本公開(kāi)總體上涉及車輛領(lǐng)域，更具體地涉及用于車輛輔助駕駛中的環(huán)境感知的方法和裝置。

背景技術(shù)：

1、近年來(lái)，隨著人工智能技術(shù)的興起，以高級(jí)駕駛輔助系統(tǒng)(advanced?drivingassistance?system，adas)為代表的智能汽車技術(shù)受到了社會(huì)各界的廣泛關(guān)注，并且已經(jīng)成為汽車產(chǎn)業(yè)發(fā)展的重要戰(zhàn)略方向。作為智能汽車技術(shù)的一個(gè)重要分支，環(huán)境感知是實(shí)現(xiàn)規(guī)劃、決策和控制等后端功能的基礎(chǔ)。通過(guò)環(huán)境感知，可以提供對(duì)車輛所處環(huán)境的多層次的感知能力，包括目標(biāo)感知、小尺度場(chǎng)景感知，以及大尺度場(chǎng)景時(shí)空域感知。這種多層次的感知能力有助于實(shí)現(xiàn)對(duì)于環(huán)境的充分理解，從而使得能夠準(zhǔn)確定位車輛，并且進(jìn)而幫助后端決策功能模塊制定準(zhǔn)確的規(guī)劃決策。由此，環(huán)境感知能力對(duì)于智能汽車的安全性、魯棒性和穩(wěn)定性而言是至關(guān)重要的。

2、一些現(xiàn)有的adas系統(tǒng)基于視覺(jué)數(shù)據(jù)來(lái)實(shí)現(xiàn)環(huán)境感知。同時(shí)，針對(duì)視覺(jué)數(shù)據(jù)的質(zhì)量容易受到諸如光線、天氣等各種因素影響的問(wèn)題，提出了可以替代地采用基于雷達(dá)數(shù)據(jù)、或雷達(dá)數(shù)據(jù)與視覺(jué)數(shù)據(jù)融合的環(huán)境感知技術(shù)。然而，目前已經(jīng)注意到，在面對(duì)一些特殊駕駛場(chǎng)景(例如，地下車庫(kù)、隧道等)時(shí)，當(dāng)前的環(huán)境感知技術(shù)往往無(wú)法滿足自動(dòng)駕駛/輔助駕駛對(duì)于目標(biāo)識(shí)別的精度的要求。具體地，在這些特殊駕駛場(chǎng)景中，可能受雷達(dá)的多徑效應(yīng)的影響而誤識(shí)別出實(shí)際并不存在的虛假目標(biāo)，從而后端決策功能模塊可能針對(duì)虛假目標(biāo)產(chǎn)生錯(cuò)誤決策(例如，誤制動(dòng))。這會(huì)導(dǎo)致不令人滿意的用戶體驗(yàn)。

3、因此，需要改進(jìn)的用于車輛輔助駕駛中的環(huán)境感知的方法，以通過(guò)提供針對(duì)目標(biāo)駕駛場(chǎng)景的識(shí)別的預(yù)測(cè)結(jié)果來(lái)輔助后端決策功能模塊調(diào)整其決策制定策略。

技術(shù)實(shí)現(xiàn)思路

1、期望提供一種改進(jìn)的用于車輛輔助駕駛中的環(huán)境感知的方法，其可以基于雷達(dá)數(shù)據(jù)，利用深度學(xué)習(xí)模型來(lái)獲得指示車輛是否處于目標(biāo)駕駛場(chǎng)景(例如，地下車庫(kù)、隧道等容易產(chǎn)生多徑效應(yīng)的特殊駕駛場(chǎng)景)的模型預(yù)測(cè)值。該模型預(yù)測(cè)值可以被提供給后端決策功能模塊，使得后端決策功能模塊可以調(diào)整其決策制定策略，從而避免誤觸發(fā)，以改進(jìn)用戶體驗(yàn)。

2、根據(jù)本公開(kāi)的一個(gè)方面，提供了一種用于車輛輔助駕駛中的環(huán)境感知的方法，包括：獲得來(lái)自車載雷達(dá)的原始雷達(dá)數(shù)據(jù)，所述原始雷達(dá)數(shù)據(jù)包括與所述車載雷達(dá)在環(huán)境中探測(cè)到的對(duì)象相關(guān)聯(lián)的多個(gè)位置點(diǎn)；基于所述原始雷達(dá)數(shù)據(jù)來(lái)生成場(chǎng)景特征數(shù)據(jù)；將所述場(chǎng)景特征數(shù)據(jù)提供給深度學(xué)習(xí)模型，以獲得指示車輛是否處于目標(biāo)駕駛場(chǎng)景的模型預(yù)測(cè)值。

