详情

原文传递车辆路径预测

专利名称：	车辆路径预测
摘要：	本发明涉及用于预测车辆(1)的近期路径的方法和系统(40)。为了预测近期路径，收集传感器数据和车辆驾驶数据。收集指示车辆当前占据道路(3)上车行道的道路数据。预处理传感器数据和车辆驾驶数据以提供包括每个目标(5，9，13，17)相对车辆的先前位置、航向和速度的时间序列的目标数据，在深度神经网络中处理目标数据、车辆驾驶数据和道路数据以预测车辆的近期路径。本发明还涉及包括系统的车辆(1)。
专利类型：	发明专利
国家地区组织代码：	瑞典;SE
申请人：	沃尔沃汽车公司
发明人：	A·莫弗特;A·乌德布罗姆;A·巴克豪斯;N·穆罕默迪哈;P·哈达
专利状态：	有效
申请日期：	2018-12-11T00:00:00+0800
发布日期：	2019-07-19T00:00:00+0800
申请号：	CN201811510142.7
公开号：	CN110027563A
代理机构：	永新专利商标代理有限公司
代理人：	蔡洪贵
分类号：	B60W40/04(2006.01);B;B60;B60W;B60W40
申请人地址：	瑞典哥德堡
主权项：	1.一种用于预测车辆(1)的近期路径的方法，所述方法包括： -收集(S502)至少指示所述车辆的速度和横摆率的车辆驾驶数据， -收集(S506)指示所述车辆附近目标(5,9,13,17)存在的传感器数据， -收集(S507)指示所述车辆当前占据道路(3)上车行道的道路数据， -预处理(S508)所述传感器数据和所述车辆驾驶数据从而提供包括各个目标相对于所述车辆的先前位置的时间序列、所述目标的先前航向的时间序列以及每个目标相对于所述车辆的先前速度的时间序列的目标数据的集， -在深度神经网络中处理(S510)所述目标数据、所述车辆驾驶数据和所述道路数据以基于所述目标数据、所述车辆驾驶数据和所述道路数据预测所述车辆的近期路径，以及 -基于深度神经网络中的处理提供预测路径输出。 2.根据权利要求1所述的方法，其中预处理包括： -形成所述目标数据、所述车辆驾驶数据和所述道路数据的矩阵(30)，所述矩阵包括各个目标相对于所述车辆的先前位置的时间序列(31a)、所述目标的先前航向的时间序列(31b)以及每个目标相对于所述车辆的先前速度的时间序列(31c)，其中在深度神经网络中处理所述矩阵。 3.根据权利要求1或2所述的方法，其中预处理包括： -基于所述目标数据和所述车辆驾驶数据形成图示，所述图示包括图像(300a-c)的时间序列，每个图像指示各个目标相对于所述车辆的先前位置以及各个目标的先前航向，其中在深度神经网络中处理所述图像的时间序列。 4.根据前述权利要求任意一项所述的方法，其中所述预处理包括： -基于所述目标数据和所述车辆驾驶数据形成图示，所述图示包括指示各个目标相对于所述车辆的先前位置以及各个目标的先前航向的图像，其中在深度神经网络中处理所述图像。 5.根据权利要求3或4所述的方法，其中所述图像是包括所述车辆及所述车辆和目标附近周围环境的情景的鸟瞰图(300a-c)。 6.根据前述权利要求任意一项所述的方法，其中预处理包括： -基于所述目标数据、所述车辆驾驶数据和所述道路数据形成图形，所述图形包括先前目标位置和速度曲线，其中在深度神经网络中处理所述图形。 7.根据前述权利要求任意一项所述的方法，包括： -收集(S503)指示道路环境和合法道路特性的地图数据， -收集(S504)指示所述车辆的位置的位置数据，以及 -在深度神经网络中处理所述地图数据以预测近期路径。 8.根据前述权利要求任意一项所述的方法，包括： -收集(S505)指示所述车辆的预定目的地的目的地数据， -在深度神经网络中处理所述目的地数据以预测近期路径。 9.根据前述权利要求任意一项所述的方法，其中通过基于来自路上的人类驾驶员记录的或来自路上自动化驾驶员记录的目标值和路径的监督学习来训练所述深度神经网络。 10.根据前述权利要求任意一项所述的方法，其中通过基于安全和自然驾驶的定义的无监督学习训练所述深度神经网络。 11.根据权利要求9或10任意一项所述的方法，其中通过分析在所述车辆的正常使用过程中所述车辆的运行期间记录的目标值和路径进一步在线训练所述深度神经网络。 12.根据前述权利要求任意一项所述的方法，其中时间序列包括从当前时间之前的0到1秒、0到2秒、0到3秒、0到4秒或0到5秒的位置数据和速度数据。 13.一种用于预测车辆的近期路径的系统(40)，所述系统包括：外视传感器单元(41)，用于捕获指示所述车辆附近目标存在的传感器数据以及用于捕获指示所述车辆当前占据道路上车行道的道路数据，车辆传感器单元(42)，用于收集至少指示所述车辆的速度和横摆率的车辆驾驶数据，以及处理电路(43)，所述处理电路(43)被构造为： -预处理所述传感器数据和所述车辆驾驶数据以提供包括各个目标相对于所述车辆的先前位置的时间序列、所述目标的先前航向的时间序列以及每个目标相对于所述车辆的先前速度的时间序列的目标数据的集， -在深度神经网络中处理所述目标数据、所述车辆驾驶数据和所述道路数据以基于所述目标数据、所述车辆驾驶数据和所述道路数据预测所述车辆的近期路径，以及 -基于所述深度神经网络中的处理提供预测路径输出。 14.根据权利要求13所述的系统，其中所述外视传感器单元被构造为捕获指示在所述车辆的任何方向上目标附近存在目标的传感器数据，其中所述外视传感器单元包括图像捕获装置或雷达或激光探测与测量装置或超声波传感器或它们的组合。 15.根据权利要求13或14任意一项所述的系统，包括：被构造为提供指示道路环境和合法当前道路特性的地图单元(45)，其中所述地图数据被深度学习中的处理电路使用以预测所述车辆的近期路径。 16.根据权利要求15所述的系统，包括：用于提供所述车辆的目的地数据和所述道路环境下的期望驾驶行为的战略路径规划单元(47,45)。
所属类别：	发明专利