DE102020129072A1 - Elektronische vorrichtung zur integration und vorhersage zukünftiger trajektorien einer beliebigen anzahl von umgebenden fahrzeugen und verfahren zum betrieb dieser vorrichtung - Google Patents

Elektronische vorrichtung zur integration und vorhersage zukünftiger trajektorien einer beliebigen anzahl von umgebenden fahrzeugen und verfahren zum betrieb dieser vorrichtung Download PDF

Info

Publication number
DE102020129072A1
DE102020129072A1 DE102020129072.1A DE102020129072A DE102020129072A1 DE 102020129072 A1 DE102020129072 A1 DE 102020129072A1 DE 102020129072 A DE102020129072 A DE 102020129072A DE 102020129072 A1 DE102020129072 A1 DE 102020129072A1
Authority
DE
Germany
Prior art keywords
electronic device
surrounding objects
trajectories
nodes
processor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
DE102020129072.1A
Other languages
English (en)
Inventor
Dongsuk Kum
Hyeong Seok JEON
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Korea Advanced Institute of Science and Technology KAIST
Original Assignee
Korea Advanced Institute of Science and Technology KAIST
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Korea Advanced Institute of Science and Technology KAIST filed Critical Korea Advanced Institute of Science and Technology KAIST
Publication of DE102020129072A1 publication Critical patent/DE102020129072A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00274—Planning or execution of driving tasks using trajectory prediction for other traffic participants considering possible movement changes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/02—Control of vehicle driving stability
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/04—Traffic conditions
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00272—Planning or execution of driving tasks using trajectory prediction for other traffic participants relying on extrapolation of current movement
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W60/00—Drive control systems specially adapted for autonomous road vehicles
    • B60W60/001—Planning or execution of driving tasks
    • B60W60/0027—Planning or execution of driving tasks using trajectory prediction for other traffic participants
    • B60W60/00276—Planning or execution of driving tasks using trajectory prediction for other traffic participants for two or more other traffic participants
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/0088—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2413—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on distances to training or reference patterns
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/044—Recurrent networks, e.g. Hopfield networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/049—Temporal neural networks, e.g. delay elements, oscillating neurons or pulsed inputs
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2554/00—Input parameters relating to objects
    • B60W2554/40—Dynamic objects, e.g. animals, windblown objects
    • B60W2554/404—Characteristics
    • B60W2554/4041—Position
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/10—Historical data
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2556/00—Input parameters relating to data
    • B60W2556/45—External transmission of data to or from the vehicle
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Y—INDEXING SCHEME RELATING TO ASPECTS CROSS-CUTTING VEHICLE TECHNOLOGY
    • B60Y2300/00—Purposes or special features of road vehicle drive control systems
    • B60Y2300/02—Control of vehicle driving stability

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Automation & Control Theory (AREA)
  • Artificial Intelligence (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Transportation (AREA)
  • Multimedia (AREA)
  • Mechanical Engineering (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Physics (AREA)
  • General Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Human Computer Interaction (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Biomedical Technology (AREA)
  • Molecular Biology (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Remote Sensing (AREA)
  • Business, Economics & Management (AREA)
  • Game Theory and Decision Science (AREA)
  • Electromagnetism (AREA)
  • Evolutionary Biology (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Traffic Control Systems (AREA)

Abstract

Ein elektronisches Gerät und dessen Betriebsverfahren dienen der integrierten Vorhersage zukünftiger Flugbahnen einer unbestimmten Anzahl von Fahrzeugen in der Umgebung. Die elektronische Vorrichtung und das Betriebsverfahren können so konfiguriert werden, dass sie historische Trajektorien eines oder mehrerer umgebender Objekte erkennen, zukünftige Trajektorien der umgebenden Objekte auf integrierte Weise auf der Grundlage der erkannten historischen Trajektorien vorhersagen und eine Fahrtrajektorie der elektronischen Vorrichtung auf der Grundlage der vorhergesagten zukünftigen Trajektorien der umgebenden Objekte planen.

