DE102021132849A1 - Verfolgung mehrerer ziele mit abhängigen wahrscheinlichkeitsstrukturen - Google Patents

Verfolgung mehrerer ziele mit abhängigen wahrscheinlichkeitsstrukturen Download PDF

Info

Publication number
DE102021132849A1
DE102021132849A1 DE102021132849.7A DE102021132849A DE102021132849A1 DE 102021132849 A1 DE102021132849 A1 DE 102021132849A1 DE 102021132849 A DE102021132849 A DE 102021132849A DE 102021132849 A1 DE102021132849 A1 DE 102021132849A1
Authority
DE
Germany
Prior art keywords
hypotheses
candidate
criterion
hypothesis
candidate hypotheses
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
DE102021132849.7A
Other languages
English (en)
Inventor
Lingji Chen
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.)
Motional AD LLC
Original Assignee
Motional AD LLC
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 Motional AD LLC filed Critical Motional AD LLC
Publication of DE102021132849A1 publication Critical patent/DE102021132849A1/de
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/277—Analysis of motion involving stochastic approaches, e.g. using Kalman filters
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/246—Analysis of motion using feature-based methods, e.g. the tracking of corners or segments
    • 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
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • 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
    • G05D1/0214—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory in accordance with safety or protection criteria, e.g. avoiding hazardous areas
    • 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
    • G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/211—Selection of the most significant subset of features
    • G06F18/2113—Selection of the most significant subset of features by ranking or filtering the set of features, e.g. using a measure of variance or of feature cross-correlation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/217—Validation; Performance evaluation; Active pattern learning techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/20—Analysis of motion
    • G06T7/292—Multi-camera tracking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • 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
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10004—Still image; Photographic image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30241—Trajectory
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • G06T2207/30252—Vehicle exterior; Vicinity of vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2210/00—Indexing scheme for image generation or computer graphics
    • G06T2210/21—Collision detection, intersection
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V2201/00—Indexing scheme relating to image or video recognition or understanding
    • G06V2201/07—Target detection

Landscapes

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

Abstract

Die vorliegende Offenbarung weist Systeme, Verfahren und computerlesbare Speichermedien auf, welche die Verfolgung mehrerer Ziele mit abhängigen Wahrscheinlichkeitsstrukturen erleichtern. Zur Erleichterung der Verfolgung können Sensordaten in Zusammenhang mit einer Umgebung, in der sich ein Fahrzeug befindet, empfangen werden. Ein Satz von Kandidatenhypothesen kann auf der Grundlage der Sensordaten erhalten werden. Jede Kandidatenhypothese im Satz von Kandidatenhypothesen kann Verfolgungs- und Messinformationen aufweisen, die Kandidatenorte für ein oder mehrere Ziele repräsentieren. Der Satz von Kandidatenhypothesen wird in Bezug auf wenigstens ein Kriterium beurteilt. Ein mit einer Rangordnung versehener Satz von Hypothesen wird auf der Grundlage der Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das wenigstens eine Kriterium bestimmt. Der mit einer Rangordnung versehene Satz von Hypothesen kann eine aus dem Satz von Kandidatenhypothesen ausgewählte Teilmenge von Hypothesen aufweisen und zur Schätzung des Orts jedes von dem einen oder den mehreren Zielen verwendet werden.

Description

  • HINTERGRUND
  • Die Verfolgung von Zielen spielt bei vielen verschiedenen Technologien eine wichtige Rolle. Beispielsweise kann eine Verfolgung von einem autonomen Fahrzeug verwendet werden, um andere Fahrzeuge zu verfolgen, und können die Informationen über die verfolgten Fahrzeuge verwendet werden, um Navigationsentscheidungen zu treffen. Infolge beschränkter Rechenressourcen nehmen aktuelle Verfolgungstechniken häufig an, dass eine individuelle Ziel-Messung-Assoziationswahrscheinlichkeit von anderen unabhängig ist (beispielsweise unabhängig davon gleich bleibt, zu welcher Hypothese sie gehört). Es gibt jedoch Situationen, in denen die Unabhängigkeitsannahme nicht gilt, und diese Situationen können die Genauigkeit der Verfolgung beeinträchtigen.
  • Figurenliste
  • Es zeigen:
    • 1 eine beispielhafte Umgebung, in der ein Fahrzeug, das eine oder mehrere Komponenten eines autonomen Systems gemäß Aspekten der vorliegenden Offenbarung aufweist, implementiert werden kann,
    • 2 ein Diagramm eines oder mehrerer Systeme eines Fahrzeugs, das ein autonomes System gemäß Aspekten der vorliegenden Offenbarung aufweist,
    • 3 ein Diagramm von Komponenten einer oder mehrerer Vorrichtungen und/oder eines oder mehrerer Systeme aus den 1 und 2,
    • 4 ein Diagramm gewisser Komponenten eines autonomen Systems gemäß Aspekten der vorliegenden Offenbarung,
    • die 5A - 5G Diagramme einer Implementation eines Prozesses zur Verfolgung mehrerer Ziele mit abhängigen Wahrscheinlichkeitsstrukturen gemäß der vorliegenden Offenbarung,
    • 6 ein Flussdiagramm eines Prozesses zur Ausführung einer Verfolgung mehrerer Ziele mit abhängigen Wahrscheinlichkeitsstrukturen gemäß der vorliegenden Offenbarung,
    • 7 ein Blockdiagramm zur Veranschaulichung von Aspekten eines Verfolgungssystems gemäß der vorliegenden Offenbarung,
    • 8 ein Blockdiagramm zur Veranschaulichung von Aspekten der Ausführung einer Verfolgung mehrerer Ziele gemäß der vorliegenden Offenbarung,
    • 9 ein Blockdiagramm zur Veranschaulichung beispielhafter Aspekte einer Kollisionsstruktur zur Verfolgung von Zielen gemäß der vorliegenden Offenbarung,
    • 10 ein Blockdiagramm zur Veranschaulichung beispielhafter Aspekte einer Verdeckungsstruktur zur Verfolgung von Zielen gemäß der vorliegenden Offenbarung,
    • 11 eine Auftragung zur Veranschaulichung einer Verfolgung gemäß der vorliegenden Offenbarung und
    • die 12A - 12B eine Auftragung zur Veranschaulichung einer Verfolgung auf der Grundlage einer Unabhängigkeitsannahme.
