[发明专利]通过无监督学习的对象跟踪

说明书

车辆中的计算设备可以基于3D数据点，通过确定一个或多个对象中的每个对象的由先前确定的对象所决定的联合贝叶斯概率，来确定一个或多个对象，以及基于所确定的一个或多个对象来驾驶车辆，其中对象具有包括位置、大小、姿势、速度、方向和预测路径的参数。

技术领域

本公开总体涉及车辆驾驶系统，并且更具体地，涉及通过无监督学习的对象跟踪。

背景技术

车辆可以配备在自主和乘员驾驶模式下操作。车辆可以配备计算设备、网络、传感器和控制器以驾驶车辆并协助乘员驾驶车辆。传感器可以包括产生3D数据点的激光雷达传感器，该3D数据点表示车辆周围区域中的对象的位置。

发明内容

根据本发明，提供一种方法，包括：

基于3D数据点，通过针对一个或多个当前对象中的每个当前对象确定由先前确定的对象决定的联合贝叶斯概率，来确定一个或多个当前对象；以及

基于所述确定的一个或多个当前对象驾驶车辆。

根据本发明的一个实施例，其中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。

根据本发明的一个实施例，其中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。

根据本发明的一个实施例，其中所述3D数据点由激光雷达确定。

根据本发明的一个实施例，其中通过使用贝叶斯概率来递归地将对象模型参数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。

根据本发明的一个实施例，其中通过确定关于所述联合对象模型中的每个所述模型对象参数的偏导数来执行所述递归模型拟合。

根据本发明的一个实施例，其中将所述联合对象模型确定为使得所述递归拟合在预定数量的步骤中收敛。

根据本发明的一个实施例，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。

根据本发明的一个实施例，其中所述联合对象模型包括一个或多个新对象。

根据本发明的一个实施例，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。

根据本发明，提供一种装置，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：

基于3D数据点，通过针对一个或多个当前对象中的每个当前对象确定由先前确定的对象决定的联合贝叶斯概率，来确定一个或多个当前对象；以及

基于所述确定的一个或多个当前对象驾驶车辆。

根据本发明的一个实施例，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。

根据本发明的一个实施例，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。

根据本发明的一个实施例，其中所述3D数据点由激光雷达确定。

根据本发明的一个实施例，其中通过使用与每个所述对象模型参数相关联的贝叶斯概率递归地将对象模型参数拟合在联合对象模型中来确定所述当前对象，每个所述对象模型参数分别由基于各自之前确定的对象的对象模型参数来决定。

根据本发明的一个实施例，其中递归模型拟合是通过确定关于联合对象模型中的每个对象模型参数的偏导数来执行的。