Description

  • QUERVERWEIS AUF VERWANDTE ANMELDUNG
  • Diese Anmeldung beansprucht die Priorität gemäß 35 U.S.C. §119 für die am 24. Februar 2020 eingereichte koreanische Patentanmeldung Nr. 10-2020-0022060 , die hier durch Bezugnahme in ihrer Gesamtheit einbezogen wird.
  • HINTERGRUND DER ERFINDUNG
  • Technischer Bereich
  • Verschiedene Ausführungsformen beziehen sich auf ein elektronisches Gerät zur integrierten Vorhersage zukünftiger Trajektorien einer beliebigen Anzahl umgebender Fahrzeuge und dessen Funktionsweise.
  • Beschreibung des Standes der Technik
  • In jüngster Zeit wird eine autonome Antriebstechnologie weiterentwickelt. Die Entwicklung der autonomen Fahrtechnologie in verschiedenen Fahrsituationen, wie z.B. auf einer Autobahn, einer Straße in der Innenstadt und einer Kreuzung, ist im Gange. Dementsprechend wird die Entwicklung einer Technologie, die in der Lage ist, in jeder Fahrsituation mit einer beliebigen Anzahl von Fahrzeugen aus der Umgebung umzugehen, immer wichtiger. Dementsprechend werden Forschungsarbeiten zur Vorhersage der Fahrtrajektorie eines Fahrzeugs in Bezug auf mehrere umgebende Fahrzeuge durchgeführt. Im Wesentlichen trifft ein autonomes Fahrzeug jedoch auf eine veränderliche Straßenumgebung, und der Verkehr in jeder Straßenumgebung wird in Echtzeit variabel verändert. Dementsprechend ist es schwierig, eine konsistente Leistung und Rechenlast bei der Vorhersage der Fahrtrajektorien mehrerer Fahrzeuge in Bezug auf den in Echtzeit variierenden Verkehr zu gewährleisten.
  • ZUSAMMENFASSUNG DER ERFINDUNG
  • Verschiedene Ausführungsformen stellen ein elektronisches Gerät zur Verfügung, das in der Lage ist, eine konsistente Leistung und Rechenlast bei der Vorhersage der Fahrtroute eines Fahrzeugs auf der Grundlage des in Echtzeit variierenden Verkehrs und einer entsprechenden Betriebsweise zu gewährleisten.
  • Verschiedene Ausführungsformen stellen eine elektronische Vorrichtung zur Verfügung, die in der Lage ist, zukünftige Trajektorien einer beliebigen Anzahl umgebender Fahrzeuge auf integrierte Weise und mit einer entsprechenden Betriebsmethode vorherzusagen.
  • Nach verschiedenen Ausführungsformen kann eine Betriebsmethode einer elektronischen Vorrichtung die Erkennung von Trajektorien eines oder mehrerer umgebender Objekte, die integrierte Vorhersage künftiger Trajektorien der umgebenden Objekte auf der Grundlage der erkannten Trajektorien und die Planung einer Fahrtrajektorie der elektronischen Vorrichtung auf der Grundlage der vorhergesagten künftigen Trajektorien der umgebenden Objekte umfassen.
  • Nach verschiedenen Ausführungsformen kann ein elektronisches Gerät mindestens eines von einem Sensormodul oder einem Kameramodul und einem Prozessor umfassen, der mit mindestens einem von dem Sensormodul oder dem Kameramodul gekoppelt und so konfiguriert ist, dass er Informationen über Umgebungssituationen durch mindestens eines von dem Sensormodul oder dem Kameramodul sammelt. Der Prozessor kann so konfiguriert werden, dass er Trajektorien eines oder mehrerer umgebender Objekte erkennt, zukünftige Trajektorien der umgebenden Objekte auf integrierte Weise auf der Grundlage der Trajektorien vorhersagt und eine Fahrtrajektorie des elektronischen Geräts auf der Grundlage der vorhergesagten zukünftigen Trajektorien der umgebenden Objekte plant.
  • Figurenliste
    • 1 ist ein Diagramm, das ein elektronisches Gerät nach verschiedenen Ausführungsformen darstellt.
    • 2 und 3 sind Diagramme zur Beschreibung der Betriebseigenschaften des elektronischen Geräts nach verschiedenen Ausführungsformen.
    • 4 ist ein Diagramm, das eine Funktionsweise der elektronischen Vorrichtung nach verschiedenen Ausführungsformen veranschaulicht.
    • 5 ist ein Diagramm, das eine Operation der Integration und Vorhersage zukünftiger Trajektorien in 4 illustriert.
    • 6 ist ein Diagramm zur Beschreibung einer Operation zur Konfiguration eines in 5 dargestellten Graphenmodells.
    • 7 ist ein Diagramm, das eine Operation zur Vorhersage zukünftiger Trajektorien auf der Grundlage eines Graphenmodells in 5 illustriert.
    • 8 und 9 sind Diagramme zur Beschreibung des Vorgangs der Vorhersage zukünftiger Trajektorien auf der Grundlage eines Graphenmodells in 5.
    • 10 ist ein Diagramm zur Beschreibung der Betriebseffekte des elektronischen Geräts nach verschiedenen Ausführungsformen.
  • DETAILLIERTE BESCHREIBUNG
  • Im Folgenden werden verschiedene Ausführungsformen dieses Dokuments unter Bezugnahme auf die begleitenden Zeichnungen beschrieben.
  • 1 ist ein Diagramm, das ein elektronisches Gerät 100 nach verschiedenen Ausführungsformen darstellt. 2 und 3 sind Diagramme zur Beschreibung der Betriebseigenschaften des elektronischen Geräts 100 nach verschiedenen Ausführungsformen.
  • Unter Bezugnahme auf 1 kann die elektronische Vorrichtung 100 nach verschiedenen Ausführungsformen mindestens ein Kommunikationsmodul 110, ein Kameramodul 120, ein Sensormodul 130, ein Eingangsmodul 140, ein Ausgangsmodul 150, ein Treibermodul 160, einen Speicher 170 oder einen Prozessor 180 enthalten. In einer Ausführungsform kann eines der Elemente der elektronischen Vorrichtung 100 weggelassen werden oder ein oder mehrere andere Elemente können der elektronischen Vorrichtung 100 hinzugefügt werden. In einer Ausführungsform kann das elektronische Gerät 100 ein autonomes Fahrzeug sein. Nach einer anderen Ausführungsform kann das elektronische Gerät 100 in ein Fahrzeug eingebaut werden und ein autonomes Fahrzeug realisieren.
  • Das Kommunikationsmodul 110 kann die Kommunikation zwischen dem elektronischen Gerät 100 und einem externen Gerät unterstützen (nicht abgebildet). In diesem Fall kann das Kommunikationsmodul 110 mindestens ein drahtloses Kommunikationsmodul oder ein drahtgebundenes Kommunikationsmodul enthalten. Je nach einer Ausführungsform kann das drahtlose Kommunikationsmodul mindestens ein Langstreckenkommunikationsverfahren oder ein Kurzstreckenkommunikationsverfahren unterstützen. Die Kommunikationsmethode über kurze Entfernungen kann beispielsweise Bluetooth, WiFi-Direkt oder Infrarot-Datenassoziation (IrDA) umfassen. Bei der drahtlosen Kommunikationsmethode kann die Kommunikation mit Hilfe der Fernkommunikationsmethode über ein Netzwerk durchgeführt werden. Das Netzwerk kann mindestens eines der folgenden Computernetzwerke umfassen: ein zellulares Netzwerk, das Internet, ein lokales Netzwerk (LAN) oder ein Weitverkehrsnetzwerk (WAN). Nach einer anderen Ausführungsform kann das drahtlose Kommunikationsmodul die Kommunikation mit einem globalen Navigationssatellitensystem (GNSS) unterstützen. Zum Beispiel kann das GNSS ein globales Positionierungssystem (GPS) enthalten.
  • Das Kameramodul 120 kann ein externes Bild des elektronischen Geräts 100 aufnehmen. In diesem Fall kann das Kameramodul 120 an einer vorbestimmten Stelle des elektronischen Geräts 100 installiert werden und ein externes Bild erfassen. Darüber hinaus kann das Kameramodul 120 Bilddaten für ein externes Bild des elektronischen Geräts 100 erzeugen. Beispielsweise kann das Kameramodul 120 mindestens ein Objektiv, mindestens einen Bildsensor, einen Bildsignalprozessor oder einen Blitz enthalten.
  • Das Sensormodul 130 kann einen Zustand des elektronischen Geräts 100 oder eine externe Umgebung des elektronischen Geräts 100 erkennen. Darüber hinaus kann das Sensormodul 130 Sensordaten für den Zustand des elektronischen Geräts 100 oder die externe Umgebung des elektronischen Geräts 100 erzeugen. Zum Beispiel kann das Sensormodul 130 mindestens einen Beschleunigungssensor, einen Gyroskopsensor, einen Bildsensor, einen RADAR-Sensor, einen LiDAR-Sensor oder einen Ultraschallsensor enthalten.
  • Das Eingangsmodul 140 kann von außerhalb des elektronischen Geräts 100 einen Befehl oder Daten empfangen, die für mindestens eines der Elemente des elektronischen Geräts 100 zu verwenden sind. Zum Beispiel kann das Eingabemodul 140 mindestens eines der Elemente Mikrofon, Maus oder Tastatur enthalten. In einer Ausführungsform kann das Eingabemodul mindestens eine Berührungsschaltung enthalten, die so konfiguriert ist, dass sie eine Berührung erkennt, oder eine Sensorschaltung, die so konfiguriert ist, dass sie die Intensität einer durch eine Berührung erzeugten Kraft misst.
