[發明專利]確定關于對象的預期軌跡的連續信息的方法

在審

• 申請號: 202011501288.2
• 申請日: 2020-12-18
• 公開（公告）號: CN113010959A
• 公開（公告）日: 2021-06-22
• 發明（設計）人: I·弗里曼;趙坤
• 申請（專利權）人: APTIV技術有限公司
• 主分類號: G06F30/15
• 分類號: G06F30/15;G06F30/27;G06N3/04;G06N3/08;G06N20/00;G06F119/12
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 師瑋;王小東

確定關于對象的預期軌跡的連續信息的方法，尤其是確定關于對象的預期軌跡的連續信息的計算機實現方法。該計算機實現方法至少包括由計算機硬件組件執行的以下步驟：確定與對象的預期軌跡有關的數據；以及基于所述數據確定連續函數的至少一個參數值，其中，所述連續函數和所述至少一個參數值表示關于所述對象的預期軌跡的連續信息。

技術領域

本公開涉及確定關于對象的預期軌跡的連續信息的計算機實現方法。

背景技術

如數字攝像頭之類的數字成像設備被用于汽車應用中，以在例如繁忙的交通環境中對車輛附近區域進行拍攝。其它類型的傳感器(如雷達或LiDAR)也可以用于相同目的。但是，根據傳感器數據或各種類型的傳感器數據來確定所需的語義信息并非易事。特別地，關于交通對象(例如，車輛、自行車或行人)的將來移動的信息就是這種語義信息的一個示例，該信息需要根據傳感器數據來確定。為了安全地自動控制車輛，將來或預期的軌跡(即，對象的移動路徑)是有意義的。在這方面，可以基于當前傳感器數據樣本來預測將來時間點的數據樣本。但是，由于數據樣本的點狀或離散性質，結果將是對預期移動的粗略預測。這對于(例如，自主駕駛車輛)在任何時間點的安全轉向操縱的精確計算都是不夠的。增加每時間跨度的預測次數可以緩解此問題，但會與能夠實時生成預測的車輛中的有限處理資源產生沖突。

因此，需要提供一種確定關于對象的預期軌跡的信息的改進方法。

發明內容

本公開提供了計算機實現方法、計算機系統和非暫時性計算機可讀介質。在說明書和附圖中給出了實施方式。

在一個方面，本公開涉及一種確定關于對象的預期軌跡的連續信息的計算機實現方法，該計算機實現方法至少包括由計算機硬件組件執行的以下步驟：確定數據，該數據與對象的預期軌跡有關；以及基于所述數據，確定連續函數的至少一個參數值，其中，所述連續函數和所述至少一個參數值表示關于所述對象的預期軌跡的連續信息，并且其中，所述至少一個參數值是使用機器學習模型確定的。

已經發現，通過使用機器學習模型，可以為關于對象的預期軌跡的連續信息提供連續函數和該連續函數的至少一個參數值。以這種方式，相對于時間段或時間范圍而不是時間點或時間抽樣來提供關于預期軌跡的信息。這允許預期軌跡的任何期望的時間分辨率，并且精確地考慮了對象的時間相關行為。作為結果，可以基于任何所需時間點的確定的信息來精確且安全地生成車輛的自動控制函數。這意味著現在可以避免僅基于幾個單獨的數據樣本得出關于預期軌跡的不太精確的假定。機器學習模型能夠高效地提供此信息。機器學習模型可以是通過機器學習算法訓練的數學模型，例如人工神經網絡或支持向量機。訓練可以基于對象的已知軌跡來執行，例如使用反向傳播來執行。

優選的是，通過使用機器學習模型直接確定至少一個參數值。這意味著一個或更多個參數值優選的是機器學習模型(例如，神經網絡)的輸出。確定參數值可以排除使用機器學習模型范圍之外的其它規則(例如，其它數學模型)。

連續函數是數學函數，該數學函數可以用閉型(closed form)表示，并且非常適合在計算機系統上實現。還可能的是僅確定參數值，而除了函數參數的參數值之外可以預先確定連續函數。以這種方式，例如與確定預期軌跡的多個單獨的數據點相比，顯著減少了確定關于預期軌跡的信息的處理工作量。與預期軌跡有關的置信度信息或類似信息也是如此。作為另一方面，與預測單獨的數據點相比，預期軌跡或相關信息的精度提高了。這是由于信息的連續性質，該信息的連續性質提供了關于相對于任何期望時間點(而不僅僅是抽樣的(即有限的)時間點)的預期軌跡的信息。

連續信息通常可以描述預期軌跡的形狀，但不限于此。例如，連續信息可以表示至少一個參數的置信度信息。在一個示例中，至少一個參數值表示連續函數(特別是連續函數的參數值的)置信度值(例如，方差)。