[发明专利]用于车辆的路径预测

说明书

本发明涉及用于预测车辆(1)近期路径和相关输出控制信号的方法和系统(40)。为了预测传感器数据，收集车辆驾驶数据和道路数据。接收(S608)指示期望驾驶动作的输入控制信号。预处理(S610)传感器数据和车辆驾驶数据以提供包括各个目标相对于车辆的先前位置、目标先前航向的时间序列和目标先前速度的时间序列的目标数据的集。在深度神经网络中处理(S612)目标数据、道路数据、车辆驾驶数据、控制信号和传感器数据。基于深度神经网络中的处理提供(S614)预测路径输出和输出控制信号。

技术领域

本发明涉及用于预测车辆的近期路径藉此提供相关输出控制信号的系统和方法。本发明还涉及包括这种系统的车辆。

背景技术

车辆中的高级驾驶员辅助系统(ADAS)从巡航操纵和自适应照明到例如自动制动、用于将车辆保持在正确车道上的自动转向、以及警告驾驶员存在其它小汽车等更高级的系统。通常地，ADAS从多个来源例如来自摄像机的图像处理、雷达或激光探测与测量装置检索(retrieve)输入数据。近来，随着现有ADAS的大量增加，车辆与车辆的连接性也随之兴起。

路径预测是用于高级驾驶员辅助系统为车辆提供路上安全和自然行为的重要部分。路径预测方法必须有效地考虑到与车辆当前路径相关的可用信息并且解释其它道路使用者不可预测的行为。

用于ADAS的两个主要机器学习范例是端对端(end-to-end)学习和模块化系统设计。在端对端学习中，单机学习系统将用于通过观察传感器数据例如来自摄像机的图像或来自雷达的数据来控制车辆。在模块化系统设计中，感知和控制部件被隔离，并且来自感知的中间输出被独立地分析以得到对环境所需的理解，其随后用于决策和控制模块藉此提供用于方向盘和气体/刹车踏板的输入。

虽然上述方法对于进行适宜的驾驶决策提出了有前途的路径预测方案，但看起来仍有改进的空间。

发明内容

鉴于上述内容，本发明的一个目的是为车辆高级驾驶员辅助系统和/或车辆自主驾驶系统进行驾驶动作决策提供改进的预测精确度。

根据本发明的第一方面，提供了一种用于预测车辆近期路径藉此提供相关输出控制信号的方法，所述方法包括：收集至少指示车辆速度和横摆率(yaw rate)的车辆驾驶数据，收集指示车辆附近目标存在的传感器数据，收集指示车辆当前占据道路上车行道的道路数据，接收指示车辆期望驾驶动作的输入控制信号，预处理传感器数据和车辆驾驶数据以提供包括各个目标相对于车辆的先前位置的时间序列、目标先前航向的时间序列和每个目标相对于车辆的先前速度的时间序列的目标数据集，在深度神经网络中处理目标数据、道路数据、控制信号、车辆驾驶数据和传感器数据以基于深度神经网络中的处理来预测车辆的近期路径从而提供预测路径输出和输出控制信号以便根据预测路径执行驾驶动作。

本发明基于这样的认识：通过预处理有关车辆附近目标的传感器数据以及有关当前车辆的车辆驾驶数据可提高路径预测精确度，藉此提供包括每个目标相对于车辆的先前位置和速度的时间序列的目标数据的适宜图示。目标数据集的该图示被输入适用于图像解码的深度神经网络从而预测车辆近期路径。

本发明进一步基于这样的认识：在深度神经网络处理中包括指示期望驾驶动作或可能驾驶动作的控制信号提供了更高级的决策选取。例如，深度神经网络可能预测可能或应当近期采取驾驶动作，该预测可能包括在输出控制信号和输出预测路径中。

驾驶动作例如是车道变更、选取高速公路出口或入口，该出口要绕道、超过其它车辆等等。

输出预测路径可被设置为适配预测路径的曲线的多项式系数的形式或仅为预测路径的降采样型式。类似地，输入数据能够被降采样。

应当理解，目标相对于车辆的位置意味着目标相对于车辆的空间位置，即能够确定目标距车辆的距离以及目标来自车辆的哪个方向(例如航向、方位角、或前、后、左、右)。目标位置例如可以是已知车辆坐标的坐标系中的坐标。此外，目标大小也可包括在目标数据中。目标大小表示目标所占据的空间。