意图识别方法、装置、计算机设备、存储介质和程序产品制造方法及图纸

本申请涉及一种意图预测方法、装置、计算机设备、存储介质和程序产品。所述方法包括：获取多个预测对象的相关信息和车道信息；所述相关信息包括所述预测对象的行驶状态信息、所述多个预测对象中的目标预测对象与车道之间的相对位置信息中的至少一个；将所述相关信息和所述车道信息输入到预测模型中对所述目标预测对象的意图进行预测，得到预测结果；所述预测结果包括所述目标预测对象未来行驶在各车道的概率。采用本方法能够准确描述意图、适应多变的道路结构。多变的道路结构。多变的道路结构。

【技术实现步骤摘要】
意图识别方法、装置、计算机设备、存储介质和程序产品


[0001]本申请涉及自动驾驶
，特别是涉及一种意图预测方法、装置、计算机设备、存储介质和程序产品。

技术介绍

[0002]随着科技的发展，出现了具有自动驾驶功能的车辆。这类车辆不仅需要感知周边车辆的当前状态，也需要预测周边车辆的未来状态。目前，预测周边车辆的未来状态，主要是对周边车辆的意图进行预测。例如，预测周边车辆是否要左换道、右换道、直行、左转、右转、调头等。
[0003]但是，现有技术预测的意图多为固定类别，对于实际场景中多变的道路结构，往往存在意图描述不准确的情况。