  • DETAILLIERTE BESCHREIBUNG
  • In der folgenden Beschreibung werden für die Zwecke der Erklärung zahlreiche spezifische Einzelheiten dargelegt, um ein gründliches Verständnis der vorliegenden Offenbarung bereitzustellen. Es ist jedoch zu verstehen, dass die durch die vorliegende Offenbarung beschriebenen Ausführungsformen ohne diese spezifischen Einzelheiten verwirklicht werden können. In einigen Fällen sind wohlbekannte Strukturen und Vorrichtungen in Form eines Blockdiagramms dargestellt, um es zu vermeiden, Aspekte der vorliegenden Offenbarung unnötig unverständlich zu machen.
  • Spezifische Anordnungen oder Reihenfolgen schematischer Elemente in der Art jener, die Systeme, Vorrichtungen, Module, Befehlsblöcke, Datenelemente und/oder dergleichen repräsentieren, sind zur Vereinfachung der Beschreibung in den Zeichnungen dargestellt. Fachleute werden jedoch verstehen, dass die spezifische Reihenfolge oder Anordnung der schematischen Elemente in den Zeichnungen nicht implizieren soll, dass eine bestimmte Ordnung oder Sequenz der Verarbeitung oder Trennung von Prozessen erforderlich ist, es sei denn, dass dies explizit so beschrieben wird. Ferner soll die Aufnahme eines schematischen Elements in einer Zeichnung nicht implizieren, dass dieses Element in allen Ausführungsformen benötigt wird oder dass die durch dieses Element repräsentierten Merkmale nicht gemäß einigen Ausführungsformen in andere Elemente aufgenommen oder mit diesen kombiniert werden können, es sei denn, dass dies explizit so beschrieben wird.
  • Ferner soll in den Zeichnungen an Stellen, an denen verbindende Elemente, beispielsweise durchgezogene oder gestrichelte Linien oder Pfeile, verwendet werden, um eine Verbindung, Beziehung oder Assoziation zwischen oder unter zwei oder mehr anderen schematischen Elementen darzustellen, das Nichtvorhandensein solcher verbindender Elemente nicht bedeuten, dass dadurch impliziert wird, dass keine Verbindung, Beziehung oder Assoziation existieren kann. Mit anderen Worten sind in den Zeichnungen einige Verbindungen, Beziehungen oder Assoziationen zwischen Elementen nicht dargestellt, um die Offenbarung nicht unverständlich zu machen. Zusätzlich kann im Interesse einer einfachen Darstellung ein einziges verbindendes Element verwendet werden, um mehrere Verbindungen, Beziehungen oder Assoziationen zwischen Elementen zu repräsentieren. Beispielsweise sollten Fachleute an Stellen, an denen ein verbindendes Element eine Kommunikation von Signalen, Daten oder Befehlen (beispielsweise „Softwarebefehlen“) repräsentiert, verstehen, dass dieses Element einen oder mehrere Signalwege (beispielsweise einen Bus) repräsentieren kann, wie es erforderlich sein kann, um die Kommunikation auszuführen.
  • Wenngleich die Begriffe erster, zweiter, dritter und/oder dergleichen verwendet werden, um verschiedene Elemente zu beschreiben, sollten diese Elemente nicht durch diese Begriffe beschränkt werden. Die Begriffe erster, zweiter, dritter und/oder dergleichen werden nur zur Unterscheidung eines Elements von einem anderen verwendet. Beispielsweise könnte ein erster Kontakt als ein zweiter Kontakt bezeichnet werden und könnte ähnlich ein zweiter Kontakt als ein erster Kontakt bezeichnet werden, ohne vom Schutzumfang der beschriebenen Ausführungsformen abzuweichen. Der erste und der zweite Kontakt sind beide Kontakte, sie sind jedoch nicht derselbe Kontakt.
  • Die in der Beschreibung der verschiedenen hier beschriebenen Ausführungsformen verwendete Terminologie dient nur der Beschreibung bestimmter Ausführungsformen und ist nicht als einschränkend vorgesehen. Wie in der Beschreibung der verschiedenen beschriebenen Ausführungsformen und den anliegenden Ansprüchen verwendet, sollen die Singularformen „ein/eine/eines“ und „der/die/das“ auch die Pluralformen einschließen und können austauschbar mit „ein/eine/eines oder mehrere“ oder „wenigstens ein/eine/eines“ verwendet werden, es sei denn, dass der Zusammenhang klar etwas anderes angibt. Es sei auch bemerkt, dass der Begriff „und/oder“, wie er hier verwendet wird, jegliche und alle möglichen Kombinationen eines oder mehrerer der assoziierten aufgezählten Bestandteile betrifft und diese umfasst. Es ist ferner zu verstehen, dass die Begriffe „weist auf‟, „aufweisend“, „umfasst“ und/oder „umfassend“, wenn sie in dieser Beschreibung verwendet werden, das Vorhandensein erwähnter Merkmale, natürlicher Zahlen, Schritte, Operationen, Elemente und/oder Komponenten spezifizieren, jedoch nicht das Vorhandensein oder das Hinzufügen eines oder mehrerer anderer Merkmale, natürlicher Zahlen, Schritte, Operationen, Elemente, Komponenten und/oder Gruppen davon ausschließen.
