[发明专利]通过信息融合来计划自动驾驶的短期路径的方法及装置

权利要求书

1.一种用于计划自动驾驶的方法，所述方法使用车对万物通信以及图像处理，在可进行所述车对万物通信的车辆与无法进行所述车对万物通信的车辆共存的路况中计划自动驾驶，其特征在于，包括：

步骤(a)，计算装置，使计划模块，与车对万物通信模块和图像处理模块中的至少一个联动，获取对至少一部分邻近车辆的识别信息，其中，所述邻近车辆包括以下中的至少一部分：(i)位于距与所述计算装置相对应的目标自动驾驶车辆，比临界距离更近的距离并包括可进行所述车对万物通信的一个以上第一车辆的第一群，以及(ii)位于距所述目标自动驾驶车辆，比所述临界距离更近的距离并包括无法进行所述车对万物通信的一个以上第二车辆的第二群；

步骤(b)，所述计算装置，使所述计划模块，参考对所述目标自动驾驶车辆的当前优化路径信息和所述识别信息，在所述邻近车辆中，选择至少一个干扰车辆，其中，所述干扰车辆是指干扰所述目标自动驾驶车辆的概率大于或等于临界概率的车辆；以及

步骤(c)，所述计算装置，使所述计划模块，通过与所述车对万物通信模块和所述图像处理模块中的至少一个联动，来生成对于所述干扰车辆的潜在干扰预测模型，并修改所述当前优化路径信息以参考所述潜在干扰预测模型来避免预测的所述干扰车辆的潜在干扰驾驶，从而生成对所述目标自动驾驶车辆的更新优化路径信息；

其中，在所述步骤(c)中，

所述计算装置，当所述干扰车辆属于所述第二群时，(i)使所述图像处理模块，(i-1)通过设置于所述目标自动驾驶车辆的至少一个相机，获取包括所述干扰车辆的建模图像，(i-2)对所述建模图像应用一个以上第二神经网络运算生成所述干扰车辆的加速能力信息，并将所述加速能力信息传输至所述计划模块，(ii)使所述计划模块，使用所述图像处理模块以及所述车对万物通信模块中至少一个，参考获取的所述干扰车辆的当前速度信息以及所述加速能力信息，生成所述潜在干扰预测模型。

2.根据权利要求1所述的方法，其特征在于，包括：

在所述步骤(a)中，

所述计算装置，使包括在所述图像处理模块的第一神经网络，通过设置于所述目标自动驾驶车辆的至少一个相机，获取与从所述目标自动驾驶车辆对应至少一个方向的至少一个情况图像，并对所述情况图像适用一个以上第一神经网络运算，生成所述识别信息之后，将所述识别信息传输至所述计划模块，其中，所述识别信息包括：(i)车辆标识信息、(ii)车辆外观信息、以及(iii)来自所述目标自动驾驶车辆的车辆相对位置信息中至少一部分。

3.根据权利要求2所述的方法，其特征在于，包括：

在所述步骤(b)中，

所述计算装置，使所述计划模块，(i)使用所述目标自动驾驶车辆在临界时间内对预驾驶方向的预定驾驶方向信息生成预定驾驶方向矢量，并使用与所述至少一部分邻近车辆相对应的所述车辆相对位置信息生成一个以上相对位置矢量，(ii)生成所述预定驾驶方向矢量与每个所述相对位置矢量之间的每个类似分数之后，(iii)在所述邻近车辆中，选择具有临界类似分数以上的特定类似分数的至少一个特定邻近车辆作为所述干扰车辆。

4.根据权利要求2所述的方法，其特征在于，包括：

在所述步骤(b)中，

所述计算装置，使所述计划模块，在由所述图像处理模块获取的所述情况图像中参考关于包括所述邻近车辆的边界框的位置的信息，选择至少一个特定邻近车辆作为所述干扰车辆，其中，与所述特定邻近车辆相对应的部分图像位于所述情况图像的当前车道区域内，所述当前车道区域与所述目标自动驾驶车辆所在道路的当前车道对应。