用于预测目标车辆行为的方法与流程

1.本发明涉及一种用于预测目标车辆的行为的方法和系统。


背景技术：

2.原则上有可能的是，位于道路交通中的车辆被另一车辆的传感器检测，并在此基础上对该车辆的行为进行分析。
3.文献ep 2 096 612 b1描述了一种用于创建路线控制规划的系统和计算机程序。
4.由文献ep 2 957 462 a1已知一种用于控制车辆的大灯的光线分布的方法。
5.文献wo 2019/138485 a1描述了一种用于预测碰撞的方法。


技术实现要素：

6.基于此背景，本发明的目的是，预测车辆在道路交通中的行为。
7.该目的通过具有独立专利权利要求的特征的方法和系统来解决。由从属专利权利要求和说明书中得知该方法和系统的实施方式。
8.根据本发明的方法被设置成用于预测例如被构造为机动车辆的目标车辆在机动动作空间中、例如在道路交通中的行为。在此，针对在机动动作空间中的目标车辆设置和/或考虑到多个能在未来执行的机动动作，其中，位于机动动作空间中的目标车辆被多个观察车辆、例如被多个另外的机动车辆观察，其中，针对目标车辆的每个能在未来执行的机动动作，基于由各观察车辆所执行的观察，确定和/或获知针对分别能在未来执行的机动动作的单个概率分布。此外，针对目标车辆的每个能在未来执行的机动动作，从多个、尤其是所有的单个概率分布中确定和/或获知针对目标车辆的相应能在未来执行的机动动作的总概率分布。
9.在设计方案中，目标车辆被i个观察车辆进行观察，其中，针对目标车辆设置和/或考虑到m个能预测和/或待预测的机动动作，其中，针对相应的第n个机动动作，在此，1《＝n《＝m，确定基于i个观察的总概率分布pr(m＝mn|观察_1、...、观察_i)。
10.在此可行的是，基于对目标车辆的第j观察_j，在此，1《＝j《＝i，由第j观察车辆确定针对第n个机动动作的第j总概率分布pr(m＝mn|观察_j)，并且将其转发给另外的第j 1观察车辆，在考虑到对目标车辆的针对第n个机动动作的第j 1观察_j 1的情况下，由该另外的第j 1观察车辆确定第j 1总概率分布pr(m＝mn|观察_j、观察_j 1)。
11.因此可行的是，针对第n个机动动作的总概率分布通过不同的观察车辆的多个、例如i个观察结果来迭代地确定，其中，由不同的观察车辆执行的观察越多，该针对第n个机动动作的总概率分布就越准确。
12.根据定义，针对第n个机动动作，第j 1总概率分布(j 1)可以由第j总概率分布(j)与第j 1单个概率分布(j 1)结合地得到。
13.补充地，可以为已经由相应观察车辆确定并针对总概率分布已经被考虑过的每个所执行的观察提供和/或生成哈希值(hashwert)，利用该哈希值表明，该观察针对总概率分
布已经被考虑过了。
14.目标车辆由观察车辆从不同角度进行观察。
15.该方法可以由至少一个自动或手动控制的观察车辆、通常是多个自动或手动控制的观察车辆针对手动或自动控制的目标车辆来执行。
16.在该方法中，可以将目标车辆的行驶的方向和/或速度，例如也可以将目标车辆的速度的变化、进而加速度作为至少一个机动动作来考虑，其中，针对各机动动作，考虑到向前行驶，例如直行行驶，向左行驶、向右行驶和/或倒车行驶，并且其中，针对各机动动作，考虑维持恒定的速度、加速和/或制动，必要时还考虑到静止。
17.此外可行的是，从更大量的可能的机动动作中选出例如所设置的和/或考虑到的或待考虑的m个机动动作，其中，目标车辆的行为只基于所选出的、例如重要的机动动作进行预测。
18.根据本发明的系统被构造成用于预测目标车辆在机动动作空间中的行为，并且具有布置在多个观察车辆中的传感器和布置在至少一个观察车辆中的至少一个计算单元。通常，在每个观察车辆中均布置有至少一个用于检测观察车辆的周围环境的传感器。此外，每个观察车辆都可以包括计算单元。针对目标车辆在机动动作空间中设置了多个能在未来执行的机动动作，其中，每个观察车辆的至少一个传感器分别被构造成用于对位于机动动作空间中的目标车辆进行观察。至少一个计算单元被构造成，用于针对目标车辆的每个能在未来执行的机动动作——基于由相应观察车辆的至少一个传感器所执行的观察——确定和/或获知针对相应能在未来执行的机动动作的单个概率分布，并且还由多个、尤其是所有的单个概率分布确定和/或获知针对目标车辆的相应能在未来执行的机动动作的总概率分布。