  • Hier beziehen sich die Begriffe „Kommunikation“ und „Kommunizieren“ auf wenigstens einen vom Empfang, von der Entgegennahme, von der Aussendung, der Übertragung, der Bereitstellung und/oder dergleichen von Informationen (oder Informationen, die beispielsweise durch Daten, Signale, Nachrichten, Befehle, Anweisungen und/oder dergleichen repräsentiert sind). Dass eine Einheit (beispielsweise eine Vorrichtung, ein System, eine Komponente einer Vorrichtung oder eines Systems, Kombinationen davon und/oder dergleichen) in Kommunikation mit einer anderen Einheit steht, bedeutet, dass die eine Einheit in der Lage ist, direkt oder indirekt Informationen von der anderen Einheit zu empfangen und/oder zu dieser zu senden (beispielsweise zu übertragen). Dies kann sich auf eine direkte oder indirekte Verbindung beziehen, die der Natur nach festverdrahtet und/oder drahtlos ist. Zusätzlich können zwei Einheiten in Kommunikation miteinander stehen, selbst wenn die übertragenen Informationen zwischen der ersten und der zweiten Einheit modifiziert, verarbeitet, vermittelt und/oder weitergeleitet werden können. Beispielsweise kann eine erste Einheit in Kommunikation mit einer zweiten Einheit stehen, selbst wenn die erste Einheit passiv Informationen empfängt und nicht aktiv Informationen zur zweiten Einheit sendet. Bei einem anderen Beispiel kann eine erste Einheit in Kommunikation mit einer zweiten Einheit stehen, falls wenigstens eine Zwischeneinheit (beispielsweise eine dritte Einheit, die sich zwischen der ersten Einheit und der zweiten Einheit befindet) von der ersten Einheit empfangene Informationen verarbeitet und die verarbeiteten Informationen zur zweiten Einheit sendet. Gemäß einigen Ausführungsformen kann sich eine Nachricht auf ein Netzpaket (beispielsweise ein Datenpaket und/oder dergleichen), das Daten aufweist, beziehen.
  • Hier sollte der Begriff „falls“ abhängig vom Zusammenhang optional als „wenn“, „bei“, „ansprechend auf eine Feststellung“, „ansprechend auf eine Erkennung“ und/oder dergleichen bedeutend ausgelegt werden. Ähnlich sollte der Ausdruck „falls festgestellt wird“ oder „falls [eine erwähnte Bedingung oder ein erwähntes Ereignis] erkannt wird“ abhängig vom Zusammenhang optional als „bei einer Feststellung“, „ansprechend auf eine Feststellung“, „bei einer Erkennung [der erwähnten Bedingung oder des erwähnten Ereignisses]“, „ansprechend auf eine Erkennung [der erwähnten Bedingung oder des erwähnten Ereignisses]“ und/oder dergleichen bedeutend ausgelegt werden. Auch sind die Begriffe „weist auf‟, „weisen auf‟, „aufweisend“ oder dergleichen wie hier verwendet als offene Begriffe vorgesehen. Ferner soll der Ausdruck „basierend auf“ als „zumindest teilweise basierend auf“ verstanden werden, es sei denn, dass etwas anderes explizit ausgesagt wird.
  • Einige Ausführungsformen der vorliegenden Offenbarung werden hier in Zusammenhang mit einer Schwelle beschrieben. Wie hier beschrieben, kann sich das Erfüllen einer Schwelle auf einen Wert beziehen, der größer als die Schwelle ist, die Schwelle überschreitet, höher als die Schwelle ist, größer oder gleich der Schwelle ist, kleiner als die Schwelle ist, geringer als die Schwelle ist, niedriger als die Schwelle ist, kleiner oder gleich der Schwelle ist, gleich der Schwelle ist und/oder dergleichen.
  • Es wird nun detailliert auf Ausführungsformen Bezug genommen, von denen Beispiele in den anliegenden Zeichnungen dargestellt sind. In der folgenden detaillierten Beschreibung werden zahlreiche spezifische Einzelheiten dargelegt, um ein gründliches Verständnis der verschiedenen beschriebenen Ausführungsformen bereitzustellen. Durchschnittsfachleute auf dem Gebiet werden jedoch verstehen, dass die verschiedenen beschriebenen Ausführungsformen ohne diese spezifischen Einzelheiten verwirklicht werden können. In anderen Fällen wurden wohlbekannte Verfahren, Prozeduren, Komponenten, Schaltungen und Netze nicht detailliert beschrieben, um Aspekte der Ausführungsformen nicht unnötig unverständlich zu machen.
  • Allgemeiner Überblick
  • Gemäß einigen Aspekten und/oder Ausführungsformen weisen hier beschriebene Systeme, Verfahren und Computerprogrammprodukte einen Prozess zur Ausführung einer Verfolgung mehrerer Ziele mit abhängigen Wahrscheinlichkeitsstrukturen auf und/oder implementieren diesen. Bei einem beispielhaften Verfahren gemäß der vorliegenden Offenbarung werden mit wenigstens einem Prozessor Sensordaten in Zusammenhang mit einer Umgebung, in der sich ein Fahrzeug befindet, empfangen. Beim Verfahren wird auch mit dem wenigstens einen Prozessor ein Satz von Kandidatenhypothesen auf der Grundlage der Sensordaten erhalten. Jede Kandidatenhypothese im Satz von Kandidatenhypothesen kann Orte eines oder mehrerer Ziele repräsentierende Verfolgungs- und Messinformationen aufweisen. Beim Verfahren wird zusätzlich mit dem wenigstens einen Prozessor der Satz von Kandidatenhypothesen in Bezug auf wenigstens ein Kriterium beurteilt und mit dem wenigstens einen Prozessor ein mit einer Rangordnung versehener Satz von Hypothesen auf der Grundlage der Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das wenigstens eine Kriterium bestimmt. Der mit einer Rangordnung versehene Satz von Hypothesen kann eine Teilmenge der aus dem Satz von Kandidatenhypothesen auf der Grundlage des wenigstens einen Kriteriums ausgewählten Hypothesen aufweisen. Beim Verfahren wird auch mit dem wenigstens einen Prozessor der Ort jedes von dem einen oder den mehreren Zielen auf der Grundlage des mit einer Rangordnung versehenen Satzes von Hypothesen geschätzt.