3、根據(jù)本公開(kāi)的又一個(gè)方面，提供了一種用于車輛輔助駕駛中的環(huán)境感知的裝置，包括：存儲(chǔ)器和處理器。該處理器與存儲(chǔ)器耦合，并且被配置為執(zhí)行根據(jù)本公開(kāi)的各個(gè)實(shí)施例中的任一項(xiàng)的方法。

4、根據(jù)本公開(kāi)的再一個(gè)方面，提供了一種計(jì)算機(jī)可讀介質(zhì)，其存儲(chǔ)包括指令的計(jì)算機(jī)程序，所述指令在由處理器執(zhí)行時(shí)使得所述處理器被配置為執(zhí)行根據(jù)本公開(kāi)的各個(gè)實(shí)施例中的任一項(xiàng)的方法。

技術(shù)特征：

1.一種用于車輛輔助駕駛中的環(huán)境感知的方法，包括：

2.根據(jù)權(quán)利要求1所述的方法，

3.根據(jù)權(quán)利要求2所述的方法，

4.根據(jù)權(quán)利要求1所述的方法，其中，所述模型預(yù)測(cè)值包括所述車輛處于所述目標(biāo)駕駛場(chǎng)景的預(yù)測(cè)概率。

5.根據(jù)權(quán)利要求4所述的方法，

6.根據(jù)權(quán)利要求4所述的方法，其中，基于所述原始雷達(dá)數(shù)據(jù)來(lái)生成場(chǎng)景特征數(shù)據(jù)包括：

7.根據(jù)權(quán)利要求6所述的方法，其中，對(duì)所述經(jīng)坐標(biāo)轉(zhuǎn)換的雷達(dá)數(shù)據(jù)進(jìn)行最大池化操作，以生成所述場(chǎng)景特征數(shù)據(jù)包括：

8.根據(jù)權(quán)利要求7所述的方法，其中，對(duì)所述特征矩陣進(jìn)行填充包括針對(duì)所述多個(gè)塊中的每個(gè)塊進(jìn)行以下操作：

9.根據(jù)權(quán)利要求4所述的方法，進(jìn)一步包括：

10.根據(jù)權(quán)利要求9所述的方法，其中，向所述預(yù)測(cè)概率施加概率補(bǔ)償值包括：

11.根據(jù)權(quán)利要求10所述的方法，其中，向所述預(yù)測(cè)概率施加概率補(bǔ)償值進(jìn)一步包括：

12.根據(jù)權(quán)利要求11所述的方法，其中，向所述預(yù)測(cè)概率施加概率補(bǔ)償值進(jìn)一步包括：

13.根據(jù)權(quán)利要求12所述的方法，

14.一種用于車輛輔助駕駛中的環(huán)境感知的裝置，包括：

15.一種計(jì)算機(jī)可讀介質(zhì)，其存儲(chǔ)包括指令的計(jì)算機(jī)程序，所述指令在由處理器執(zhí)行時(shí)使得所述處理器被配置為執(zhí)行根據(jù)權(quán)利要求1-13中的任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本公開(kāi)提供了一種用于車輛輔助駕駛中的環(huán)境感知的方法，包括：獲得來(lái)自車載雷達(dá)的原始雷達(dá)數(shù)據(jù)，所述原始雷達(dá)數(shù)據(jù)包括與所述車載雷達(dá)在環(huán)境中探測(cè)到的對(duì)象相關(guān)聯(lián)的多個(gè)位置點(diǎn)；基于所述原始雷達(dá)數(shù)據(jù)來(lái)生成場(chǎng)景特征數(shù)據(jù)；將所述場(chǎng)景特征數(shù)據(jù)提供給深度學(xué)習(xí)模型，以獲得指示車輛是否處于目標(biāo)駕駛場(chǎng)景的模型預(yù)測(cè)值。

技術(shù)研發(fā)人員：洪雨希,程德俊
受保護(hù)的技術(shù)使用者：羅伯特·博世有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/2