19.每个观察车辆可以具有至少一个传感器，传感器被构造成用于接收电磁波。在此有可能的是，至少一个传感器被构造为光学传感器，例如被构造为摄像机。替选或补充地也有可能的是，至少一个传感器被构造为雷达传感器、红外传感器或激光雷达传感器。这种传感器也可以被构造为超声波传感器。也可行的是，相应的观察车辆具有多个用于检测周围环境的传感器，其中，这些传感器可以是相同或不同地构成。在所提出的方法的一个具有所提出的系统的一个设计方案的设计方案中现在可行的是，由布置在观察车辆上的传感器从不同视角执行对目标车辆的观察。这些单独通过传感器执行的观察由至少一个计算单元进行评估。在此可行的是，基于相应的观察结果分别确定针对相应的机动动作的单个概率。
20.此外，参与该方法的每个观察车辆都具有通信装置，以用于传送和接收通过传感器获取的观察结果、基于相应观察结果的相应单个概率分布、和/或迭代提供的总概率分布。
21.通常情况下，每个观察车辆均包括计算单元，计算单元被构造成用于，基于对目标车辆的相应观察确定针对相应机动动作的单个概率。此外，每个计算单元可以被构造成用于，不仅确定相应的单个概率分布，而且在考虑到由其他观察车辆之一所提供的第j-1总概率分布并考虑到第j单个概率分布的情况下确定第j总概率分布。如果所有观察车辆中只有一部分具有各自的计算单元以用于确定单个概率分布和/或总概率分布，则可行的是，将来自没有计算单元的观察车辆的单个观察传送到具有计算单元的相应的观察车辆，其中，该计算单元被构造成用于在考虑到来自不同的观察车辆的不同观察的情况下确定总概率分
布。
22.无论在该方法的范围内如何根据不同的观察结果和/或单个概率计算出总概率分布，总体上可行的是，通过多个观察车辆进行针对目标车辆的合作性的机动动作预报。经由以电磁波传输的信号使总概率分布、至少一个单个概率分布和/或至少一个单个的观察结果在车辆之间进行交换。为了对信号进行基于无线电的交换，使用到c2x(car-to-everything)或v2x(vehicle-to-everything)(车对外界)功能，其允许在各个车辆之间、在此是观察车辆之间进行信号交换，但也允许在车辆与其他设备之间进行信号交换。
23.在设计方案中可行的是，观察车辆自动地行驶。此外可行的是，观察车辆能联合地预报作为另外的交通参与者的目标车辆的行为，这比单个车辆所能做到的更好。因此，要预测或要预报的机动动作并不通过唯一的观察车辆来确定，而是通过目标车辆周围的多个、尤其是所有的观察车辆来确定。在此要考虑到的是，为了要确定总概率分布，每个单个观察车辆在利用其至少一个传感器和/或其计算单元的情况下分别针对待预测的机动动作提供至少一个独立的失真/粗糙的观察。在此，观察车辆的所有观察都可能是失真的，其中，观察的失真彼此独立出现。在此可行的是，各观察可以基于由被构造为摄像机的传感器实施的至少一次采集、通常是多次采集。在此，采集由不同的传感器从不同的视角和/或角度采集到。
24.在设计方案中，所有观察车辆的各个观察和/或单个概率分布可以经由v2x通信、例如v2v(vehicle-to-vehicle、车对车)通信在各个观察车辆之间进行收集和合并/整合，其中，改善了对相应机动动作的预测。此外可行的是，相应机动动作的这种经改善的预测或预报经由v2x通信将传送给手动控制的并因此是非自动驾驶的另外的车辆，因此将针对相应机动动作的总概率分布与其他手动控制的车辆进行分享。基于总概率分布，然后可以在相应车辆中提供警告，或者可以自动、半自动或在驾驶员协助下执行其他保护性措施。
25.在设计方案中，所提出的方法可以类似于置信度传播方法来执行。在此可行的是，至少一个观察车辆通过v2x通信向至少一个其他观察车辆发送通知或消息，以用于合作性预报目标车辆的机动动作。该通知包括关于机动动作空间的信息，例如关于机动动作空间在所在地空间中的布置和分布以及能够被目标车辆所实现的、在机动动作空间内能执行的或可能的所有机动动作的列表的信息。此外，针对在机动动作空间中每个可能的机动动作，由每个观察车辆自己来确定单个概率分布，其中，每个单个概率分布至少涉及目标车辆已被观察车辆检测到时的观察。此外，还可以针对已经被考虑用于计算总概率分布的观察确定哈希值。