  • Ein System gemäß der vorliegenden Offenbarung kann wenigstens einen Prozessor und wenigstens ein nichtflüchtiges Speichermedium aufweisen, das Befehle speichert, die, wenn sie durch den wenigstens einen Prozessor ausgeführt werden, den wenigstens einen Prozessor veranlassen, Operationen für die Verfolgung mehrerer Ziele mit abhängigen Wahrscheinlichkeitsstrukturen auszuführen. Beispielsweise kann der wenigstens eine Prozessor Sensordaten in Zusammenhang mit einer Umgebung, in der sich ein Fahrzeug befindet, empfangen und einen Satz von Kandidatenhypothesen auf der Grundlage der Sensordaten erhalten. Jede Kandidatenhypothese im Satz von Kandidatenhypothesen kann Orte eines oder mehrerer Ziele repräsentierende Verfolgungs- und Messinformationen aufweisen. Der wenigstens eine Prozessor kann den Satz von Kandidatenhypothesen auch in Bezug auf wenigstens ein Kriterium beurteilen und einen mit einer Rangordnung versehenen Satz von Hypothesen auf der Grundlage der Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das wenigstens eine Kriterium bestimmen. Der mit einer Rangordnung versehene Satz von Hypothesen umfasst eine aus dem Satz von Kandidatenhypothesen auf der Grundlage des wenigstens einen Kriteriums ausgewählte Teilmenge von Hypothesen. Der wenigstens eine Prozessor kann auch den Ort jedes von dem einen oder den mehreren Zielen auf der Grundlage des mit einer Rangordnung versehenen Satzes von Hypothesen schätzen.
  • Es wird auch wenigstens ein nichtflüchtiges computerlesbares Speichermedium, das Befehle speichert, die, wenn sie durch einen oder mehrere Prozessoren ausgeführt werden, den einen oder die mehreren Prozessoren veranlassen, Operationen für die Verfolgung mehrerer Ziele mit abhängigen Wahrscheinlichkeitsstrukturen auszuführen, offenbart. Die Operationen beinhalten das Empfangen von Sensordaten in Zusammenhang mit einer Umgebung, in der sich ein Fahrzeug befindet, und das Erhalten eines Satzes von Kandidatenhypothesen auf der Grundlage der Sensordaten. Jede Kandidatenhypothese im Satz von Kandidatenhypothesen kann Verfolgungs- und Messinformationen, die einen Kandidatenort eines oder mehrerer Ziele repräsentieren, aufweisen. Die Operationen beinhalten auch das Beurteilen des Satzes von Kandidatenhypothesen in Bezug auf wenigstens ein Kriterium und das Bestimmen eines mit einer Rangordnung versehenen Satzes von Hypothesen auf der Grundlage der Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das wenigstens eine Kriterium. Der mit einer Rangordnung versehene Satz von Hypothesen kann eine Teilmenge der aus dem Satz von Kandidatenhypothesen auf der Grundlage des wenigstens einen Kriteriums ausgewählten Hypothesen aufweisen. Die Operationen beinhalten auch das Schätzen eines Orts jedes von dem einen oder den mehreren Zielen auf der Grundlage des mit einer Rangordnung versehenen Satzes von Hypothesen.
  • Durch die Implementation hier beschriebener Systeme, Verfahren und Computerprogrammprodukte verringern Techniken zur Verfolgung mehrerer Ziele mit abhängigen Wahrscheinlichkeitsstrukturen gemäß der vorliegenden Offenbarung wirksam die Anzahl der Hypothesen, über die Ziele verfolgt werden, wodurch die rechnerische Komplexität des Verfolgungssystems verringert wird (beispielsweise weniger Rechenressourcen erforderlich sind, um die Verfolgung auszuführen). Es sei bemerkt, dass trotz der Verwendung einer geringeren Anzahl von Hypothesen die offenbarten Verfolgungstechniken eine schnelle Identifikation von Instanzen von Kollisions- und Verdeckungsbedingungen ermöglichen, wodurch die Verfolgungsgenauigkeit verbessert wird. Überdies können die offenbarten Verfolgungstechniken infolge der hohen Genauigkeitsniveaus und verringerten rechnerischen Komplexitäten es auch ermöglichen, dass mehr Ziele gleichzeitig verfolgt werden.
  • 1 zeigt nun eine beispielhafte Umgebung 100, in der Fahrzeuge, die autonome Systeme aufweisen, sowie Fahrzeuge, bei denen dies nicht der Fall ist, betrieben werden. Wie dargestellt, weist die Umgebung 100 Fahrzeuge 102a - 102n, Objekte 104a - 104n, Routen 106a - 106n, einen Bereich 108, eine Fahrzeug-zu-Infrastruktur(V2I)-Vorrichtung 110, ein Netz 112, ein Fernes-autonomes-Fahrzeug(AV)-System 114, ein Flottenverwaltungssystem 116 und ein V2I-System 118 auf. Die Fahrzeuge 102a - 102n, die Fahrzeug-zu-Infrastruktur(V2I)-Vorrichtung 110, das Netz 112, das Autonomes-Fahrzeug(AV)-System 114, das Flottenverwaltungssystem 116 und das V2I-System 118 sind durch festverdrahtete Verbindungen, drahtlose Verbindungen oder eine Kombination festverdrahteter oder drahtloser Verbindungen miteinander verbunden (stellen beispielsweise eine Verbindung zur Kommunikation und/oder dergleichen) her. Gemäß einigen Ausführungsformen sind Objekte 104a - 104n durch festverdrahtete Verbindungen, drahtlose Verbindungen oder eine Kombination festverdrahteter oder drahtloser Verbindungen mit wenigstens einem der Fahrzeuge 102a - 102n, der Fahrzeug-zu-Infrastruktur(V2I)-Vorrichtung 110, des Netzes 112, des Autonomes-Fahrzeug(AV)-Systems 114, des Flottenverwaltungssystems 116 und des V2I-Systems 118 verbunden.
