[发明专利]以驾驶员为中心的风险评估：经由意图感知驾驶模型的因果推理进行风险对象识别

说明书

本发明题为以驾驶员为中心的风险评估：经由意图感知驾驶模型的因果推理进行风险对象识别。本发明公开了一种基于意图感知驾驶模型来预测驾驶动作的系统和方法，该系统和方法包括接收自我意识车辆的驾驶场景的至少一个图像。该系统和方法还包括分析至少一个图像以检测和跟踪位于驾驶场景内的动态对象，并且检测和识别与驾驶场景相关联的驾驶场景特性，并且处理与动态对象相关联的ego‑thing图形以及与驾驶场景特性相关联的ego‑stuff图形。该系统和方法还包括基于ego‑thing图形和ego‑stuff图形的表示的融合来预测驾驶员刺激性动作，并且基于与自我意识车辆的驾驶员的驾驶意图相关联的意图表示来预测驾驶员意图性动作。

相关申请的交叉引用

本专利申请是于2020年6月30日提交的申请序列号为16/916,428的美国专利申请的部分继续申请，该美国专利申请要求于2020年2月26日提交的申请序列号为62/981,785的美国临时专利申请的优先权，这两份专利申请明确地以引用方式并入本文。

背景技术

研究以驾驶员为中心的风险需要敏锐地理解驾驶场景。数据收集和分析尚未解决更高水平的驾驶场景理解中的许多挑战。在智能的自动化驾驶系统中，实现具有这种能力的系统可能是至关重要的。为了实现最终的目标，现有的用于风险对象识别的工作包括通过接收多个输入同时利用大量处理能力以干扰较大且耗时较长的方式标记风险对象，并且未提供用于识别风险对象的明确论证。

发明内容

根据一个方面，用于基于意图感知驾驶模型来预测驾驶动作的计算机实现的方法包括接收自我意识车辆的驾驶场景的至少一个图像。计算机实现的方法还包括分析至少一个图像以检测和跟踪位于驾驶场景内的动态对象，并且检测和识别与驾驶场景相关联的驾驶场景特性，并且处理与动态对象相关联的ego-thing图形以及与驾驶场景特性相关联的ego-stuff图形。计算机实现的方法还包括基于ego-thing图形和ego-stuff图形的表示的融合来预测驾驶员刺激性动作(driver stimulus action)，并且基于与自我意识车辆的驾驶员的驾驶意图相关联的意图表示来预测驾驶员意图性动作(driver intentionaction)。

根据另一方面，一种基于意图感知驾驶模型来预测驾驶动作的系统包括存储器，该存储器存储指令，当由处理器处理该指令时，使得该处理器接收自我意识车辆的驾驶场景的至少一个图像。指令还使得处理器分析至少一个图像以检测和跟踪位于驾驶场景内的动态对象，并且检测和识别与驾驶场景相关联的驾驶场景特性，并且处理与动态对象相关联的ego-thing图形以及与驾驶场景特性相关联的ego-stuff图形。指令还使得处理器基于ego-thing图形和ego-stuff图形的表示的融合来预测驾驶员刺激性动作，并且基于与自我意识车辆的驾驶员的驾驶意图相关联的意图表示来预测驾驶员意图性动作。

根据又一方面，一种非暂态计算机可读存储介质，该非暂态计算机可读存储介质存储指令，当包括处理器的计算机执行该指令时，执行一种方法，该方法包括接收自我意识车辆的驾驶场景的至少一个图像。该方法还包括分析至少一个图像以检测和跟踪位于驾驶场景内的动态对象，并且检测和识别与驾驶场景相关联的驾驶场景特性，并且处理与动态对象相关联的ego-thing图形以及与驾驶场景特性相关联的ego-stuff图形。该方法还包括基于ego-thing图形和ego-stuff图形的表示的融合来预测驾驶员刺激性动作，并且基于与自我意识车辆的驾驶员的驾驶意图相关联的意图表示来预测驾驶员意图性动作。

附图说明

被认为是本公开的特性的新颖特征在所附权利要求中提出。在下面的描述中，在整个说明书和附图中，相似的部分分别用相同的数字标记。为了清楚和简洁起见，附图未必按比例绘制，并且某些附图可以以夸大或概括的形式示出。然而，当结合附图阅读时，通过参照说明性实施方案的以下详细说明，将最好地理解本公开本身及其优选的使用方式、其进一步的目的和进步，其中：

图1是根据本公开的示例性实施方案的基于意图感知驾驶模型来预测驾驶动作的示例性系统的示意图；