  • Das Ausgangsmodul 150 kann Informationen an außerhalb des elektronischen Geräts 100 liefern. In diesem Fall kann das Ausgabemodul 150 mindestens ein Anzeigemodul oder ein Audiomodul enthalten. Das Anzeigemodul kann Informationen visuell ausgeben. Beispielsweise kann das Anzeigemodul mindestens ein Anzeigegerät, ein Hologrammgerät oder einen Projektor enthalten. In einer Ausführungsform kann das Anzeigemodul mit mindestens einem der Berührungsschaltkreise oder Sensorschaltkreise des Eingabemoduls 140 zusammengebaut und als Berührungsbildschirm implementiert werden. Das Audiomodul kann Informationen in Tonform ausgeben. Zum Beispiel kann das Audiomodul mindestens einen Lautsprecher oder einen Empfänger enthalten.
  • Das Treibermodul 160 kann für einen Betrieb des elektronischen Geräts 100 eingesetzt werden. Wenn das elektronische Gerät 100 ein autonomes Fahrzeug ist, kann das Antriebsmodul 160 verschiedene Teile enthalten, je nach Ausführungsform. Nach einer anderen Ausführungsform kann das Antriebsmodul 160 mit verschiedenen Teilen des Fahrzeugs verbunden werden, wenn das elektronische Gerät 100 in ein Fahrzeug eingebaut ist, um ein autonomes Fahrzeug zu realisieren. Dementsprechend kann das Antriebsmodul 160 arbeiten, während es mindestens eines der Teile steuert. Beispielsweise können die Teile mindestens ein Motormodul, ein Beschleunigungsmodul, ein Bremsmodul, ein Lenkmodul oder ein Navigationsmodul umfassen.
  • Der Speicher 170 kann mindestens eines der Programme oder Daten speichern, die von mindestens einem der Elemente des elektronischen Geräts 100 verwendet werden. Zum Beispiel kann der Speicher 170 mindestens einen flüchtigen oder einen nichtflüchtigen Speicher enthalten.
  • Der Prozessor 180 kann mindestens eines der Elemente der elektronischen Vorrichtung 100 steuern, indem er ein Programm des Speichers 170 ausführt, und kann eine Datenverarbeitung oder -operation durchführen. Der Prozessor 180 kann Informationen über Umgebungssituationen des elektronischen Geräts 100 sammeln. In diesem Fall kann der Prozessor 180 die Informationen über die Umgebungssituationen des elektronischen Geräts 100 auf der Grundlage mindestens eines der durch das Kameramodul 120 erhaltenen Bilddaten oder der durch das Sensormodul 130 erhaltenen Abtastdaten sammeln. Der Prozessor 180 kann die zukünftige Trajektorie der umgebenden Objekte vorhersagen, um die Fahrtrajektorie des elektronischen Geräts 100 basierend auf einer Umgebungssituation des elektronischen Geräts 100 zu planen. Dementsprechend kann der Prozessor 180 einen Betrieb des elektronischen Geräts 100 auf der Grundlage der geplanten Fahrtrajektorie des elektronischen Geräts 100 steuern. Zu diesem Zweck kann der Prozessor 180 das Antriebsmodul 160 auf der Grundlage der geplanten Fahrtrajektorie des elektronischen Geräts 100 steuern. Der Prozessor 180 kann die historischen Trajektorien umliegender Objekte auf der Grundlage von Informationen über Umgebungssituationen des elektronischen Geräts 100 erkennen. In diesem Fall können die umgebenden Objekte Fahrzeuge um das elektronische Gerät 100 herum sein. Beispielsweise können sich alle umgebenden Objekte mit entsprechenden Geschwindigkeiten bewegen, und mindestens eines der umgebenden Objekte kann angehalten werden. In diesem Fall kann der Prozessor 180 Zustandsinformationen über das elektronische Gerät 100 erkennen und Zustandsinformationen über jedes der umgebenden Objekte erkennen. Darüber hinaus kann der Prozessor 180, wie in 2 dargestellt, ein sich bewegendes Koordinatensystem auf der Grundlage eines Modells mit konstanter Geschwindigkeit unter Verwendung von Zustandsinformationen über das elektronische Gerät 100 konfigurieren und die relativen Positionen der umgebenden Objekte auf dem sich bewegenden Koordinatensystem darstellen. In 2 kann das elektronische Gerät 100 als ein sich bewegendes Objekt dargestellt werden. In diesem Fall kann sich der Koordinatenträger des sich bewegenden Koordinatensystems in Übereinstimmung mit der Geschwindigkeit des elektronischen Geräts 100 bewegen. Dementsprechend kann der Prozessor 180 historische Trajektorien der umgebenden Objekte auf der Grundlage der Positionen der umgebenden Objekte auf dem beweglichen Koordinatensystem erkennen.
  • Wie in 3 dargestellt, kann der Prozessor 180 zukünftige Trajektorien der umgebenden Objekte auf integrierte Weise auf der Grundlage der erkannten historischen Trajektorien der umgebenden Objekte vorhersagen. In diesem Fall kann der Prozessor 180 die zukünftigen Trajektorien vorhersagen, indem er die Interaktionen zwischen den umgebenden Objekten und dem elektronischen Gerät 100 integriert und schätzt, und. In diesem Fall kann der Prozessor 180 die Interaktionen auf integrierte Weise auf der Grundlage der Eigenschaften der Interaktionen abschätzen. Zum Beispiel können die Eigenschaften der Wechselwirkungen gleichzeitig multizentrisch, diffusiv und zeitvariabel sein. Die gleichzeitige Multizentrizität kann darauf hinweisen, dass mehrere Interaktionen gleichzeitig stattfinden. Die Diffusivität kann darauf hinweisen, dass eine Wechselwirkung zwischen dem elektronischen Gerät 100 und einem beliebigen der umgebenden Objekte oder zwischen zwei beliebigen der umgebenden Objekte allmählich gestreut werden kann, um sich auf das gesamte elektronische Gerät 100 und die umgebenden Objekte auszuwirken. Die zeitliche Variabilität kann darauf hinweisen, dass sich eine Wechselwirkung mit der Zeit verändert. Zu diesem Zweck kann der Prozessor 180 ein Graphenmodell für eine Umgebungssituation des elektronischen Geräts 100 konfigurieren, indem er eine Graphenmodellierung, wie in 3(b) dargestellt, auf der Grundlage von Trajektorien der umgebenden Objekte, wie in 3(a) dargestellt, durchführt. Darüber hinaus kann der Prozessor 180 ein so genanntes „Graph convolutional neural network“ (neuronales Graphenfaltungsnetzwerk) auf der Grundlage des Graphenmodells konfigurieren, wie in 3(b) dargestellt, und kann zukünftige Trajektorien der umgebenden Objekte, wie in 3(c) dargestellt, aus dem Graphenmodell und dem neuronalen Graph convolutional neural network auf der Grundlage eines langfristigen Kurzzeitspeichernetzwerks (LSTM) vorhersagen. Dementsprechend kann der Prozessor 180 die Fahrtrajektorie des elektronischen Geräts 100 auf der Grundlage der vorhergesagten zukünftigen Trajektorien der umgebenden Objekte planen. 4 ist ein Diagramm, das eine Arbeitsweise des elektronischen Geräts 100 nach verschiedenen Ausführungsformen veranschaulicht.
  • Unter Bezugnahme auf 4, bei Betrieb 410, kann das elektronische Gerät 100 eine Umgebungssituation des elektronischen Geräts 100 erkennen. Der Prozessor 180 kann Bilddaten über das Kameramodul 120 erhalten. Der Prozessor 180 kann Abtastdaten über das Sensormodul 130 erhalten. Dementsprechend kann der Prozessor 180 Informationen über die Umgebungssituation des elektronischen Geräts 100 auf der Grundlage von mindestens einem der Bild- oder Abtastdaten sammeln.
  • In diesem Fall kann der Prozessor 180 Zustandsinformationen über das elektronische Gerät 100 erkennen. In diesem Fall kann es sich bei den umgebenden Objekten um Fahrzeuge um das elektronische Gerät 100 herum handeln. Beispielsweise können sich alle umgebenden Objekte mit der entsprechenden Geschwindigkeit bewegen, und mindestens eines der umgebenden Objekte kann angehalten werden. Darüber hinaus kann der Prozessor 180, wie in 2 dargestellt, ein sich bewegendes Koordinatensystem auf der Grundlage eines Konstantgeschwindigkeitsmodells unter Verwendung der Zustandsinformationen auf dem elektronischen Gerät 100 konfigurieren. In 2 kann das elektronische Gerät 100 als ein sich bewegendes Objekt dargestellt werden. In diesem Fall kann sich der Koordinatenträger des sich bewegenden Koordinatensystems in Übereinstimmung mit der Geschwindigkeit des elektronischen Geräts 100 bewegen. Darüber hinaus kann der Prozessor 180 Zustandsinformationen über jedes der umgebenden Objekte auf der Grundlage der Informationen über die Umgebungssituation des elektronischen Geräts 100 erkennen.
