[发明专利]确定关于对象的预计轨迹的信息的方法和系统

说明书

本公开涉及确定关于对象的预计轨迹的信息的方法和系统，该方法包括：确定与所述对象的预计轨迹相关的输入数据；使用机器学习方法基于所述输入数据确定第一中间数据；使用基于模型的方法基于所述输入数据确定第二中间数据；以及基于所述第一中间数据和所述第二中间数据确定关于所述对象的预计轨迹的信息。

技术领域

本公开涉及确定关于对象的预计轨迹的信息的方法和系统。

背景技术

车辆的人类驾驶员考虑周围交通参与者来做出机动决定。人类驾驶员下意识地、持续地和即时地预测周围动态对象的未来轨迹和碰撞的潜在风险。同时，驾驶员试图跟随车道，并将车辆保持在车道的中心。

对于至少部分自主的车辆，推荐车辆本身执行所有这种处理，这需要关于车辆周围和车辆本身的信息，尤其需要关于各种对象的预计轨迹的信息。

因此，需要有效且可靠地确定关于对象的预计轨迹的信息。

发明内容

本公开提供了一种计算机实现的方法、计算机系统和非暂时性计算机可读介质。在说明书和附图中给出了实施方式。

在一个方面，本公开涉及一种用于确定关于对象(例如车辆或行人)的预计轨迹的信息的计算机实现的方法，该方法包括由计算机硬件组件执行(换言之：实施)的以下步骤：确定与对象的预计轨迹相关的输入数据；使用机器学习方法基于所述输入数据确定第一中间数据；使用基于模型的方法基于所述输入数据确定第二中间数据；以及基于所述第一中间数据和所述第二中间数据确定关于所述对象的预计轨迹的信息。

预计轨迹可以是未来预计轨迹，其中“未来”可以被理解为在输入数据之后。这可以理解为预测将来的轨迹。

在另一方面，预计轨迹可以是过去的轨迹，其可以被理解为在输入数据之前。这可以理解为重建过去的轨迹。

换言之，关于预计轨迹的信息可以基于两种不同方法的结果来确定，一种方法是基于模型的方法，而另一种方法是机器学习方法。本方法提供了融合(融合基于模型的方法的结果和机器学习方法的结果)轨迹预测方法。还可以提供相应的系统。

基于第一中间数据和第二中间数据确定关于对象的预计轨迹的信息可以被理解为融合第一中间数据和第二中间数据以获得(直接地或在一个或更多个进一步处理步骤之后)关于对象的预计轨迹的信息。

说明性地，机器学习方法不需要学习所有内容，而仅仅是基于模型的方法(例如现有预测系统)没有描述的部分。例如，不能容易地模拟与其他车辆的交互，因此，可以通过机器学习方法来学习与其他车辆的交互的方面。

例如，如果现有系统使用“速度×时间”来预测未来位置，显然不能准确地描述车辆运动的加速和制动。然后可以训练机器学习方法以考虑车辆运动的加速和制动。

利用根据该方面的方法，机器学习方法可以结合已知的知识(即，基于模型的方法)并且可以改进长期轨迹应用的性能。

根据另一方面，输入数据可以基于传感器数据，其中，传感器数据包括雷达数据、激光雷达数据、超声波数据、移动无线电通信数据或摄像头数据中的至少一者。使用这些传感器，可以确定对象的先前轨迹，并且先前轨迹的信息可以用作输入数据。

根据另一方面，输入数据包括与对象和/或其他对象的位置和/或速度和/或加速度相关的信息。

根据另一方面，关于对象的预计轨迹的信息由时间的离散点(其中实际预计轨迹可以基于离散点之间的插值来确定)或由随时间的连续函数(其中实际预计轨迹可以基于对连续函数的评估来确定)来表示。

根据另一方面，基于第一中间数据和第二中间数据相加来确定关于对象的预计轨迹的信息。第一中间数据和第二中间数据可以被加权，并且权重可以由经训练的融合网络提供。权重可以是固定的，或者可以取决于第一中间数据和/或第二中间数据。