26.在自动驾驶或交通的领域中有必要的是，让自动驾驶的车辆、尤其是自动驾驶的观察车辆也能够在混合交通中——在该混合交通中也可能有手动控制的车辆在运动——相处融洽。在该方法的范围内可行的是，通过对车辆的分类来区分出自动驾驶的车辆(如观察车辆)和手动驾驶或控制的车辆(如目标车辆)。在此可行的是，在考虑到多个、尤其是所有观察车辆针对每个手动驾驶的车辆的观察的情况下来确定能相应执行的机动动作的总概率。此外提出，在用于无线电系统的信号处理的领域内，将置信度传播的措施用于针对信道编码方法的近乎最优的解码。在此，对关于不同参与者之间的随机试验结果的猜测进行迭代处理，并因此改善了猜测。所提出的方法能够以置信度传播为基础，其中，可以由多个、尤其是所有的观察车辆来确定对目标车辆的机动动作的合作性的预测。置信度传播在
rajesh poddar的文章“low density parity check codes(低密度奇偶校验码)”中有所描述(ele539b 2007年春季期中论文)。
27.本发明的另外的优点和设计方案由描述和附图得出。
28.应理解，上面提到的和下面将要解释的特征不仅能在分别说明的组合中使用，也能以其他组合方式或单独使用，而不偏离本发明的范围。
附图说明
29.结合实施方式在附图中被示意性地示出本发明并参照图示进行了示意性地且详细地描述。
30.图1示出根据本发明的系统的实施方式在执行根据本发明的方法的实施方式时的示意图。
具体实施方式
31.图1示出了在此被构造为目标车辆2的机动车的示意图，该机动车位于机动动作空间中或在其中运动，在此该机动动作空间是也具有另外的机动车辆的道路交通，另外的车辆在此被构造为观察车辆4a、4b、4c、4d。在此，每个观察车辆4a、4b、4c、4d分别具有多个传感器6，以用于观察和/或检测相应的观察车辆4a、4b、4c、4d的周围环境。此外，每个观察车辆4a、4b、4c、4d都具有计算单元8和通信装置10，在此只示出了通信装置中的天线，其中，各通信装置10被构造成用于在各个观察车辆4a、4b、4c、4d之间执行v2x(德语：fahrzeug-zu-allem、英语：vehicl-to-everything、中文：车对外界)通信，至少是v2v通信。在此提出，分布在多个观察车辆4a、4b、4c、4d上的所提供的传感器6、计算单元8和通信装置10根据定义也可以被构造为根据本发明的系统10的实施方式的部件。
32.在此所提出的根据本发明的方法的实施方式中，对目标车辆2在机动动作空间中的行为进行预测。在此可行的是，目标车辆2在机动动作空间内可以执行不同的机动动作，这些机动动作例如可以通过改变目标车辆2的方向，例如通过直行行驶或向左或向右转向来定义，和/或通过改变目标车辆2的速度，例如通过加速或制动来定义。
33.在该方法的实施方式中，由第一观察车辆4a的至少一个传感器6在某一时间点从第一视角进行第一观察(观察_1)。此外，由第二观察车辆4b的至少一个传感器6从第二视角进行对目标车辆2的第二观察(观察_2)。分别与此无关地，也可以分别由两个另外的观察车辆4c、4d中的一个观察车辆从各自的视角进行第三观察(观察_3)和第四观察(观察_4)，相应的观察车辆4c、4d的至少一个传感器6从该视角出发来检测目标车辆2。
34.此外还提出，在此针对目标车辆2在机动动作空间中从必要时大量的可能的机动动作m1、m2、m3、m4、m5、m6、
……
中选出和/或考虑四个不同的机动动作m1、m2、m3、m4，其中，针对这些被选出的机动动作m1、m2、m3、m4中的每个，在考虑到观察车辆4a、4b、4c、4d相对于目标车辆2的不同视角的情况下，基于对所有观察车辆4a、4b、4c、4d的观察(观察_1、观察_2、观察_3、观察_4)提供合作性的总概率分布。
35.在此，总共要考虑n＝4个机动动作，其中，针对目标车辆2总共执行i＝4个观察。在此，由第j观察车辆4a、4b、4c、4d执行第j观察(观察_j)，其中适用，1《＝j《＝i，i＝4。在此，相应第j观察由第j观察车辆4a、4b、4c、4d的至少一个传感器6来提供和/或检测。基于任意
