[发明专利]一种移动物体意图识别装置、方法、系统、终端和介质

权利要求书

1.一种移动物体意图识别装置，其特征在于，包括：

意图预测模块和意图判断模块；

所述意图预测模块包括输入层、输出层和至少一个神经元细胞层组成的递归神经网络，所述输入层的输入要素为表征近场移动物体行驶状态的各个维度信息；所述输出层的输出要素为各个近场移动物体意图预测结果的概率；

所述意图判断模块以意图预测模块输出的结果结合包括车辆行驶状态、车辆所在场景的行驶规则要素、安全级别设定要素，通过算法处理识别近场移动物体的特定意图；所述车辆行驶状态包括当前时刻目标车辆与本车辆之间的相对位置、目标车辆的速度、目标车辆的加速度、目标车辆的航向角；目标车辆当前时刻之前的连续时间段内目标车辆与本车辆之间的相对位置、目标车辆的速度、目标车辆的加速度、目标车辆的航向角；

所述意图判断模块判断的特定意图包括车辆前方夹塞意图、车辆前方的变道意图、车辆左侧、右侧的超车意图、车辆后方的变道意图。

2.根据权利要求1所述的移动物体意图识别装置，其特征在于，所述输入层输入各个表征近场移动物体行驶状态的输入要素均是时序数据，即在不同时间点上收集到的输入层数据，输入层时序数据反映了近场移动物体的行驶状态随时间的变化状态和/或程度。

3.根据权利要求1所述的移动物体意图识别装置，其特征在于，所述输出层输出要素为各个近场移动物体是否会在下一时刻意图夹塞的概率，所述输出层将各个近场移动物体编号，并将每个近场移动物体下一时刻意图夹塞的概率值以矩阵的形式输出。

4.根据权利要求1所述的移动物体意图识别装置，其特征在于，所述递归神经网络为深度递归神经网络，所述深度递归神经网络包括n个神经元细胞层，即自输入层至输出层分别标记为第一神经元细胞层、第二神经元细胞层…第n神经元细胞层，所述第一神经元细胞层的输入包括本时刻车辆近场移动物体的数据簇以及该第一神经元细胞层上一时刻的细胞记忆数据，所述第二神经元细胞层的输入为第一神经元细胞层的输出结果以及第二神经元细胞层上一时刻的细胞记忆数据，所述第n神经元细胞层的输入为第n-1层神经元细胞层的输出结果与第n神经元细胞层上一时刻的细胞记忆数据，所述第n神经元细胞层的输出为各个近场移动物体意图预测结果的概率。

5.一种移动物体意图识别方法，其特征在于，包括以下步骤：

S01：获取感知数据，识别感知数据中的近场移动物体，并给予每个近场移动物体对应的标签；以不同维度提取近场移动物体行驶状态；

S02：以各个表征近场移动物体行驶状态的维度为输入，输入意图识别网络模型，意图识别网络模型输出各个近场移动物体意图预测结果的概率；

S03：将各个近场移动物体意图预测结果的概率结合包括车辆行驶状态、车辆所在场景的行驶规则要素、安全级别设定要素，通过算法处理识别近场移动物体中特定意图的近场移动物体标签；所述车辆行驶状态包括当前时刻目标车辆与本车辆之间的相对位置、目标车辆的速度、目标车辆的加速度、目标车辆的航向角；目标车辆当前时刻之前的连续时间段内目标车辆与本车辆之间的相对位置、目标车辆的速度、目标车辆的加速度、目标车辆的航向角；

所述意图判断模块判断的特定意图包括车辆前方夹塞意图、车辆前方的变道意图、车辆左侧、右侧的超车意图、车辆后方的变道意图。

6.根据权利要求5所述的移动物体意图识别方法，其特征在于，还包括步骤S04：将特定意图的近场移动物体以包括图像标注、语音提示的方式传递给驾驶员。

7.根据权利要求6所述的移动物体意图识别方法，其特征在于，所述步骤S01中还包括步骤S011：将多维度近场移动物体行驶状态归集于该近场移动物体的标签下形成关于该近场移动物体的数据簇；所述步骤S02中还包括步骤S021：给数据簇中的数据按照表征维度分类，并再将其输入意图识别网络模型。