  • Fahrzeuge 102a - 102n (individuell als Fahrzeug 102 und gemeinsam als Fahrzeuge 102 bezeichnet) weisen wenigstens eine Vorrichtung auf, die dafür ausgelegt ist, Waren und/oder Personen zu transportieren. Gemäß einigen Ausführungsformen sind Fahrzeuge 102 dafür ausgelegt, über das Netz 112 in Kommunikation mit der V2I-Vorrichtung 110, dem Fern-AV-System 114, dem Flottenverwaltungssystem 116 und/oder dem V2I-System 118 zu stehen. Gemäß einigen Ausführungsformen umfassen Fahrzeuge 102 Personenkraftwagen, Busse, Lastwagen, Züge und/oder dergleichen. Gemäß einigen Ausführungsformen gleichen oder ähneln die Fahrzeuge 102 hier beschriebenen Fahrzeugen 200 (siehe 2). Gemäß einigen Ausführungsformen ist ein Fahrzeug 200 eines Satzes von Fahrzeugen 200 mit einem Autonome-Flotte-Manager assoziiert. Gemäß einigen Ausführungsformen fahren Fahrzeuge 102 entlang jeweiligen Routen 106a - 106n (individuell als Route 106 und gemeinsam als Routen 106 bezeichnet), wie hier beschrieben. Gemäß einigen Ausführungsformen weisen ein oder mehrere Fahrzeuge 102 ein autonomes System (beispielsweise ein autonomes System, das dem autonomen System 202 gleicht oder ähnelt) auf.
  • Objekte 104a - 104n (individuell als Objekt 104 und gemeinsam als Objekte 104 bezeichnet) umfassen beispielsweise wenigstens ein Fahrzeug, wenigstens einen Fußgänger, wenigstens einen Radfahrer, wenigstens eine Struktur (beispielsweise ein Gebäude, ein Zeichen, einen Feuerhydranten usw.) und/oder dergleichen. Jedes Objekt 104 ist stationär (befindet sich beispielsweise während eines Zeitraums an einem festen Ort) oder mobil (weist beispielsweise eine Geschwindigkeit auf und ist mit wenigstens einer Fahrstrecke assoziiert). Gemäß einigen Ausführungsformen sind Objekte 104 mit entsprechenden Orten im Bereich 108 assoziiert.
  • Routen 106a - 106n (individuell als Route 106 und gemeinsam als Routen 106 bezeichnet) sind jeweils mit einer Sequenz von Aktionen (auch als Fahrstrecke bekannt), die Zustände verbinden, entlang derer ein AV navigieren kann, assoziiert (schreiben diese beispielsweise vor). Jede Route 106 beginnt an einem Anfangszustand (beispielsweise einem Zustand, der einem ersten räumlich-zeitlichen Ort, einer Geschwindigkeit und/oder dergleichen entspricht) und einem Endzielzustand (beispielsweise einem Zustand, der einem zweiten räumlich-zeitlichen Ort entspricht, welcher sich vom ersten räumlich-zeitlichen Ort unterscheidet) oder Zielgebiet (beispielsweise einem Teilraum akzeptierbarer Zustände (beispielsweise Endzustände)). Gemäß einigen Ausführungsformen umfasst der erste Zustand einen Ort, an dem eine oder mehrere Personen durch das AV aufzunehmen sind, und umfasst der zweite Zustand oder das zweite Gebiet einen oder mehrere Orte, an denen die eine oder die mehreren vom AV aufgenommenen Personen abzusetzen sind. Gemäß einigen Ausführungsformen umfassen Routen 106 mehrere akzeptierbare Zustandssequenzen (beispielsweise mehrere räumlich-zeitliche Ortssequenzen), wobei die mehreren Zustandssequenzen mit mehreren Fahrstrecken assoziiert sind (beispielsweise diese definieren). Bei einem Beispiel umfassen Routen 106 nur Aktionen hoher Ebene oder ungenaue Zustandsorte, wie eine Reihe miteinander verbundener Straßen, die Abbiegerichtungen an Straßenkreuzungen vorschreiben. Zusätzlich oder alternativ können Routen 106 genauere Aktionen oder Zustände wie beispielsweise spezifische Zielfahrspuren oder genaue Orte innerhalb der Fahrspurbereiche und die angestrebte Geschwindigkeit an diesen Positionen umfassen. Bei einem Beispiel umfassen Routen 106 mehrere genaue Zustandssequenzen entlang der wenigstens einen Aktionssequenz hoher Ebene mit einem begrenzten Vorschauhorizont zur Erreichung von Zwischenzielen, wobei die Kombination aufeinander folgender Iterationen von Zustandssequenzen mit einem begrenzten Horizont kumulativ mehreren Fahrstrecken entspricht, die gemeinsam die Route hoher Ebene zum Erreichen des Endzielzustands oder -gebiets bilden.