技术实现思路

[0004]基于此，有必要针对上述技术问题，提供一种能够准确描述意图、适应多变的道路结构的意图预测方法、装置、计算机设备、存储介质和程序产品。
[0005]第一方面，本公开实施例提供了一种意图预测方法。所述方法包括：
[0006]获取多个预测对象的相关信息和车道信息；所述相关信息包括所述预测对象的行驶状态信息、所述多个预测对象中的目标预测对象与车道之间的相对位置信息中的至少一个；
[0007]将所述相关信息和所述车道信息输入到预测模型中对所述目标预测对象的意图进行预测，得到预测结果；所述预测结果包括所述目标预测对象未来行驶在各车道的概率。
[0008]第二方面，本公开实施例还提供了一种意图预测装置。所述装置包括：
[0009]信息获取模块，用于获取多个预测对象的相关信息和车道信息；所述相关信息包括所述预测对象的行驶状态信息、所述多个预测对象中的目标预测对象与车道之间的相对位置信息中的至少一个；
[0010]意图预测模块，用于将所述相关信息和所述车道信息输入到预测模型中对所述目标预测对象的意图进行预测，得到预测结果；所述预测结果包括所述目标预测对象未来行驶在各车道的概率。
[0011]第三方面，本公开实施例还提供了一种计算机设备。所述计算机设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现如第一方面上述的步骤。
[0012]第四方面，本公开实施例还提供了一种计算机可读存储介质。所述计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面上述的步骤。
[0013]第五方面，本公开实施例还提供了一种计算机程序产品。所述计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现以下如第一方面上述的步骤。
[0014]上述意图预测方法、装置、计算机设备、存储介质和程序产品，获取多个预测对象的相关信息和车道信息；将相关信息和车道信息输入到预测模型中对目标预测对象的意图进行预测，得到预测结果。本公开实施例可以采用周边车辆未来行驶在各车道上的概率来描述周边车辆的意图，而不是用固定类别的意图来描述，这样，可以准确地描述周边车辆的意图，适应实际场景中多变的道路结构，从而很好地辅助车辆进行自动驾驶。
附图说明
[0015]图1为一个实施例中意图预测方法的应用环境图；
[0016]图2为一个实施例中意图预测方法的流程示意图；
[0017]图3为一个实施例中将相关信息和车道信息输入到预测模型中进行预测步骤的流程示意图；
[0018]图4a为一个实施例中第一编码器的结构示意图；
[0019]图4b为一个实施例中残差块的示意图；
[0020]图5为一个实施例中将相关特征和车道特征输入到预测模块中进行预测步骤的流程示意图；
[0021]图6为一个实施例中预测模型的示意图；
[0022]图7为另一个实施例中意图预测方法的流程示意图；
[0023]图8为一个实施例中训练预测模型步骤的流程示意图；
[0024]图9为一个实施例中意图预测装置的结构框图之一；
[0025]图10为一个实施例中意图预测装置的结构框图之二；
[0026]图11为一个实施例中意图预测装置的结构框图之三；
[0027]图12为一个实施例中计算机设备的内部结构图。
具体实施方式
[0028]为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0029]首先，在具体介绍本公开实施例的技术方案之前，先对本公开实施例基于的技术背景或者技术演进脉络进行介绍。随着技术的发展，出现了具有自动驾驶功能的车辆。这类车辆不仅需要感知周边车辆的当前状态，也需要预测周边车辆的未来状态。目前，预测周边车辆的未来状态，主要是对周边车辆的意图进行预测。例如，预测周边车辆是否要左换道、右换道、直行、左转、右转、调头等。但是，现有技术预测的意图多为固定类别，对于实际场景中多变的道路结构，往往存在意图描述不准确的情况。例如，在并道行驶的情况下，将周边车辆的意图描述为左换道、右换道或者直行，均不准确。
[0030]而本公开实施例提供了一种意图预测方案，自动驾驶车辆获取多个预测对象的相关信息和车道信息；将相关信息和车道信息输入到预测模型中对目标预测对象的意图进行预测，得到预测结果，即得到目标预测对象未来行驶在各车道的概率。在描述周边车辆的意图时，本公开实施例可以采用周边车辆未来行驶在各车道上的概率来描述，而不是用固定类别的意图来描述，这样，对于实际场景中多变的道路结构，可以更加准确地描述周边车辆
的意图，从而更好地辅助车辆进行自动驾驶。
[0031]下面结合本公开实施例所应用的场景，对本公开实施例涉及的技术方案进行介绍。
[0032]本公开实施例提供的意图预测方法，可以应用于如图1所示的应用环境中。该应用环境包括自动驾驶车辆102和自动驾驶车辆102的周边车辆104。其中，自动驾驶车辆102上设置有信息采集设备和计算机设备，信息采集设备可以对周边车辆104和车道进行信息采集，计算机设备可以根据采集到的信息对周边车辆104的意图进行预测，从而控制自动驾驶车辆102。上述信息采集设备包括但不限于是各种相机和雷达设备。
[0033]在一个实施例中，如图2所示，提供了一种意图预测方法，以该方法应用于图1中自动驾驶车辆中的计算机设备为例进行说明，包括以下步骤：
[0034]步骤201，获取多个预测对象的相关信息和车道信息。
[0035]其中，相关信息包括预测对象的行驶状态信息、多个预测对象中的目标预测对象与车道之间的相对位置信息中的至少一个。
[0036]自动驾驶车辆上设置有信息采集设备，信息采集设备对自动驾驶车辆的周边进行信息采集。自动驾驶车辆中的计算机设备从信息采集设备获取采集到的信息，从而获取到自动驾驶车辆周边多个预测对象的行驶状态信息，目标预测对象与车道之间的相对位置关系等。
[0037]例如，多个预测对象包括自动驾驶车辆周边的目标车辆0和其他车辆1、2。自动驾驶车辆上设置有相机和雷达设备等信息采集设备，相机采集自动驾驶本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种意图预测方法，其特征在于，所述方法包括：获取多个预测对象的相关信息和车道信息；所述相关信息包括所述预测对象的行驶状态信息、所述多个预测对象中的目标预测对象与车道之间的相对位置信息中的至少一个；将所述相关信息和所述车道信息输入到预测模型中对所述目标预测对象的意图进行预测，得到预测结果；所述预测结果包括所述目标预测对象未来行驶在各车道的概率。2.根据权利要求1所述的方法，其特征在于，所述预测模型包括编码模块和预测模块；所述将所述相关信息和车道信息输入到预测模型中对所述目标预测对象的意图进行预测，得到预测结果，包括：将所述相关信息和所述车道信息输入到所述编码模块中进行特征编码，得到相关特征和车道特征；所述相关特征包括行驶状态特征、相对位置特征和交互特征中的至少一个；将所述相关特征和所述车道特征输入到所述预测模块中对所述目标预测对象的意图进行预测，得到所述预测结果。3.根据权利要求2所述的方法，其特征在于，所述编码模块包括第一编码器、第二编码器和第三编码器中的至少一个，将所述相关信息输入到所述编码模块中进行特征编码，得到相关特征，包括以下中的至少一项：将各所述预测对象的行驶状态信息输入到所述第一编码器中进行编码，得到各所述预测对象的行驶状态特征；将所述多个预测对象的行驶状态特征输入到所述第二编码器中进行编码，得到所述交互特征；其中，所述交互特征表征所述多个预测对象中的其他预测对象对所述目标预测对象的行驶状态的影响；将所述相对位置信息输入到所述第三编码器中进行编码，得到所述相对位置特征。4.根据权利要求3所述的方法，其特征在于，所述第一编码器包括第一多层感知机和第一循环神经网络，所述将各所述预测对象的行驶状态信息输入到所述第一编码器中进行编码，得到各所述预测对象的行驶状态特征，包括：将各所述预测对象的行驶状态信息输入到所述第一多层感知机中进行高维空间映射，得到各所述预测对象的状态映射特征；将各所述预测对象的状态映射特征输入到所述第一循环神经网络中进行特征提取，得到各所述预测对象的行驶状态特征。5.根据权利要求3所述的方法，其特征在于，所述第二编码器包括多个第二多层感知机，所述将所述多个预测对象的行驶状态特征输入到所述第二编码器中进行编码，得到所述交互特征，包括：将多个所述行驶状态特征分别输入到多个所述第二多层感知机进行非线性变换，得到多个状态变换特征；利用预设的注意力函数对所述多个状态变换特征进行计算，得到各所述其他预测对象影响所述目标预测对象行驶状态的影响系数；根据多个所述其他预测对象对应的行驶状态特征和影响系数，确定所述交互特征。6.根据权利要求3所述的方法，其特征在于，所述第三编码器包括第三多层感知机和第二循环神经网络，所述将所述相对位置信息输入到所述第三编码器中进行编码，得到所述相对位置特征，包括：
将所述相对位...

【专利技术属性】
技术研发人员：李飞，
申请(专利权)人：天津卡尔动力科技有限公司，
类型：发明
国别省市：