  • Bei Betrieb 420 kann das elektronische Gerät 100 zukünftige Trajektorien des elektronischen Geräts 100 und der umgebenden Objekte auf integrierte Weise vorhersagen. In diesem Fall kann der Prozessor 180 die relativen Positionen der umgebenden Objekte auf dem sich bewegenden Koordinatensystem auf der Grundlage eines Modells mit konstanter Geschwindigkeit darstellen, wie in 2 dargestellt, basierend auf den Zustandsinformationen über die umgebenden Objekte. Dementsprechend kann der Prozessor 180 historische Trajektorien der umgebenden Objekte auf der Grundlage der Positionen der umgebenden Objekte auf dem sich bewegenden Koordinatensystem auf der Grundlage eines Modells mit konstanter Geschwindigkeit erkennen. Darüber hinaus kann der Prozessor 180 zukünftige Trajektorien des elektronischen Geräts 100 und der umgebenden Objekte auf integrierte Weise auf der Grundlage der Trajektorien der umgebenden Objekte vorhersagen. In diesem Fall kann der Prozessor 180 die Wechselwirkungen zwischen den umgebenden Objekten und dem elektronischen Gerät 100 auf integrierte Weise abschätzen und die zukünftigen Trajektorien auf der Grundlage der Wechselwirkungen vorhersagen. In diesem Fall kann der Prozessor 180 die Wechselwirkungen auf integrierte Weise auf der Grundlage der Eigenschaften der Wechselwirkungen abschätzen und die zukünftigen Trajektorien auf der Grundlage der Wechselwirkungen vorhersagen. Zum Beispiel können die Eigenschaften der Wechselwirkungen gleichzeitig multizentrisch, diffusiv und zeitvariabel sein. Die gleichzeitige Multizentrizität kann darauf hinweisen, dass mehrere Wechselwirkungen gleichzeitig auftreten. Die Diffusivität kann darauf hinweisen, dass eine Wechselwirkung zwischen dem elektronischen Gerät 100 und einem beliebigen der umgebenden Objekte oder zwischen zwei beliebigen der umgebenden Objekte allmählich gestreut werden kann, um sich auf das gesamte elektronische Gerät 100 und die umgebenden Objekte auszuwirken. Die zeitliche Variabilität kann darauf hinweisen, dass sich eine Wechselwirkung mit der Zeit verändert. Dies kann später unter Bezugnahme auf 5 und 6 genauer beschrieben werden.
  • 5 ist ein Diagramm, das die integrierte Operation der Vorhersage der zukünftigen Trajektorien in 4 illustriert. 6 ist ein Diagramm zur Beschreibung einer Operation zur Konfiguration eines in 5 dargestellten Graphenmodells.
  • Unter Bezugnahme auf 5 kann bei der Operation 510 das elektronische Gerät 100 eine Umgebungssituation des elektronischen Geräts 100 als ein Graphenmodell konfigurieren. Der Prozessor 180 kann das Graphenmodell für die Umgebungssituation des elektronischen Geräts 100 konfigurieren, indem er eine Graphenmodellierung auf der Grundlage von Zustandsinformationen über das elektronische Gerät 100 und die umgebenden Objekte durchführt. In diesem Fall kann der Prozessor 180 das Graphenmodell unter Verwendung eines sich bewegenden Koordinatensystems auf der Grundlage eines Modells mit konstanter Geschwindigkeit konfigurieren. Zum Beispiel kann der Prozessor 180, wie in dargestellt, als Graphenmodell das elektronische Gerät 100 und die umgebenden Objekte sowie die Interaktionen zwischen dem elektronischen Gerät 100 und den umgebenden Objekten konfigurieren.
  • Das Graphenmodell kann z.B. wie in 6(b) dargestellt werden und kann eine Vielzahl von Knoten und eine Vielzahl von Kanten enthalten, die die Vielzahl von Knoten verbinden. Die Knoten können jeweils das elektronische Gerät 100 und die umgebenden Objekte anzeigen. In diesem Fall können die Knoten mindestens eine Position, eine Geschwindigkeit oder einen Steuerkurswinkel darstellen, z.B. auf der Grundlage von Zustandsinformationen über das elektronische Gerät 100 bzw. die umgebenden Objekte. In 6(b) umfassen die Knoten einen ersten Knoten (z.B. Knoten-Ego; Knoten 0) und zweite Knoten (z.B. Knoten 1, Knoten 2, Knoten 3, Knoten 4 und Knoten 5). Der erste Knoten (z.B. Knoten-Ich; Knoten 0) kann das elektronische Gerät 100 bezeichnen. Der zweite Knoten (z.B. Knoten 1, Knoten 2, Knoten 3, Knoten 4 und Knoten 5) kann jeweils die umgebenden Objekte anzeigen. Die Kanten können jeweils die Richtungsabhängigkeit der Wechselwirkungen zwischen dem elektronischen Gerät 100 und den umgebenden Objekten anzeigen. Die Kanten können mindestens einen relativen Ort oder eine relative Geschwindigkeit darstellen, z.B. basierend auf relativen Zustandsinformationen über das elektronische Gerät 100 oder die umgebenden Objekte. In diesem Fall kann eine Kante, die den ersten Knoten (z.B. Knoten-Ich; Knoten 0) und einen beliebigen der zweiten Knoten (z.B. Knoten 1, Knoten 2, Knoten 3, Knoten 4 und Knoten 5) verbindet, eine Unidirektionalität vom ersten Knoten (z.B. Knoten-Ich; Knoten 0) zu einem beliebigen der zweiten Knoten (z.B. Knoten 1, Knoten 2, Knoten 3, Knoten 4 und Knoten 5) enthalten. Der Grund dafür ist, dass das elektronische Gerät 100 autonom gesteuert werden kann. Eine Kante, die zwei beliebige der zweiten Knoten (z.B. Knoten 1, Knoten 2, Knoten 3, Knoten 4 und Knoten 5) verbindet, kann Bidirektionalität enthalten.
  • Bei Betrieb 520 kann das elektronische Gerät 100 zukünftige Trajektorien des elektronischen Geräts 100 und der umgebenden Objekte auf integrierte Weise auf der Grundlage des Graphenmodells vorhersagen. Der Prozessor 180 kann die zukünftigen Trajektorien des elektronischen Geräts 100 und der umgebenden Objekte auf der Grundlage der Interaktionen zwischen den umgebenden Objekten und dem elektronischen Gerät 100 vorhersagen. In diesem Fall kann der Prozessor 180 auf der Grundlage des Graphenmodells ein neuronales Netz mit Graphenfaltung konfigurieren und die zukünftigen Trajektorien aus dem neuronalen Netz mit Graphenfaltung auf der Grundlage eines Langzeit-Kurzzeitspeichernetzwerks (LSTM) vorhersagen. Dies kann später unter Bezugnahme auf 7, 8 und 9 genauer beschrieben werden.
  • 7 ist ein Diagramm, das die Funktionsweise der Vorhersage der zukünftigen Trajektorien auf der Grundlage des Graphenmodells in 5 veranschaulicht. 8 und 9 sind Diagramme zur Beschreibung der Funktionsweise der Vorhersage der zukünftigen Flugbahnen auf der Grundlage des Graphenmodells in 5.
  • Unter Bezugnahme auf 7 kann das elektronische Gerät 100 bei der Operation 710 jedem der umgebenden Objekte mit Hilfe eines skalierbaren Aufmerksamkeitsmechanismus Bedeutung beimessen. Der skalierbare Aufmerksamkeitsmechanismus kann wie in 8(a) dargestellt konfiguriert werden. Das elektronische Gerät 100 kann eine unbestimmte Anzahl von mehreren umgebenden Objekten, die in Echtzeit variieren, auf integrierte Weise durch den skalierbaren Aufmerksamkeitsmechanismus verarbeiten. In diesem Fall kann der Prozessor 180 zwei Knoten, die durch jede Kante im Graphenmodell verbunden sind, auf der Grundlage von Zustandsinformationen über das elektronische Gerät 100 und die umgebenden Objekte relativ auswerten. Darüber hinaus kann der Prozessor 180 jedem der Knoten auf der Grundlage der Ergebnisse der Auswertung Bedeutung zuweisen.
  • Bei Vorgang 720 kann das elektronische Gerät 100 eine Adjazenzmatrix berechnen, die auf der Bedeutung jedes der umgebenden Objekte basiert. Der Prozessor 180 kann eine Adjazenzmatrix berechnen, bei der die Bedeutung jedes der umgebenden Objekte berücksichtigt wurde.
  • Bei der Operation 730 kann das elektronische Gerät 100 unter Verwendung der Adjazenzmatrix ein neuronales Netzwerk zur Graphenfaltung konfigurieren. Der Prozessor 180 kann das neuronale Netz mit Graphenfaltung auf der Grundlage des Graphenmodells und der Adjazenzmatrix konfigurieren. In diesem Fall kann der Prozessor 180, wie in 8(b) dargestellt, das neuronale Graph convolutional neural network durch Ausführen einer Graphenfaltungsoperation konfigurieren.
  • Bei der Operation 740 kann das elektronische Gerät 100 die zukünftigen Trajektorien der umgebenden Objekte auf der Grundlage des Langzeitspeichernetzwerks LSTM vorhersagen. Der Prozessor 180 kann die zukünftigen Trajektorien aus dem Graphenmodell und dem auf dem LSTM basierenden neuronalen Graphenfaltungsnetz vorhersagen. In diesem Fall kann das LSTM mit einer Kodierungs- und einer Dekodierungsstruktur konfiguriert werden. Wie in 9(a) dargestellt, kann der Prozessor 180 auf der Grundlage der Zustandsinformationen über das elektronische Gerät 100 und die umgebenden Objekte durch die Kodierungsstruktur des LSTM eine Bewegungscharakteristik jedes elektronischen Geräts 100 und der umgebenden Objekte sowie Interaktionscharakteristiken zwischen dem elektronischen Gerät 100 und den umgebenden Objekten erkennen. Darüber hinaus kann der Prozessor 180 verborgene Zustandsinformationen und Speicherzellen-Zustandsinformationen auf der Grundlage der sich über die Zeit ändernden Bewegungscharakteristik und der Interaktionscharakteristik durch die Kodierungsstruktur des LSTM planen. Darüber hinaus kann der Prozessor 180, wie in 9(b) dargestellt, die zukünftigen Trajektorien auf der Grundlage der Zustandsinformationen über das elektronische Gerät 100 und die umgebenden Objekte zusammen mit den verborgenen Zustandsinformationen und den Speicherzellen-Zustandsinformationen durch die Dekodierstruktur des LSTM vorhersagen.
