Die Erfindung betrifft ein Verfahren zur Prädiktion von Trajektorien von Objekten in einer Umgebung eines Fahrzeugs, wobei mittels Umfeldsensoren Sensorrohdaten (SR) einer Umgebung des Fahrzeugs erfasst und in einer Mehrzahl von aufeinanderfolgenden Zeitschritten (t_0, t_(-1), t_(-T)) vorverarbeitet werden, um Objekthypothesen (OH) zu erstellen, wobei auf Basis der Objekthypothese (OH) die Sensorrohdaten (SR) segmentiert und der jeweiligen Objekthypothese (OH) zugeordnet werden, wobei die zu der jeweiligen Objekthypothese (OH) zugehörigen Sensorrohdaten (SR) in latente Encodings (LE) umgewandelt und als Feature der jeweiligen Objekthypothese (OH) zugeordnet werden, wobei aus den individuellen Objekthypothesen (OH) und den zugeordneten Features durch lernbasiertes Clustern fusionierte Objekthypothesen (FOH) erstellt werden, wobei Tracks (T) der jeweiligen fusionierten Objekthypothesen (FOH) gebildet werden, indem lernbasiert Zuordnungen zwischen den in einem aktuellen Zeitschritt (t_0) ermittelten fusionierten Objekthypothesen (FOH) und den in mehreren vorangegangenen Zeitschritten (t_(-1), t_(-T)) ermittelten fusionierten Objekthypothesen (FOH) erstellt werden, wobei anhand der Tracks (T) für die jeweiligen fusionierten Objekthypothesen (FOH) Trajektorien (PT) prädiziert werden.
The invention relates to a method for predicting trajectories of objects in an environment of a vehicle, wherein sensor raw data (SR) are acquired from an environment of the vehicle by way of surroundings sensors and preprocessed in a plurality of successive time steps (t_0, t_(-1), t (-T)) in order to create object hypotheses (OH), wherein the object hypotheses (OH) are taken as a basis for segmenting the sensor raw data (SR) and assigning them to the respective object hypothesis (OH), wherein the sensor raw data (SR) belonging to the respective object hypothesis (OH) are converted into latent encodings (LE) and assigned to the respective object hypothesis (OH) as a feature, wherein fused object hypotheses (FOH) are created from the individual object hypotheses (OH) and the assigned features through learning-based clustering, wherein tracks (T) of the respective fused object hypotheses (FOH) are formed by creating, in a learning-based manner, assignments between the fused object hypotheses (FOH) determined in a current time step (t_0) and the fused object hypotheses (FOH) determined in multiple preceding time steps (t (-1), t (-T)), wherein trajectories (PT) are predicted based on the tracks (T) for the respective fused object hypotheses (FOH).
Verfahren zur Prädiktion von Trajektorien von Objekten
2023-10-12
Patent
Elektronische Ressource
Deutsch
Verfahren zur Prädiktion von Trajektorien von Objekten
Europäisches Patentamt | 2022
|Soziale-Kräfte-Modelle zur Trajektorien-Prädiktion anderer Verkehrsteilnehmer
Europäisches Patentamt | 2023
|SOZIALE-KRÄFTE-MODELLE ZUR TRAJEKTORIEN-PRÄDIKTION ANDERER VERKEHRSTEILNEHMER
Europäisches Patentamt | 2023
|BESTIMMUNG UND VERFOLGUNG VON TRAJEKTORIEN VON SICH BEWEGENDEN OBJEKTEN IN DRAHTLOSANWENDUNGEN
Europäisches Patentamt | 2023
|Erzeugung von Trajektorien unter Verwendung diverser Trajektorien
Europäisches Patentamt | 2024
|