有限的假設(shè)來(lái)做出推斷和預(yù)測(cè)。此外，存在對(duì)增加的準(zhǔn)確性的期望。

參考以下文獻(xiàn)：

Pellegrini, Stefano, et al.“You'll never walk alone: Modeling socialbehavior for multi-target tracking.”Computer Vision, 2009 IEEE 12thInternational Conference on.IEEE, 2009, 和

Luber, Matthias, et al.“People tracking with human motion predictionsfrom social forces.”Robotics and Automation (ICRA), 2010 IEEE InternationalConference on.IEEE, 2010。

發(fā)明內(nèi)容

根據(jù)本發(fā)明的各方面，提供了如權(quán)利要求1中所限定的用于預(yù)測(cè)在環(huán)境中移動(dòng)的行人位置的預(yù)測(cè)設(shè)備、如權(quán)利要求10中所限定的訓(xùn)練設(shè)備、如權(quán)利要求11中所限定的預(yù)測(cè)方法以及如權(quán)利要求12中所限定的訓(xùn)練方法。此外，根據(jù)本發(fā)明另外的方面，提供了如權(quán)利要求13和14中所限定的計(jì)算機(jī)可讀介質(zhì)，包括用于執(zhí)行計(jì)算機(jī)實(shí)現(xiàn)的方法的指令，并且計(jì)算機(jī)可讀介質(zhì)包括表示概率交互模型的數(shù)據(jù)。

根據(jù)這些方面中一個(gè)或多個(gè)方面的實(shí)施例涉及將行人建模為包括多個(gè)潛變量的狀態(tài)。指示一個(gè)或多個(gè)行人的一個(gè)或多個(gè)狀態(tài)的多個(gè)潛變量的概率分布可以存儲(chǔ)在存儲(chǔ)器中。通過(guò)操控概率分布，可以例如通過(guò)使?fàn)顟B(tài)推進(jìn)來(lái)獲得關(guān)于狀態(tài)的可能將來(lái)值的信息。例如，可以從當(dāng)前沒(méi)有位置信息可用的行人位置的狀態(tài)、例如行人的將來(lái)位置的狀態(tài)或者行人在他或她被遮擋在傳感器之外時(shí)的位置的狀態(tài)提取預(yù)測(cè)。概率分布也可以被更新以使它們與例如通過(guò)一個(gè)或多個(gè)傳感器觀察到的現(xiàn)實(shí)更對(duì)準(zhǔn)。

在實(shí)施例中，獲取用于行人仿真的完全概率交互模型，所述完全概率交互模型依賴于多個(gè)行人的聯(lián)合潛空間表示，并且所述完全概率交互模型因此允許量化和傳播與多代理系統(tǒng)的真實(shí)狀態(tài)相關(guān)的不確定性。