  • Danach kann das elektronische Gerät 100 zu 5 zurückkehren und die Operation 530 ausführen. Bezugnehmend auf 5, kann das elektronische Gerät 100 bei der Operation 530 die Trajektorie des elektronischen Geräts 100 auf der Grundlage der vorhergesagten zukünftigen Trajektorien der umgebenden Objekte planen. Der Prozessor 180 kann eine optimale Fahrtrajektorie planen, die mit den vorhergesagten zukünftigen Trajektorien der umgebenden Objekte übereinstimmen kann.
  • Danach kann das elektronische Gerät 100 zu 4 zurückkehren und die Operation 430 ausführen. Rückblickend auf 4, bei Operation 430, kann das elektronische Gerät 100 das elektronische Gerät 100 steuern. Der Prozessor 180 kann das Antriebsmodul 160 auf der Grundlage der Fahrtrajektorie des elektronischen Geräts 100 steuern. In diesem Fall kann das Antriebsmodul 160 arbeiten, während es mindestens eines der verschiedenen Teile steuert. Zu den verschiedenen Teilen kann beispielsweise mindestens eines der folgenden gehören: ein Motormodul, ein Beschleunigungsmodul, ein Bremsmodul, ein Lenkmodul oder ein Navigationsmodul. Dementsprechend kann ein autonomes Fahrzeug, das dem elektronischen Gerät 100 entspricht, oder ein Fahrzeug, das das elektronische Gerät 100 enthält, auf der Fahrbahn fahren.
  • Nach verschiedenen Ausführungsformen kann das elektronische Gerät 100 zukünftige Trajektorien einer unbestimmten Anzahl von umgebenden Objekten auf integrierte Weise auf der Grundlage der historischen Trajektorien der umliegenden Objekte vorhersagen. In diesem Fall kann das elektronische Gerät 100 ein Graphenmodell in Bezug auf die umgebenden Objekte konfigurieren und die zukünftigen Trajektorien auf integrierte Weise basierend auf dem Graphenmodell und dem LSTM vorhersagen. Dementsprechend kann das elektronische Gerät 100 die zukünftigen Trajektorien einer unbestimmten Anzahl von umgebenden Objekten auf integrierte Weise vorhersagen. Dementsprechend kann das elektronische Gerät 100 die zukünftige Trajektorie eines Fahrzeugs in Übereinstimmung mit dem Verkehr, der in Echtzeit variiert, vorhersagen. Das heißt, das elektronische Gerät 100 kann die Fahrtrajektorie des elektronischen Geräts 100 auf der Grundlage der historischen Trajektorie und der vorhergesagten zukünftigen Trajektorien der Objekte einschließlich des elektronischen Geräts 100 und der umgebenden Objekte planen. Da das elektronische Gerät 100 darüber hinaus die Fahrtrajektorie auf der Grundlage zukünftiger vorausgesagter Trajektorien auf integrierte Weise plant, kann das elektronische Gerät 100 bei der Vorhersage der Fahrtrajektorie eine konsistente Leistung und eine hohe Rechenlast sicherstellen.
  • 10 ist ein Diagramm zur Beschreibung der Betriebseffekte des elektronischen Geräts 100 nach verschiedenen Ausführungsformen. Wie in 10(a) dargestellt, ist die rechnerische Belastung nach verschiedenen Ausführungsformen kleiner als die rechnerische Belastung nach den bestehenden Technologien und ist auch unabhängig von der Anzahl der umgebenden Objekte konsistent. Darüber hinaus ist, wie in 10(b) dargestellt, ein Prognosefehler nach verschiedenen Ausführungsformen kleiner als ein Prognosefehler nach den vorhandenen Technologien und ist auch unabhängig von der Anzahl der umgebenden Objekte konsistent. Dementsprechend ist die Leistung nach verschiedenen Ausführungsformen ausgezeichneter als die Leistung der vorhandenen Technologien und ist auch unabhängig von der Anzahl der umgebenden Objekte konsistent.
  • Ein Betriebsverfahren des elektronischen Geräts 100 nach verschiedenen Ausführungsformen kann das Erkennen historischer Trajektorien eines oder mehrerer umgebender Objekte, die integrierte Vorhersage zukünftiger Trajektorien der umgebenden Objekte auf der Grundlage der erkannten historischen Trajektorien und die Planung der Fahrtrajektorie des elektronischen Geräts 100 auf der Grundlage der vorhergesagten zukünftigen Trajektorien der umgebenden Objekte umfassen.
  • Nach verschiedenen Ausführungsformen kann die Vorhersage der zukünftigen Trajektorien die Konfiguration eines Graphenmodells auf der Grundlage der erkannten historischen Trajektorien und die Vorhersage der zukünftigen Trajektorien auf der Grundlage des Graphenmodells umfassen.
  • Nach verschiedenen Ausführungsformen umfasst das Graphenmodell eine Vielzahl von Knoten und eine Vielzahl von Kanten, die die Vielzahl von Knoten verbinden.
  • Nach verschiedenen Ausführungsformen können die Knoten jeweils die umgebenden Objekte und das elektronische Gerät 100 anzeigen.
  • Nach verschiedenen Ausführungsformen können die Kanten Wechselwirkungen zwischen den umgebenden Objekten und zwischen dem elektronischen Gerät 100 und jedem der umgebenden Objekte bzw. deren Richtwirkungen anzeigen.
  • Nach verschiedenen Ausführungsformen können die Kanten, die Knoten verbinden, die die umgebenden Objekte anzeigen, Bidirektionalität enthalten.
  • Nach verschiedenen Ausführungsformen kann eine Kante, die einen der Knoten, die die umgebenden Objekte anzeigen, mit einem Knoten, der das elektronische Gerät 100 anzeigt, verbindet, eine Unidirektionalität enthalten, die von dem elektronischen Gerät 100 auf das umgebende Objekt gerichtet ist.
  • Nach verschiedenen Ausführungsformen kann die Vorhersage der zukünftigen Trajektorien ferner die relative Bewertung von zwei Knoten, die durch eine Kante verbunden sind, auf der Grundlage von Zustandsinformationen über die elektronische Vorrichtung 100 und Zustandsinformationen über jedes der umgebenden Objekte umfassen, wobei die beiden Knoten die elektronische Vorrichtung 100 und eines der umgebenden Objekte oder zwei der umgebenden Objekte sind, und die Zuweisung von Bedeutung zu jedem der Knoten und die Konfiguration eines neuronalen Graphenfaltungsnetzes unter Verwendung einer Adjazenzmatrix, deren Bedeutung berücksichtigt wurde.
  • Nach verschiedenen Ausführungsformen kann die Vorhersage der zukünftigen Trajektorien auch die Vorhersage der zukünftigen Trajektorien aus dem neuronalen Netz mit Graphenfaltung auf der Grundlage der LSTM umfassen.
  • Nach verschiedenen Ausführungsformen kann das Erkennen der Trajektorien das Konfigurieren eines beweglichen Koordinatensystems auf der Grundlage eines Modells mit konstanter Geschwindigkeit unter Verwendung der Zustandsinformationen auf dem elektronischen Gerät 100, das Darstellen der relativen Positionen der umgebenden Objekte auf dem beweglichen Koordinatensystem und das Erkennen der historischen Trajektorien auf der Grundlage der zeitseriellen Positionen umfassen.
  • Nach verschiedenen Ausführungsformen kann die Vorhersage der zukünftigen Trajektorien auch die Vorhersage der zukünftigen Trajektorien auf dem sich bewegenden Koordinatensystem umfassen.
  • Nach verschiedenen Ausführungsformen kann die Betriebsweise des elektronischen Geräts 100 auch die Steuerung des elektronischen Geräts 100 auf der Grundlage der geplanten Fahrbahn umfassen.
  • Nach verschiedenen Ausführungsformen kann das elektronische Gerät 100 ein autonomes Fahrzeug sein, und umgebende Objekte können Fahrzeuge um das elektronische Gerät 100 herum sein.
  • Das elektronische Gerät 100 kann nach verschiedenen Ausführungsformen mindestens ein Sensormodul 130 oder ein Kameramodul 120 und einen Prozessor 180 umfassen, der mit mindestens einem Sensormodul 130 oder einem Kameramodul 120 verbunden und so konfiguriert ist, dass er über mindestens ein Sensormodul 130 oder ein Kameramodul 120 Informationen über Umgebungssituationen sammelt.
  • Nach verschiedenen Ausführungsformen kann der Prozessor 180 so konfiguriert werden, dass er historische Trajektorien eines oder mehrerer umgebender Objekte erkennt, zukünftige Trajektorien der umgebenden Objekte auf integrierte Weise auf der Grundlage der erkannten historischen Trajektorien vorhersagt und die Fahrtrajektorie des elektronischen Geräts 100 auf der Grundlage der vorhergesagten zukünftigen Trajektorien der umgebenden Objekte plant.
  • Nach verschiedenen Ausführungsformen kann der Prozessor 180 so konfiguriert werden, dass er ein Graphenmodell auf der Grundlage der erkannten historischen Trajektorien konfiguriert und die zukünftigen Trajektorien auf der Grundlage des Graphenmodells vorhersagt.
  • Nach verschiedenen Ausführungsformen kann das Graphenmodell eine Mehrzahl von Knoten und eine Mehrzahl von Kanten enthalten, die die Mehrzahl von Knoten verbinden.
  • Nach verschiedenen Ausführungsformen können die Knoten jeweils die umgebenden Objekte und das elektronische Gerät 100 anzeigen.
  • Nach verschiedenen Ausführungsformen können die Kanten Wechselwirkungen zwischen den umgebenden Objekten und zwischen dem elektronischen Gerät 100 und jedem der umgebenden Objekte bzw. deren Richtwirkungen anzeigen.
