[发明专利]基于活动来对感知对象进行分类

说明书

公开了用于基于活动来对感知对象进行分类的系统和方法等。这些系统和方法可以包括用于接收与至少一个对象相对应的传感器信息并根据该传感器信息针对该至少一个对象来确定活动预测的部件。这些系统和方法可以包括用于根据该活动预测来对该对象进行分类的部件。控制器电路可以至少部分地基于该至少一个对象的分类来操作运载工具的控制功能。

相关申请的交叉引用

本申请要求2019年1月8日提交的美国临时申请62/789,804和2019年3月1日提交的丹麦申请PA-2019-70146的权益。

技术领域

本发明通常涉及对对象进行分类。特别地，本发明涉及基于活动来对感知对象进行分类。

背景技术

自主运载工具(例如，无人机和自动驾驶小汽车)可被配置为在整个环境中自主地导航。这些运载工具可以依赖于各种类型的传感器以检测其周围环境。例如，自主运载工具可以包括LiDAR传感器、雷达传感器、立体照相机、红外照相机等。这些传感器可以是允许运载工具避免伤害周围行人、损坏周围构造和/或运载工具本身的重要特征。

发明内容

在本发明的至少一个方面中，提供一种运载工具。所述运载工具包括：至少一个传感器，其被配置为接收与接近所述运载工具的至少一个对象相对应的传感器信息。所述运载工具包括：至少一个控制器电路，其被配置为操作所述运载工具的控制功能。所述运载工具包括：计算机可读介质，其存储计算机可执行指令。所述运载工具包括：至少一个处理器，其通信地耦接至所述至少一个传感器，并且被配置为执行所述计算机可执行指令以：从所述至少一个传感器接收所述传感器信息；根据所述传感器信息，针对所述至少一个对象来确定活动预测；根据所述活动预测来对所述至少一个对象进行分类；以及使所述控制器电路至少部分地基于所述至少一个对象的分类来操作所述运载工具的控制功能。

所述至少一个处理器可以包括贝叶斯模型处理器。所述至少一个处理器可以包括深度学习处理器。所述深度学习处理器可以包括以下项至少之一：前馈神经网络、卷积神经网络、径向基函数神经网络、递归神经网络和模块化神经网络。

对所述至少一个对象进行分类可以包括：确定所述至少一个对象是非活动或活动的可能性。确定为所述至少一个对象是活动的可以包括：确定所述至少一个对象是否将在预定时间间隔内处于运动。确定为所述至少一个对象是非活动的可以包括：确定所述至少一个对象是否将在预定时间间隔内保持静止。对所述至少一个对象进行分类可以包括：指派超过(overtake)值。

操作所述运载工具的控制功能可以包括：使所述运载工具以预测速率行驶，其中所述预测速率是至少部分地基于所学习的类似人类的行为。操作所述运载工具的控制功能可以包括：使所述运载工具以预测速率行驶。所述预测速率可以是至少部分地基于以下项至少之一：传感器数据、所述运载工具的历史速率数据、所述运载工具的位置数据、所述至少一个对象的当前位置数据、所述至少一个对象的历史位置数据、以及交通灯数据。操作所述运载工具的控制功能可以包括：当所述至少一个处理器将所述至少一个对象分类为非活动时，使所述运载工具超过所述至少一个对象。使所述控制器电路操作所述运载工具的控制功能可以是至少部分地基于至少一个道路规则。操作所述运载工具的控制功能可以包括：使所述运载工具以预定速率接近所述至少一个对象。操作所述运载工具的控制功能可以包括：使所述运载工具与所述至少一个对象维持预定距离。当所述运载工具正在穿过主要路线时，操作所述运载工具的控制功能可以包括：使所述运载工具穿过替代路线。

所述至少一个处理器可被配置为基于所接收到的传感器信息来确定所述至少一个对象的一个或多个属性。使所述控制器电路操作所述运载工具的控制功能可以是至少部分地基于所确定的一个或多个属性。所述一个或多个属性可以包括以下项至少之一：所述至少一个对象所在的道路车道、所述至少一个对象到交通标志的距离、所述至少一个对象到指定停车位的距离、以及所述至少一个对象的速率。