[發(fā)明專利]以駕駛員為中心的風險評估：經(jīng)由意圖感知駕駛模型的因果推理進行風險對象識別

在審

• 申請?zhí)枺?/td>: 202110103512.0
• 申請日: 2021-01-26
• 公開（公告）號: CN113392692A
• 公開（公告）日: 2021-09-14
• 發(fā)明（設計）人: 李成蹊;陳奕廷
• 申請（專利權(quán)）人: 本田技研工業(yè)株式會社
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06Q10/04;G06Q10/06;G06Q50/30;G06N3/04;G06N3/08
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 王茂華

本發(fā)明題為以駕駛員為中心的風險評估：經(jīng)由意圖感知駕駛模型的因果推理進行風險對象識別。本發(fā)明公開了一種基于意圖感知駕駛模型來預測駕駛動作的系統(tǒng)和方法，該系統(tǒng)和方法包括接收自我意識車輛的駕駛場景的至少一個圖像。該系統(tǒng)和方法還包括分析至少一個圖像以檢測和跟蹤位于駕駛場景內(nèi)的動態(tài)對象，并且檢測和識別與駕駛場景相關聯(lián)的駕駛場景特性，并且處理與動態(tài)對象相關聯(lián)的ego?thing圖形以及與駕駛場景特性相關聯(lián)的ego?stuff圖形。該系統(tǒng)和方法還包括基于ego?thing圖形和ego?stuff圖形的表示的融合來預測駕駛員刺激性動作，并且基于與自我意識車輛的駕駛員的駕駛意圖相關聯(lián)的意圖表示來預測駕駛員意圖性動作。

相關申請的交叉引用

本專利申請是于2020年6月30日提交的申請序列號為16/916,428的美國專利申請的部分繼續(xù)申請，該美國專利申請要求于2020年2月26日提交的申請序列號為62/981,785的美國臨時專利申請的優(yōu)先權(quán)，這兩份專利申請明確地以引用方式并入本文。

背景技術

研究以駕駛員為中心的風險需要敏銳地理解駕駛場景。數(shù)據(jù)收集和分析尚未解決更高水平的駕駛場景理解中的許多挑戰(zhàn)。在智能的自動化駕駛系統(tǒng)中，實現(xiàn)具有這種能力的系統(tǒng)可能是至關重要的。為了實現(xiàn)最終的目標，現(xiàn)有的用于風險對象識別的工作包括通過接收多個輸入同時利用大量處理能力以干擾較大且耗時較長的方式標記風險對象，并且未提供用于識別風險對象的明確論證。

發(fā)明內(nèi)容

根據(jù)一個方面，用于基于意圖感知駕駛模型來預測駕駛動作的計算機實現(xiàn)的方法包括接收自我意識車輛的駕駛場景的至少一個圖像。計算機實現(xiàn)的方法還包括分析至少一個圖像以檢測和跟蹤位于駕駛場景內(nèi)的動態(tài)對象，并且檢測和識別與駕駛場景相關聯(lián)的駕駛場景特性，并且處理與動態(tài)對象相關聯(lián)的ego-thing圖形以及與駕駛場景特性相關聯(lián)的ego-stuff圖形。計算機實現(xiàn)的方法還包括基于ego-thing圖形和ego-stuff圖形的表示的融合來預測駕駛員刺激性動作(driver stimulus action)，并且基于與自我意識車輛的駕駛員的駕駛意圖相關聯(lián)的意圖表示來預測駕駛員意圖性動作(driver intentionaction)。

根據(jù)另一方面，一種基于意圖感知駕駛模型來預測駕駛動作的系統(tǒng)包括存儲器，該存儲器存儲指令，當由處理器處理該指令時，使得該處理器接收自我意識車輛的駕駛場景的至少一個圖像。指令還使得處理器分析至少一個圖像以檢測和跟蹤位于駕駛場景內(nèi)的動態(tài)對象，并且檢測和識別與駕駛場景相關聯(lián)的駕駛場景特性，并且處理與動態(tài)對象相關聯(lián)的ego-thing圖形以及與駕駛場景特性相關聯(lián)的ego-stuff圖形。指令還使得處理器基于ego-thing圖形和ego-stuff圖形的表示的融合來預測駕駛員刺激性動作，并且基于與自我意識車輛的駕駛員的駕駛意圖相關聯(lián)的意圖表示來預測駕駛員意圖性動作。

根據(jù)又一方面，一種非暫態(tài)計算機可讀存儲介質(zhì)，該非暫態(tài)計算機可讀存儲介質(zhì)存儲指令，當包括處理器的計算機執(zhí)行該指令時，執(zhí)行一種方法，該方法包括接收自我意識車輛的駕駛場景的至少一個圖像。該方法還包括分析至少一個圖像以檢測和跟蹤位于駕駛場景內(nèi)的動態(tài)對象，并且檢測和識別與駕駛場景相關聯(lián)的駕駛場景特性，并且處理與動態(tài)對象相關聯(lián)的ego-thing圖形以及與駕駛場景特性相關聯(lián)的ego-stuff圖形。該方法還包括基于ego-thing圖形和ego-stuff圖形的表示的融合來預測駕駛員刺激性動作，并且基于與自我意識車輛的駕駛員的駕駛意圖相關聯(lián)的意圖表示來預測駕駛員意圖性動作。

附圖說明

被認為是本公開的特性的新穎特征在所附權(quán)利要求中提出。在下面的描述中，在整個說明書和附圖中，相似的部分分別用相同的數(shù)字標記。為了清楚和簡潔起見，附圖未必按比例繪制，并且某些附圖可以以夸大或概括的形式示出。然而，當結(jié)合附圖閱讀時，通過參照說明性實施方案的以下詳細說明，將最好地理解本公開本身及其優(yōu)選的使用方式、其進一步的目的和進步，其中：

圖1是根據(jù)本公開的示例性實施方案的基于意圖感知駕駛模型來預測駕駛動作的示例性系統(tǒng)的示意圖；