  • Nach verschiedenen Ausführungsformen können die Kanten, die Knoten verbinden, die die umgebenden Objekte anzeigen, Bidirektionalität enthalten.
  • Nach verschiedenen Ausführungsformen kann eine Kante, die einen der Knoten, die die umgebenden Objekte anzeigen, mit einem Knoten, der das elektronische Gerät 100 anzeigt, verbindet, eine Unidirektionalität enthalten, die von dem elektronischen Gerät 100 auf das umgebende Objekt gerichtet ist.
  • Nach verschiedenen Ausführungsformen kann der Prozessor 180 so konfiguriert werden, dass er zwei Knoten, die durch eine Kante verbunden sind, auf der Grundlage von Zustandsinformationen über die elektronische Vorrichtung 100 und Zustandsinformationen über jedes der umgebenden Objekte relativ bewertet, wobei die beiden Knoten die elektronische Vorrichtung 100 sind und eines der umgebenden Objekte oder zwei der umgebenden Objekte jedem der Knoten Bedeutung zuweisen und ein neuronales Graphenfaltungsnetz unter Verwendung einer Adjazenzmatrix, deren Bedeutung berücksichtigt wurde, konfigurieren.
  • Nach verschiedenen Ausführungsformen kann der Prozessor 180 so konfiguriert werden, dass er die zukünftigen Trajektorien aus dem auf dem LSTM basierenden Neuronalen Netz der Graphenfaltung vorhersagt.
  • Nach verschiedenen Ausführungsformen kann der Prozessor 180 so konfiguriert werden, dass er ein sich bewegendes Koordinatensystem auf der Grundlage eines Konstantgeschwindigkeitsmodells unter Verwendung der Zustandsinformationen auf dem elektronischen Gerät 100 konfiguriert, die relativen Positionen der umgebenden Objekte auf dem sich bewegenden Koordinatensystem darstellt und die historischen Trajektorien auf der Grundlage der zeitseriellen Positionen erkennt.
  • Nach verschiedenen Ausführungsformen kann der Prozessor 180 so konfiguriert werden, dass er die zukünftigen Trajektorien auf dem sich bewegenden Koordinatensystem vorhersagt.
  • Nach verschiedenen Ausführungsformen kann der Prozessor 180 so konfiguriert werden, dass er das elektronische Gerät 100 auf der Grundlage der geplanten Fahrtrajektorie steuert.
  • Nach verschiedenen Ausführungsformen kann das elektronische Gerät 100 ein autonomes Fahrzeug sein, und die umgebenden Objekte können Fahrzeuge um das elektronische Gerät 100 herum sein.
  • Verschiedene Ausführungsformen dieses Dokuments können als Software implementiert werden, einschließlich einer oder mehrerer Anweisungen, die in einem Speichermedium (z.B. dem Speicher 170) gespeichert sind, das von einer Maschine (z.B. dem elektronischen Gerät 100) gelesen werden kann. Zum Beispiel kann der Prozessor (z.B. der Prozessor 180) der Maschine mindestens eine der auf dem Speichermedium gespeicherten Anweisungen aufrufen und die Anweisung ausführen. Dadurch kann die Maschine so arbeiten, dass sie mindestens eine Funktion auf der Grundlage der mindestens einen aufgerufenen Anweisung ausführt. Die eine oder mehrere Anweisungen können einen von einem Compiler erzeugten Code oder einen von einem Interpreter ausführbaren Code enthalten. Das von der Maschine lesbare Speichermedium kann in Form eines nicht vorübergehenden Speichermediums zur Verfügung gestellt werden. In diesem Fall bedeutet der Begriff „nicht vorübergehend“ lediglich, dass das Speichermedium ein materielles Gerät ist und kein Signal (z.B. eine elektromagnetische Welle) enthält. Der Begriff unterscheidet nicht zwischen einem Fall, in dem Daten semi-permanent auf dem Speichermedium gespeichert sind, und einem Fall, in dem Daten temporär auf dem Speichermedium gespeichert sind.
  • Das nicht-transitorische computerlesbare Speichermedium kann nach verschiedenen Ausführungsformen ein oder mehrere Programme zur Ausführung speichern, die die historischen Trajektorien eines oder mehrerer umgebender Objekte erkennen, zukünftige Trajektorien der umgebenden Objekte auf integrierte Weise auf der Grundlage der Trajektorien vorhersagen und die Fahrtrajektorie des elektronischen Geräts 100 auf der Grundlage der vorhergesagten zukünftigen Trajektorien der umgebenden Objekte planen.
  • Die Ausführungsformen dieses Dokuments und die in den Ausführungsformen verwendeten Begriffe sollen die in diesem Dokument beschriebene Technologie nicht auf eine bestimmte Ausführungsform beschränken, sondern sind so auszulegen, dass sie verschiedene Änderungen, Äquivalente und/oder Alternativen einer entsprechenden Ausführungsform umfassen. In der Beschreibung der Zeichnungen können ähnliche Referenzzahlen in ähnlichen Elementen verwendet werden. Ein Ausdruck der Singularzahl kann einen Ausdruck der Pluralzahl einschließen, es sei denn, der Kontext ist eindeutig anders definiert. In diesem Dokument kann ein Ausdruck, wie z.B. „A oder B“, „mindestens eines von A und/oder B“, „A, B oder C“ oder „mindestens eines von A, B und/oder C“, alle möglichen Kombinationen der aufgeführten Elemente zusammen umfassen. Ausdrücke wie „ein erstes“, „ein zweites“, „das erste“ und „das zweite“ können entsprechende Elemente unabhängig von ihrer Reihenfolge oder Bedeutung modifizieren und werden verwendet, um nur ein Element von dem anderen Element zu unterscheiden und begrenzen nicht die entsprechenden Elemente. Wenn beschrieben wird, dass ein (z.B. erstes) Element „(funktional oder kommunikativ) mit“ oder „gekoppelt mit“ dem anderen (z.B. zweiten) Element verbunden ist, kann das eine Element direkt mit dem anderen Element verbunden sein oder mit dem anderen Element durch ein anderes Element (z.B. drittes Element) verbunden sein.
  • Das in diesem Dokument verwendete „Modul“ umfasst eine Einheit, die mit Hardware, Software oder Firmware konfiguriert ist, und kann austauschbar mit einem Begriff, wie z.B. Logik, einem logischen Block, einem Teil oder einer Schaltung, verwendet werden. Das Modul kann ein integrierter Teil, eine Minimaleinheit zur Ausführung einer oder mehrerer Funktionen oder ein Teil davon sein. Das Modul kann zum Beispiel mit einer anwendungsspezifischen integrierten Schaltung (ASIC) konfiguriert sein.
  • Entsprechend den verschiedenen Ausführungsformen kann jedes (z.B. Modul oder Programm) der beschriebenen Elemente eine einzelne Einheit oder eine Vielzahl von Einheiten enthalten. Nach verschiedenen Ausführungsformen können ein oder mehrere der oben genannten Elemente oder Operationen weggelassen oder ein oder mehrere andere Elemente oder Operationen hinzugefügt werden. Alternativ oder zusätzlich können mehrere Elemente (z.B. Module oder Programme) in ein Element integriert werden. In einem solchen Fall können die integrierten Elemente eine oder mehrere Funktionen jedes einer Vielzahl von Elementen erfüllen, die identisch oder ähnlich zu denen sind, die ein entsprechendes Element der Vielzahl von Elementen vor der Integration der Elemente erfüllt. Nach verschiedenen Ausführungsformen können andere Elemente, die von einem Modul, einer Operation oder einem anderen Programm ausgeführt werden, sequentiell, parallel, wiederholt oder heuristisch ausgeführt werden, oder eine oder mehrere der Operationen können in unterschiedlicher Reihenfolge ausgeführt oder weggelassen werden, oder es können eine oder mehrere andere Operationen hinzugefügt werden.
  • Nach verschiedenen Ausführungsformen kann das elektronische Gerät zukünftige Trajektorien der umgebenden Objekte auf integrierte Weise vorhersagen, basierend auf den Trajektorien der umgebenden Objekte. In diesem Fall kann das elektronische Gerät zukünftige Trajektorien einer unbestimmten Anzahl von umgebenden Objekten auf integrierte Weise vorhersagen. Dementsprechend kann das elektronische Gerät die Fahrtrajektorie eines Fahrzeugs basierend auf dem Verkehr, der in Echtzeit variiert, vorhersagen. Darüber hinaus kann das elektronische Gerät eine einheitliche Leistung und Rechenlast bei der Vorhersage verschiedener Situationen während der Fahrt und der Fahrtrajektorien einer unbestimmten Anzahl umliegender Objekte sicherstellen, da das elektronische Gerät die Fahrtrajektorien auf der Grundlage der integrierten und vorhergesagten zukünftigen Trajektorien plant.
  • ZITATE ENTHALTEN IN DER BESCHREIBUNG
  • Diese Liste der vom Anmelder aufgeführten Dokumente wurde automatisiert erzeugt und ist ausschließlich zur besseren Information des Lesers aufgenommen. Die Liste ist nicht Bestandteil der deutschen Patent- bzw. Gebrauchsmusteranmeldung. Das DPMA übernimmt keinerlei Haftung für etwaige Fehler oder Auslassungen.
  • Zitierte Patentliteratur
    • KR 1020200022060 [0001]