  • Der Bereich 108 umfasst einen physischen Bereich (beispielsweise ein geographisches Gebiet), innerhalb dessen Fahrzeuge 102 navigieren können. Bei einem Beispiel umfasst der Bereich 108 wenigstens einen Zustand (beispielsweise ein Land, eine Provinz, einen individuellen Staat mehrerer Staaten in einem Land usw.), wenigstens einen Teil eines Staats, wenigstens eine Stadt, wenigstens einen Teil einer Stadt usw. Gemäß einigen Ausführungsformen umfasst der Bereich 108 wenigstens eine benannte Durchgangsroute (hier als „Straße“ bezeichnet) in der Art einer Schnellstraße, einer Überlandschnellstraße, einer Schnellstraße mit beschränkter Fahrzeuggröße, einer Stadtstraße usw. Zusätzlich oder alternativ umfasst der Bereich 108 bei einigen Beispielen wenigstens eine unbenannte Straße in der Art einer Auffahrt, eines Abschnitts eines Parkplatzes, eines Abschnitts eines leeren und/oder unterentwickelten Grundstücks, eines unbefestigten Wegs usw. Gemäß einigen Ausführungsformen weist eine Straße wenigstens eine Fahrspur (beispielsweise einen Teil der Straße, der von Fahrzeugen 102 befahren werden kann) auf. Bei einem Beispiel weist eine Straße wenigstens eine Fahrspur in Zusammenhang mit wenigstens einer Fahrspurmarkierung (beispielsweise auf der Grundlage dieser identifiziert) auf.
  • Die Fahrzeug-zu-Infrastruktur(V2I)-Vorrichtung 110 (manchmal als Fahrzeug-zu-Infrastruktur(V2X)-Vorrichtung bezeichnet) umfasst wenigstens eine Vorrichtung, die dafür ausgelegt ist, mit Fahrzeugen 102 und/oder dem V2I-Infrastruktursystem 118 in Kommunikation zu stehen. Gemäß einigen Ausführungsformen ist die V2I-Vorrichtung 110 dafür ausgelegt, über das Netz 112 in Kommunikation mit Fahrzeugen 102, mit dem Fern-AV-System 114, mit dem Flottenverwaltungssystem 116 und/oder dem V2I-System 118 zu stehen. Gemäß einigen Ausführungsformen umfasst die V2I-Vorrichtung 110 eine Funkfrequenzidentifikations(RFID)-Vorrichtung, eine Ausschilderung, Kameras (beispielsweise zweidimensionale (2D) und/oder dreidimensionale (3D) Kameras), Fahrspurmarkierungen, Straßenleuchten, Parkuhren usw. Gemäß einigen Ausführungsformen ist die V2I-Vorrichtung 110 dafür ausgelegt, direkt mit Fahrzeugen 102 zu kommunizieren. Alternativ oder zusätzlich ist die V2I-Vorrichtung 110 gemäß einigen Ausführungsformen dafür ausgelegt, über das V2I-System 118 mit Fahrzeugen 102, mit dem Fern-AV-System 114 und/oder mit dem Flottenverwaltungssystem 116 zu kommunizieren. Gemäß einigen Ausführungsformen ist die V2I-Vorrichtung 110 dafür ausgelegt, über das Netz 112 mit dem V2I-System 118 zu kommunizieren.
  • Das Netz 112 umfasst ein oder mehrere festverdrahtete und/oder drahtlose Netze. Bei einem Beispiel umfasst das Netz 112 ein zellenbasiertes Netz (beispielsweise ein Long-Term-Evolution(LTE)-Netz, ein Netz der dritten Generation (3G-Netz), ein Netz der vierten Generation (4G-Netz), ein Netz der fünften Generation (5G-Netz), ein Codegetrenntlage-Vielfachzugriff(CDMA)-Netz usw.), ein öffentliches terrestrisches Mobilfunknetz (PLMN), ein lokales Netz (LAN), ein Weitbereichsnetz (WAN), ein Großstadtnetz (MAN), ein Telefonnetz (beispielsweise das öffentliche Wählverbindungsnetz (PSTN)), ein privates Netz, ein Adhoc-Netz, ein Intranet, das Internet, ein Netz auf Faseroptikbasis, ein Cloud-Rechennetz usw., eine Kombination einiger oder aller dieser Netze und/oder dergleichen.
  • Das Fern-AV-System 114 weist wenigstens eine Vorrichtung auf, die dafür ausgelegt ist, über das Netz 112 in Kommunikation mit Fahrzeugen 102, der V2I-Vorrichtung 110, dem Netz 112, dem Fern-AV-System 114, dem Flottenverwaltungssystem 116 und/oder dem V2I-System 118 zu stehen. Bei einem Beispiel weist das Fern-AV-System 114 einen Server, eine Gruppe von Servern und/oder andere vergleichbare Vorrichtungen auf. Gemäß einigen Ausführungsformen befindet sich das Fern-AV-System 114 am selben Ort wie das Flottenverwaltungssystem 116. Gemäß einigen Ausführungsformen ist das Fern-AV-System 114 an der Installation einiger oder aller der Komponenten eines Fahrzeugs, einschließlich eines autonomen Systems, eines Autonomes-Fahrzeug-Computers, durch einen Autonomes-Fahrzeug-Computer implementierter Software und/oder dergleichen, beteiligt. Gemäß einigen Ausführungsformen wartet das Fern-AV-System 114 solche Komponenten und/oder solche Software während der Lebensdauer der Vorrichtung (führt beispielsweise Aktualisierungen und/oder Ersetzungen aus).
  • Das Flottenverwaltungssystem 116 weist wenigstens eine Vorrichtung auf, die dafür ausgelegt ist, in Kommunikation mit Fahrzeugen 102, der V2I-Vorrichtung 110, dem Fern-AV-System 114 und/oder dem V2I-Infrastruktursystem 118 zu stehen. Bei einem Beispiel weist das Flottenverwaltungssystem 116 einen Server, eine Gruppe von Servern und/oder andere vergleichbare Vorrichtungen auf. Gemäß einigen Ausführungsformen ist das Flottenverwaltungssystem 116 mit einer Fahrgemeinschaftsfirma (beispielsweise einer Organisation, die den Betrieb mehrerer Fahrzeuge steuert (beispielsweise Fahrzeuge, die autonome Systeme aufweisen, und/oder Fahrzeuge, die keine autonomen Systeme aufweisen) und/oder dergleichen) assoziiert.
