[發明專利]車輛操作標簽

在審

• 申請號: 202011254515.6
• 申請日: 2020-11-11
• 公開（公告）號: CN112793568A
• 公開（公告）日: 2021-05-14
• 發明（設計）人: 索菲亞·丹塞爾;勒瓦瑟·泰利斯;安東尼·馬里奧·達馬托;科爾姆·博蘭
• 申請（專利權）人: 福特全球技術公司
• 主分類號: B60W30/095
• 分類號: B60W30/095;G06N3/04;G06N3/08;G06K9/00
• 代理公司: 北京連和連知識產權代理有限公司 11278
• 代理人: 張元;李紅蕭

本公開提供“車輛操作標簽”。一種計算機包括處理器和存儲器，所述存儲器包括將由處理器執行以進行以下操作的指令：基于用戶識別來識別第一高預期場景中的模式，其中高預期場景包括其中第一車輛將在第一車輛周圍的第一環境中的第一對象的指定距離內的視頻序列，其中通過觀看相應視頻序列的部分來確定用戶識別。可以訓練包括第一深度神經網絡的第一模型以基于在第一高預期場景中識別的模式來確定第二高預期場景，并且可以訓練包括第二深度神經網絡的第二模型以修改第一高預期場景中第二對象的位置和速度并輸出修改的高預期場景。計算機可被進一步編程為：訓練包括第三深度神經網絡的第三模型，以基于由第二模型輸出的修改的高預期場景來操作車輛。

技術領域

本公開總體上涉及車輛操作。

背景技術

車輛可以配備有計算裝置、網絡、傳感器和控制器以獲取關于車輛的環境的信息并基于該信息來操作車輛。車輛傳感器可以提供關于在車輛的環境中要行駛的路線和要避開的對象的數據。車輛的操作可以依賴于在車輛正在道路上進行操作時獲取關于在車輛的環境中的對象的準確且及時的信息。

發明內容

車輛可被配備為以自主模式和乘員駕駛模式兩者操作。半自主或完全自主模式意指其中車輛可由作為具有傳感器和控制器的信息系統的一部分的計算裝置部分地或完全地駕駛的操作模式。出于本公開的目的，自主模式被限定為其中車輛推進(例如，經由包括內燃發動機和/或電動馬達的動力傳動系統)、制動和轉向中的每一者由一個或多個車輛計算機控制的模式；在半自主模式中，一個或多個車輛計算機控制車輛推進、制動和轉向中的一者或兩者。在非自主車輛中，這些都不由計算機控制。

車輛中的計算裝置可被編程為獲取關于車輛外部環境的數據并使用所述數據來確定車輛路徑，在所述車輛路徑上以自主或半自主模式操作車輛。通過確定命令來引導車輛的動力傳動系統、制動和轉向部件以操作車輛沿著路徑行駛，車輛可以基于車輛路徑在道路上操作。關于外部環境的數據可以包括車輛周圍的環境中的一個或多個移動對象(諸如，車輛和行人等)的位置，并且可以由車輛中的計算裝置用來操作車輛。

車輛中的計算裝置可以將車輛傳感器數據輸入到深度神經網絡中以確定例如關于車輛周圍的環境的數據，包括對象的位置。可以通過高預期場景來改進訓練所述深度神經網絡以確定關于車輛周圍環境的數據。高預期場景被定義為對應于交通狀況的視頻序列，所述交通狀況將要求車輛中的計算裝置操作車輛以避免在固定時間段(通常，例如，5秒)內與對象接觸或接近接觸。對象可以包括車輛、行人、自行車和動物(包括家養動物(寵物)和野生動物)，并且接近接觸被定義為在小于指定距離內經過，通常例如距對象小于一米。該定義與如Krzysztof Czarnecki的“自動駕駛系統的操作設計域”(OperationalDesign Domain for Automated Driving Systems)(滑鐵盧智能系統工程實驗室，滑鐵盧大學，加拿大滑鐵盧，N2L 3G1，2018年7月21日)中所定義的接觸或接近接觸的定義一致。

本文公開了一種方法，包括：基于用戶識別來識別第一高預期場景中的模式，其中高預期場景包括其中第一車輛將在所述第一車輛周圍的第一環境中的第一對象的指定距離內的視頻序列，其中通過觀看相應視頻序列的部分來確定用戶識別；訓練包括深度神經網絡的第一模型，以基于在所述第一高預期場景中識別的所述模式來確定第二高預期場景；訓練包括第二深度神經網絡的第二模型，以修改所述第一高預期場景中第二對象的位置和速度并輸出修改的高預期場景；以及訓練包括第三深度神經網絡的第三模型，以基于由所述第二模型輸出的所述修改的高預期場景來操作車輛。高預期場景可包括其中所述第一車輛將在幾秒內位于所述第一車輛周圍的所述第一環境中的所述第一對象的所述指定距離內的視頻序列。