Claims (20)

  1. Ein Betriebsverfahren einer elektronischen Vorrichtung, umfassend: das Erkennen historischer Trajektorien eines oder mehrerer umgebender Objekte; Vorhersagen zukünftiger Trajektorien der umgebenden Objekte in einer integrierten Weise auf der Grundlage der erkannten historischen Trajektorien; und Planung einer Fahrtrajektorie des elektronischen Geräts auf der Grundlage der vorhergesagten zukünftigen Trajektorien der umgebenden Objekte.
  2. Das Betriebsverfahren nach Anspruch 1, wobei die Vorhersage der zukünftigen Trajektorien umfasst: das Konfigurieren eines Graphenmodells auf der Grundlage der erkannten historischen Trajektorien; und Vorhersage der zukünftigen Trajektorien auf der Grundlage des Graphenmodells.
  3. Die Arbeitsmethode von Anspruch 2, wobei das Graphenmodell eine Vielzahl von Knoten und eine Vielzahl von Kanten umfasst, die die Knoten verbinden, wobei die Knoten die umgebenden Objekte bzw. das elektronische Gerät anzeigen, und wobei die Kanten Wechselwirkungen zwischen den umgebenden Objekten und zwischen dem elektronischen Gerät und jedem der umgebenden Objekte bzw. die Richtungsabhängigkeit der Wechselwirkungen anzeigen.
  4. Das Betriebsverfahren nach Anspruch 3, wobei Kanten, die Knoten verbinden, die die umgebenden Objekte anzeigen, Bidirektionalität enthalten, und wobei eine Kante, die irgendeinen der Knoten, der das umgebende Objekt anzeigt, und einen Knoten, der die elektronische Vorrichtung anzeigt, verbindet, eine Unidirektionalität enthält, die von der elektronischen Vorrichtung zu dem umgebenden Objekt gerichtet ist.
  5. Das Betriebsverfahren nach Anspruch 3, wobei die Vorhersage der zukünftigen Trajektorien weiterhin umfasst: relatives Bewerten von zwei Knoten, die durch eine Kante verbunden sind, auf der Grundlage von Zustandsinformationen über die elektronische Vorrichtung und Zustandsinformationen über jedes der umgebenden Objekte und Zuweisen von Bedeutung zu jedem der Knoten, wobei die zwei Knoten die elektronische Vorrichtung und eines der umgebenden Objekte oder zwei der umgebenden Objekte sind; und die Konfiguration eines neuronalen Netzes mit Graphenfaltung unter Verwendung einer Adjazenzmatrix, deren Bedeutung berücksichtigt wurde.
  6. Betriebsverfahren nach Anspruch 5, wobei die Vorhersage der zukünftigen Trajektorien die Vorhersage der zukünftigen Trajektorien aus dem Graphenfaltungs-Neuronalnetz auf der Grundlage eines Langzeit-Kurzzeitspeichernetzwerks (LSTM) umfasst.
  7. Das Betriebsverfahren nach Anspruch 1, wobei das Erkennen der historischen Trajektorien umfasst: Konfigurieren eines sich bewegenden Koordinatensystems auf der Grundlage eines Konstantgeschwindigkeitsmodells unter Verwendung von Zustandsinformationen über das elektronische Gerät; Darstellen der relativen Positionen der umgebenden Objekte auf dem sich bewegenden Koordinatensystem; und das Erkennen der historischen Trajektorien auf der Grundlage der zeitseriellen Positionen.
  8. Betriebsverfahren nach Anspruch 7, wobei die Vorhersage der zukünftigen Trajektorien die Vorhersage der zukünftigen Trajektorien auf dem sich bewegenden Koordinatensystem umfasst.
  9. Das Betriebsverfahren nach Anspruch 1, wobei die Betriebsmethode nach Anspruch 1 weiterhin die Steuerung der elektronischen Vorrichtung auf der Grundlage der geplanten Fahrtrajektorie umfasst.
  10. Die Betriebsmethode nach Anspruch 1, wobei die elektronische Vorrichtung ein autonomes Fahrzeug ist, und wobei die umgebenden Objekte Fahrzeuge um das elektronische Gerät herum sind.
  11. Ein elektronisches Gerät bestehend aus: mindestens eines von einem Sensormodul oder einem Kameramodul; und einen Prozessor, der mit mindestens einem von dem Sensormodul oder dem Kameramodul gekoppelt und so konfiguriert ist, dass er Informationen über Umgebungssituationen durch mindestens eines von dem Sensormodul oder dem Kameramodul sammelt, wobei der Prozessor so konfiguriert ist: historische Trajektorien von einem oder mehreren umgebenden Objekten zu erkennen, zukünftige Flugbahnen der umgebenden Objekte auf integrierte Weise auf der Grundlage der anerkannten historischen Flugbahnen vorherzusagen, und planen eine Fahrtrajektorie des elektronischen Geräts auf der Grundlage der vorhergesagten zukünftigen Trajektorien der umgebenden Objekte.
  12. Die elektronische Vorrichtung nach Anspruch 11, bei der der Prozessor so konfiguriert ist, dass ein Graphenmodell basierend auf den erkannten historischen Trajektorien zu konfigurieren, und die zukünftigen Trajektorien auf der Grundlage des Graphenmodells vorherzusagen.
  13. Das elektronische Gerät nach Anspruch 12, wobei das Graphenmodell eine Vielzahl von Knoten und eine Vielzahl von Kanten umfasst, die die Knoten verbinden, wobei die Knoten die umgebenden Objekte bzw. das elektronische Gerät anzeigen, und wobei die Kanten Wechselwirkungen zwischen den umgebenden Objekten und zwischen dem elektronischen Gerät und jedem der umgebenden Objekte bzw. die Richtungsabhängigkeit der Wechselwirkungen anzeigen.
  14. Die elektronische Vorrichtung nach Anspruch 13, wobei Kanten, die Knoten verbinden, die die umgebenden Objekte anzeigen, Bidirektionalität enthalten, und wobei eine Kante, die irgendeinen der Knoten, der das umgebende Objekt anzeigt, und einen Knoten, der die elektronische Vorrichtung anzeigt, verbindet, eine Unidirektionalität enthält, die von der elektronischen Vorrichtung zu dem umgebenden Objekt gerichtet ist.
  15. Die elektronische Vorrichtung nach Anspruch 13, wobei der Prozessor so konfiguriert ist, dass er: zwei Knoten, die durch eine Kante verbunden sind, auf der Grundlage von Zustandsinformationen über die elektronische Vorrichtung und Zustandsinformationen über jedes der umgebenden Objekte relativ zu bewerten und jedem der Knoten Bedeutung zuzuweisen, wobei die zwei Knoten die elektronische Vorrichtung und eines der umgebenden Objekte oder zwei der umgebenden Objekte sind, und ein neuronales Netz mit Graphenfaltung unter Verwendung einer Adjazenzmatrix konfigurieren, deren Bedeutung berücksichtigt wurde.
  16. Elektronische Vorrichtung nach Anspruch 15, bei der der Prozessor so konfiguriert ist, dass er die zukünftigen Trajektorien aus dem neuronalen Graphenfaltungsnetz auf der Grundlage eines Netzwerks mit Langzeit-Kurzzeitspeicher (LSTM) vorhersagt.
  17. Die elektronische Vorrichtung nach Anspruch 11, bei der der Prozessor so konfiguriert ist, dass er ein sich bewegendes Koordinatensystem auf der Grundlage eines Konstantgeschwindigkeitsmodells unter Verwendung von Zustandsinformationen über die elektronische Vorrichtung zu konfigurieren, die relativen Positionen der umgebenden Objekte auf dem sich bewegenden Koordinatensystem darstellen, und die historischen Trajektorien auf der Grundlage der zeitseriellen Positionen zu erkennen.
  18. Elektronische Vorrichtung nach Anspruch 17, wobei der Prozessor so konfiguriert ist, dass er die zukünftigen Trajektorien auf dem sich bewegenden Koordinatensystem vorhersagt.
  19. Die elektronische Vorrichtung nach Anspruch 11, wobei der Prozessor so konfiguriert ist, dass er die elektronische Vorrichtung auf der Grundlage der geplanten Fahrtrajektorie steuert.
  20. Das elektronische Gerät aus Anspruch 11, wobei die elektronische Vorrichtung ein autonomes Fahrzeug ist, und wobei die umgebenden Objekte Fahrzeuge um das elektronische Gerät herum sind.
DE102020129072.1A 2020-02-24 2020-11-04 Elektronische vorrichtung zur integration und vorhersage zukünftiger trajektorien einer beliebigen anzahl von umgebenden fahrzeugen und verfahren zum betrieb dieser vorrichtung Pending DE102020129072A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR10-2020-0022060 2020-02-24
KR1020200022060A KR102192348B1 (ko) 2020-02-24 2020-02-24 불특정 다수의 주변 차량들에 대한 미래 경로 통합 예측을 위한 전자 장치 및 그의 동작 방법

