The present disclosure relates to autonomous driving scenario obstacle prediction, which is implemented by means of a trained prediction model. The trained prediction model comprises a global encoder, a first local encoder, and a first decoder. The method comprises: acquiring state information and environment information of each obstacle in a target scenario from the perspective of a vehicle; inputting the state information and the environment information of each obstacle in the target scenario into the global encoder to obtain first feature information; acquiring prompt information of a target obstacle; inputting the prompt information of the target obstacle into the first local encoder to obtain second feature information; and taking the first feature information as input information of the first decoder, taking the second feature information as prompt information of the first decoder, and inputting the input information and the prompt information into the first decoder to obtain prediction information of the target obstacle.
La présente divulgation concerne une prédiction d'obstacle de scénario de conduite autonome, qui est mise en œuvre au moyen d'un modèle de prédiction entraîné. Le modèle de prédiction entraîné comprend un codeur global, un premier codeur local et un premier décodeur. Le procédé consiste à : acquérir des informations d'état et des informations d'environnement de chaque obstacle dans un scénario cible depuis la perspective d'un véhicule ; entrer les informations d'état et les informations d'environnement de chaque obstacle dans le scénario cible dans le codeur global pour obtenir des premières informations de caractéristique ; acquérir des informations d'invite d'un obstacle cible ; entrer les informations d'invite de l'obstacle cible dans le premier codeur local pour obtenir des secondes informations de caractéristique ; et prendre les premières informations de caractéristique en tant qu'informations d'entrée du premier décodeur, prendre les secondes informations de caractéristique en tant qu'informations d'invite du premier décodeur, et entrer les informations d'entrée et les informations d'invite dans le premier décodeur pour obtenir des informations de prédiction de l'obstacle cible.
本公开涉及一种自动驾驶场景障碍物预测,通过训练好的预测模型实现,所述训练好的预测模型包括全局编码器、第一局部编码器和第一解码器其中,该方法包括:获取车辆视角下的目标场景中各障碍物的状态信息和环境信息;将所述目标场景中各障碍物的状态信息和环境信息输入所述全局编码器,得到第一特征信息;获取目标障碍物的提示信息;将所述目标障碍物的提示信息输入所述第一局部编码器,得到第二特征信息;将所述第一特征信息作为所述第一解码器的输入信息,所述第二特征信息作为所述第一解码器的提示信息,输入至所述第一解码器,得到所述目标障碍物的预测信息。
AUTONOMOUS DRIVING SCENARIO OBSTACLE PREDICTION
PRÉDICTION D'OBSTACLE DE SCÉNARIO DE CONDUITE AUTONOME
自动驾驶场景障碍物预测
2025-05-30
Patent
Electronic Resource
Chinese
IPC: | G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen / B60W CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION , Gemeinsame Steuerung oder Regelung von Fahrzeug-Unteraggregaten verschiedenen Typs oder verschiedener Funktion |
OBSTACLE PREDICTION SYSTEM FOR AUTONOMOUS DRIVING VEHICLES
European Patent Office | 2021
|Obstacle prediction system for autonomous driving vehicles
European Patent Office | 2024
|Obstacle Detection on Autonomous Driving Systems
IEEE | 2025
|DRIVING CONTROL METHOD FOR OBSTACLE AVOIDANCE DURING AUTONOMOUS DRIVING
European Patent Office | 2023
|SCENARIO IDENTIFICATION IN AUTONOMOUS DRIVING ENVIRONMENTS
European Patent Office | 2022
|