  • Gemäß einigen Ausführungsformen weist das V2I-System 118 wenigstens eine Vorrichtung auf, die dafür ausgelegt ist, über das Netz 112 in Kommunikation mit Fahrzeugen 102, der V2I-Vorrichtung 110, dem Fern-AV-System 114 und/oder dem Flottenverwaltungssystem 116 zu stehen. Bei einigen Beispielen ist das V2I-System 118 dafür ausgelegt, über eine vom Netz 112 verschiedene Verbindung in Kommunikation mit der V2I-Vorrichtung 110 zu stehen. Gemäß einigen Ausführungsformen weist das V2I-System 118 einen Server, eine Gruppe von Servern und/oder andere vergleichbare Vorrichtungen auf. Gemäß einigen Ausführungsformen ist das V2I-System 118 mit einer Kommunalverwaltung oder einer privaten Institution (beispielsweise einer privaten Institution, welche die V2I-Vorrichtung 110 und/oder dergleichen unterhält) assoziiert.
  • Die Anzahl und die Anordnung der in 1 dargestellten Elemente dienen als Beispiel. Es kann zusätzliche Elemente, weniger Elemente, andere Elemente und/oder anders angeordnete Elemente als die in 1 dargestellten geben. Zusätzlich oder alternativ kann wenigstens ein Element der Umgebung 100 eine oder mehrere Funktionen ausführen, die als durch wenigstens ein anderes Element aus 1 ausgeführt beschrieben wurden. Zusätzlich oder alternativ kann wenigstens ein Satz von Elementen der Umgebung 100 eine oder mehrere Funktionen ausführen, die als durch wenigstens einen anderen Satz der Elemente der Umgebung 100 ausgeführt beschrieben wurden.
  • Mit Bezug auf 2 sei nun bemerkt, dass das Fahrzeug 200 ein autonomes System 202, ein Antriebsstrang-Steuersystem 204, ein Lenksteuersystem 206 und ein Bremssystem 208 aufweist. Gemäß einigen Ausführungsformen gleicht oder ähnelt das Fahrzeug 200 dem Fahrzeug 102 (siehe 1). Gemäß einigen Ausführungsformen weist das Fahrzeug 102 eine Autonomiefähigkeit auf (beispielsweise Implementieren wenigstens einer Funktion, wenigstens eines Merkmals, wenigstens einer Vorrichtung und/oder dergleichen, wodurch es ermöglicht wird, dass das Fahrzeug 200 teilweise oder ganz ohne einen menschlichen Eingriff betrieben wird, einschließlich ohne Einschränkung vollständig autonomer Fahrzeuge (beispielsweise Fahrzeuge, die nicht auf einen menschlichen Eingriff vertrauen), hochgradig autonomer Fahrzeuge (beispielsweise Fahrzeuge, die in gewissen Situationen nicht auf einen menschlichen Eingriff vertrauen) und/oder dergleichen). Für eine detaillierte Beschreibung vollständig autonomer Fahrzeuge und hochgradig autonomer Fahrzeuge sei auf SAE International's Standard J3016: Taxonomy and Definitions for Terms Related to On-Road Motor Vehicle Automated Driving Systems, der durch Verweis in seiner Gesamtheit aufgenommen ist, verwiesen. Gemäß einigen Ausführungsformen ist das Fahrzeug 200 mit einem Autonome-Flotte-Manager und/oder einer Fahrgemeinschaftsfirma assoziiert.
  • Das autonome System 202 weist eine Sensorsuite auf, die eine oder mehrere Vorrichtungen in der Art von Kameras 202a, LiDAR-Sensoren 202b, Radarsensoren 202c und Mikrofonen 202d aufweist. Gemäß einigen Ausführungsformen kann das autonome System 202 mehr oder weniger Vorrichtungen und/oder andere Vorrichtungen (beispielsweise Ultraschallsensoren, Trägheitssensoren, GPS-Empfänger (nachstehend erörtert), Odometrie-Sensoren, die Daten erzeugen, die mit einer Angabe der Strecke, die das Fahrzeug 200 gefahren ist, assoziiert sind, und/oder dergleichen) aufweisen. Gemäß einigen Ausführungsformen verwendet das autonome System 202 die eine oder die mehreren darin enthaltenen Vorrichtungen zur Erzeugung von Daten in Zusammenhang mit der Umgebung 100, wie hier beschrieben. Die durch die eine oder die mehreren Vorrichtungen des autonomen Systems 202 erzeugten Daten können durch ein oder mehrere hier beschriebene Systeme zur Beobachtung der Umgebung (beispielsweise der Umgebung 100), in der sich das Fahrzeug 200 befindet, verwendet werden. Gemäß einigen Ausführungsformen weist das autonome System 202 eine Kommunikationsvorrichtung 202e, einen Autonomes-Fahrzeug-Computer 202f und ein Drive-by-Wire(DBW)-System 202h auf.