Publications (1)

Publication Number Publication Date
DE102020129072A1 true DE102020129072A1 (de) 2021-08-26

Family

ID=74089810

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102020129072.1A Pending DE102020129072A1 (de) 2020-02-24 2020-11-04 Elektronische vorrichtung zur integration und vorhersage zukünftiger trajektorien einer beliebigen anzahl von umgebenden fahrzeugen und verfahren zum betrieb dieser vorrichtung

Country Status (4)

Country Link
US (1) US20210261167A1 (de)
KR (1) KR102192348B1 (de)
DE (1) DE102020129072A1 (de)
WO (1) WO2021172675A1 (de)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US11873012B2 (en) * 2020-07-17 2024-01-16 Honda Motor Co., Ltd. System and method for providing social-stage spatio-temporal multi-modal future forecasting
CN112863180B (zh) * 2021-01-11 2022-05-06 腾讯大地通途（北京）科技有限公司 交通速度预测方法、装置、电子设备及计算机可读介质
WO2022231519A1 (en) * 2021-04-26 2022-11-03 Nanyang Technological University Trajectory predicting methods and systems
CN115246416B (zh) * 2021-05-13 2023-09-26 上海仙途智能科技有限公司 轨迹预测方法、装置、设备及计算机可读存储介质
US20220371622A1 (en) * 2021-05-21 2022-11-24 Honda Motor Co., Ltd. System and method for completing joint risk localization and reasoning in driving scenarios
CN113740837B (zh) * 2021-09-01 2022-06-24 广州文远知行科技有限公司 一种障碍物跟踪方法、装置、设备及存储介质
CN113954864B (zh) * 2021-09-22 2024-05-14 江苏大学 一种融合周边车辆交互信息的智能汽车轨迹预测系统及方法
CN114194213A (zh) * 2021-12-29 2022-03-18 北京三快在线科技有限公司 一种目标物轨迹预测方法、装置、存储介质及电子设备

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200022060A (ko) 2018-08-21 2020-03-03 삼성디스플레이 주식회사 지문 인식 장치 및 지문 인식 장치의 구동 방법

Family Cites Families (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102013210263A1 (de) * 2013-06-03 2014-12-04 Robert Bosch Gmbh Belegungskarte für ein Fahrzeug
KR101874186B1 (ko) * 2016-08-19 2018-07-03 한양대학교 산학협력단 기계 학습을 통한 주변 차량의 주행 경로 예측 방법 및 이를 이용하는 차량 제어 방법
KR102374078B1 (ko) * 2017-09-15 2022-03-14 현대모비스 주식회사 자율 주행 장치, 방법 및 시스템
KR101951595B1 (ko) * 2018-05-18 2019-02-22 한양대학교 산학협력단 모듈형 순환 신경망 구조 기반 차량 경로 예측 시스템 및 방법
US11436504B1 (en) * 2018-06-11 2022-09-06 Apple Inc. Unified scene graphs
JP7036689B2 (ja) * 2018-08-10 2022-03-15 株式会社日立製作所 計算機システム
US10990099B2 (en) * 2018-11-16 2021-04-27 Great Wall Motor Company Limited Motion planning methods and systems for autonomous vehicle
US11300959B2 (en) * 2019-08-30 2022-04-12 Huawei Technologies Co., Ltd. System and method for predictive path planning in autonomous vehicles
US11507830B2 (en) * 2019-09-13 2022-11-22 Honda Motor Co., Ltd. System and method for providing object-level driver attention reasoning with a graph convolution network
KR102068279B1 (ko) * 2019-10-04 2020-01-20 주식회사 루닛 이미지 분석 방법 및 시스템

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20200022060A (ko) 2018-08-21 2020-03-03 삼성디스플레이 주식회사 지문 인식 장치 및 지문 인식 장치의 구동 방법

Also Published As

Publication number Publication date
WO2021172675A1 (ko) 2021-09-02
KR102192348B1 (ko) 2020-12-17
US20210261167A1 (en) 2021-08-26

Similar Documents

Publication Publication Date Title
DE102020129072A1 (de) Elektronische vorrichtung zur integration und vorhersage zukünftiger trajektorien einer beliebigen anzahl von umgebenden fahrzeugen und verfahren zum betrieb dieser vorrichtung
DE102019108477A1 (de) Automatische navigation unter verwendung von deep reinforcement learning
DE102019104974A1 (de) Verfahren sowie System zum Bestimmen eines Fahrmanövers
EP3695244B1 (de) Verfahren und vorrichtung zum erzeugen eines inversen sensormodells und verfahren zum erkennen von hindernissen
DE102017126877A1 (de) Automatisierte Copilot-Steuerung für autonome Fahrzeuge
DE102017204404B3 (de) Verfahren und Vorhersagevorrichtung zum Vorhersagen eines Verhaltens eines Objekts in einer Umgebung eines Kraftfahrzeugs und Kraftfahrzeug
DE112017003817T5 (de) Steuerungsvorrichtung und Steuerungsprogramm für selbstfahrendes Fahrzeug
DE102018116633A1 (de) Vorrichtung und verfahren zum steuern einer fahrmodusumschaltung eines fahrzeugs und fahrzeugsystem
DE102015202367A1 (de) Autonome steuerung in einer dichten fahrzeugumgebung
DE102020103509A1 (de) Erkennung und vermeidung von kollisionsverhalten
WO2020016385A1 (de) Verfahren und system zum bestimmen einer position eines fahrzeugs
DE102021125166A1 (de) Bestimmung von seitenwindrisiken
DE102020103633A1 (de) Weg-planungs fusion für ein fahrzeug
DE102021104044A1 (de) Neuronales netzwerk zur positionsbestimmung und objektdetektion
DE112021006846T5 (de) Systeme und Verfahren zur szenarioabhängigen Trajektorienbewertung
DE102018212033A1 (de) Verfahren und Steuergerät zum Bestimmen einer Fahrttrajektorie für ein querdynamisches Fahrmanöver für ein Fahrzeug
DE102020105619A1 (de) System und verfahren zur bestimmung der fahrzeugposition
DE102019114626B4 (de) Kraftfahrzeug mit einem System zur Hardware-Überprüfung in einem Kraftfahrzeug
DE102008063033A1 (de) Vorrichtung und Verfahren zur Erkennung von Kollisionen mit erhöhter funktionaler Sicherheit
DE102020122086A1 (de) Messen von vertrauen in tiefen neuronalen netzwerken
DE102023101951A1 (de) Fahrzeugsteuerung für optimierten betrieb
DE102022132111A1 (de) Systeme und verfahren zum erfassen einer inferenzqualität eines tiefen neuronalen netzes unter verwendung von bild-/datenmanipulation ohne ground-truth-informationen
DE102022109162A1 (de) Verbesserter fahrzeug- und anhängerbetrieb
DE102020200876B4 (de) Verfahren zum Verarbeiten von Sensordaten einer Sensorik eines Fahrzeugs
DE102022107845A1 (de) Verfahren, System und Computerprogrammprodukt zur Auswahl von konkreten Szenarien

Legal Events

Date Code Title Description
R012 Request for examination validly filed