[发明专利]通过无监督学习的对象跟踪

权利要求书

1.一种车辆驾驶方法，包括：

确定以先前确定的对象为条件的贝叶斯概率；

将专家混合模型定义为联合贝叶斯概率，其中所述专家混合模型使用3D数据点、多个对象和与每个对象相关联的边界形成；

基于所述联合贝叶斯概率来确定一个或多个当前对象；以及

基于确定的所述一个或多个当前对象驾驶车辆。

2.根据权利要求1所述的方法，其中所述当前对象具有包括位置、大小、姿势、速度、方向和预测路径的参数。

3.根据权利要求1所述的方法，其中所述先前确定的对象具有包括位置、大小、姿势、速度、方向、预测路径和边界的参数。

4.根据权利要求1所述的方法，其中所述3D数据点由激光雷达确定。

5.根据权利要求1所述的方法，其中通过使用贝叶斯概率将对象模型参数递归地拟合在联合对象模型中以对与每个所述当前对象相关联的对象参数进行建模，从而确定所述当前对象，其中每个对象模型参数基于相应的先前确定的对象进行决定。

6.根据权利要求5所述的方法，其中通过确定关于所述联合对象模型中的每个所述对象模型参数的偏导数来执行所述递归地拟合。

7.根据权利要求6所述的方法，其中将所述联合对象模型确定为使得所述递归地拟合在预定数量的步骤中收敛。

8.根据权利要求7所述的方法，其中，所述联合对象模型包括基于所述先前确定的对象的预期数量的对象。

9.根据权利要求8所述的方法，其中所述联合对象模型包括一个或多个新对象。

10.根据权利要求9所述的方法，其中所述一个或多个新对象位于与先前确定的对象相关联的遮挡边界处或在激光雷达传感器范围的预定界限处。

11.根据权利要求3所述的方法，其中所述边界是由两点和一个角定义的2D矩形。

12.根据权利要求5所述的方法，其中所述当前对象由随机变量的联合贝叶斯概率分布p(X, Z)建模。

13.根据权利要求12所述的方法，其中求解所述联合贝叶斯概率分布p(X, Z)以形成所述联合贝叶斯概率分布p(X, Z)的易处理子集的最优解。

14.一种车辆驾驶系统，包括被编程为执行权利要求1-13中的任一项所述的方法的计算机。

15.一种车辆驾驶装置，包括：

处理器；

存储器，所述存储器存储可由所述处理器执行以进行如下操作的指令：

确定以先前确定的对象为条件的贝叶斯概率；

将专家混合模型定义为联合贝叶斯概率，其中所述专家混合模型使用3D数据点、多个对象和与每个对象相关联的边界形成；

基于所述联合贝叶斯概率来确定一个或多个当前对象；以及

基于确定的所述一个或多个当前对象驾驶车辆。