的第j观察，由相应第j观察车辆4a、4b、4c、4d的计算单元8针对总共n＝4个机动动作中的每个机动动作来确定和/或获知、例如计算单个概率分布。因此，基于第j观察车辆4a、4b、4c、4d的第j观察，分别针对第n个机动动作获知和/或确定单个概率分布pr(m＝mn|观察_j)，基于多个观察_j和/或单个概率分布pr(m＝mn|观察_j)，由这些单个概率分布确定总概率分布pr(m＝mn|...、观察_j、...)。此外，针对每个第j观察，观察_j还提供了哈希值hash_观察_j。
36.在此所提出的方法的实施方式中，根据总概率分布或单个概率分布pr(m＝mn|观察_1)的定义，针对涉及第一观察车辆的第一观察_1的n＝4个可能的机动动作，从第一观察车辆4a将以下信息传送给另外的观察车辆4a、4b、4c、4d中的至少一个观察车辆：
37.第一辆观察车辆4a的所发出的信息是：
38.机动动作空间：m1、m2、m3、m4
39.pr(m＝m1|观察_1)；
40.pr(m＝m2|观察_1)；
41.pr(m＝m3|观察_1)；
42.pr(m＝m4|观察_1)；
43.hash_观察_1；
44.如果第二辆观察车4b从第一辆观察车辆4a那里获得带有该信息的消息并可以提供另外的、在此是第二观察_2，则在考虑到先前的第一观察_1和其自己新的第二观察_2的情况下计算出新的总概率分布。然后发送以下信息：
45.pr(m＝m1|观察_1、观察_2)；
46.pr(m＝m2|观察_1、观察_2)；
47.pr(m＝m3|观察_1、观察_2)；
48.pr(m＝m4|观察_1、观察_2)；
49.hash_观察_1、hash_观察_2；
50.如果第三辆观察车辆4c接收到该信息并可以提供第三观察_3，则在考虑到先前的观察_1、观察_2和其自己新的第三观察_3的情况下计算出针对这四个机动动作的新的总概率分布。然后发送以下信息：
51.pr(m＝m1|观察_1、观察_2、观察_3)；
52.pr(m＝m2|观察_1、观察_2、观察_3)；
53.pr(m＝m3|观察_1、观察_2、观察_3)；
54.pr(m＝m4|观察_1、观察_2、观察_3)；
55.hash_观察_1、hash_观察_2、hash_观察_3；
56.通过反复应用贝叶斯定理能够针对总共四个机动动作中各个机动动作迭代地展开相应总概率分布。
57.接收具有第三辆观察车辆4c的消息的信息的第四观察车辆4d然后例如可以将其第四观察_4一起计入总概率分布中。
58.pr(m＝m1|观察_1、观察_2、观察_3、观察_4)；
59.pr(m＝m2|观察_1、观察_2、观察_3、观察_4)；
60.pr(m＝m3|观察_1、观察_2、观察_3、观察_4)；
61.pr(m＝m4|观察_1、观察_2、观察_3、观察_4)；
62.hash_观察_1、hash_观察_2、hash_观察_3、hash_观察_4；
63.通过添加另外的观察改善了总概率分布的品质进而改善了预报的品质。
64.通过哈希值hash_观察_1、hash_观察_2、hash_观察_3、hash_观察_4确保了，不会将一个观察多次地纳入到计算中。在示出的示例中，因此可以确保，例如参与的第三观察车辆4c不再次计入观察_1和观察_2。
65.附图标记列表：
[0066]2ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
目标车辆
[0067]
4a、4b、4c、4d
ꢀꢀ
观察车辆
[0068]6ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
传感器
[0069]8ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
计算单元
[0070]
10
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
通信装置
[0071]
12
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
系统