  • Kameras 202a weisen wenigstens eine Vorrichtung auf, die dafür ausgelegt ist, über einen Bus (beispielsweise einen Bus, der dem Bus 302 aus 3 gleicht oder ähnelt) in Kommunikation mit der Kommunikationsvorrichtung 202e, dem Autonomes-Fahrzeug-Computer 202f und/oder der Sicherheitssteuereinrichtung 202g zu stehen. Kameras 202a umfassen wenigstens eine Kamera (beispielsweise eine Digitalkamera unter Verwendung eines Lichtsensors in der Art einer ladungsgekoppelten Vorrichtung (CCD), eine Wärmekamera, eine Infrarot(IR)-Kamera, eine Ereigniskamera und/oder dergleichen) zur Aufnahme von Bildern, die physische Objekte (beispielsweise Personenkraftwagen, Busse, Bordsteine, Personen und/oder dergleichen) aufweisen. Gemäß einigen Ausführungsformen erzeugt die Kamera 202a Kameradaten als Ausgabe. Bei einigen Beispielen erzeugt die Kamera 202a Kameradaten, die Bilddaten in Zusammenhang mit einem Bild einschließen. Bei diesem Beispiel können die Bilddaten wenigstens einen dem Bild entsprechenden Parameter (beispielsweise Bildmerkmale in der Art von Belichtung, Helligkeit usw., einen Bildzeitstempel und/oder dergleichen) spezifizieren. Bei einem solchen Beispiel kann das Bild in einem Format (beispielsweise RAW, JPEG, PNG und/oder dergleichen) vorliegen. Gemäß einigen Ausführungsformen umfasst die Kamera 202a mehrere unabhängige Kameras, die an einem Fahrzeug zur Aufnahme von Bildern für den Zweck des räumlichen Sehens (Stereosehens) ausgebildet (beispielsweise positioniert) sind. Bei einigen Beispielen umfasst die Kamera 202a mehrere Kameras, die Bilddaten erzeugen und die Bilddaten zum Autonomes-Fahrzeug-Computer 202f und/oder zum Flottenverwaltungssystem (beispielsweise einem Flottenverwaltungssystem, das dem Flottenverwaltungssystem 116 aus 1 gleicht oder ähnelt) senden. Bei einem solchen Beispiel bestimmt der Autonomes-Fahrzeug-Computer 202f die Tiefe eines oder mehrerer Objekte in einem Gesichtsfeld wenigstens zweier der mehreren Kameras auf der Grundlage der Bilddaten von den wenigstens zwei Kameras. Gemäß einigen Ausführungsformen sind Kameras 202a dafür ausgelegt, Bilder von Objekten innerhalb eines Abstands von den Kameras 202a (beispielsweise bis zu 100 Meter, bis zu einem Kilometer und/oder dergleichen) aufzunehmen. Dementsprechend weisen die Kameras 202a Merkmale in der Art von Sensoren und Linsen auf, die für die Wahrnehmung von Objekten optimiert sind, die sich in einem oder mehreren Abständen von den Kameras 202a befinden.
  • Gemäß einer Ausführungsform umfasst die Kamera 202a wenigstens eine Kamera, die dafür ausgelegt ist, ein oder mehrere Bilder in Zusammenhang mit einer oder mehreren Ampeln, Straßenzeichen und/oder anderen physischen Objekten, die visuelle Navigationsinformationen bereitstellen, aufzunehmen. Gemäß einigen Ausführungsformen erzeugt die Kamera 202a Ampeldaten in Zusammenhang mit einem oder mehreren Bildern. Bei einigen Beispielen erzeugt die Kamera 202a TLD-Daten in Zusammenhang mit einem oder mehreren Bildern, die ein Format (beispielsweise RAW, JPEG, PNG und/oder dergleichen) aufweisen. Gemäß einigen Ausführungsformen unterscheidet sich die Kamera 202a, die TLD-Daten erzeugt, von anderen hier beschriebenen Systemen, die Kameras aufweisen, in der Hinsicht, dass die Kamera 202a eine oder mehrere Kameras mit einem weiten Gesichtsfeld (beispielsweise Weitwinkellinse, Fischaugenlinse, Linse mit einem Sichtwinkel von etwa 120 Grad oder mehr und/oder dergleichen) zur Erzeugung von Bildern über möglichst viele physische Objekte aufweisen kann.
  • Laser-Detection-and-Ranging(LiDAR)-Sensoren 202b weisen wenigstens eine Vorrichtung auf, die dafür ausgelegt ist, über einen Bus (beispielsweise einen Bus, der dem Bus 302 aus 3 gleicht oder ähnelt) in Kommunikation mit der Kommunikationsvorrichtung 202e, dem Autonomes-Fahrzeug-Computer 202f und/oder der Sicherheitssteuereinrichtung 202g zu stehen. LiDAR-Sensoren 202b weisen ein System auf, das dafür ausgelegt ist, Licht von einem Lichtemitter (beispielsweise einem Lasersender) auszusenden. Von LiDAR-Sensoren 202b emittiertes Licht umfasst Licht (beispielsweise Infrarotlicht und/oder dergleichen), das sich außerhalb des sichtbaren Spektrums befindet. Gemäß einigen Ausführungsformen trifft während des Betriebs von LiDAR-Sensoren 202b emittiertes Licht auf ein physisches Objekt (beispielsweise ein Fahrzeug) und wird zu den LiDAR-Sensoren 202b rückreflektiert. Gemäß einigen Ausführungsformen durchdringt das von den LiDAR-Sensoren 202b emittierte Licht die physischen Objekte, auf die das Licht trifft, nicht. LiDAR-Sensoren 202b weisen auch wenigstens einen Lichtdetektor auf, der das Licht erfasst, das vom Lichtemitter emittiert wurde, nachdem es auf ein physisches Objekt getroffen ist. Gemäß einigen Ausführungsformen erzeugt wenigstens ein Datenverarbeitungssystem in Zusammenhang mit LiDAR-Sensoren 202b ein Bild (beispielsweise eine Punktwolke, eine kombinierte Punktwolke und/oder dergleichen), welches die im Gesichtsfeld der LiDAR-Sensoren 202b enthaltenen Objekte repräsentiert. Bei einigen Beispielen erzeugt das wenigstens eine Datenverarbeitungssystem in Zusammenhang mit dem LiDAR-Sensor 202b ein Bild, das die Begrenzungen eines physischen Objekts, die Oberflächen (beispielsweise die Topologie der Oberflächen) des physischen Objekts und/oder dergleichen repräsentiert. Bei einem solchen Beispiel wird das Bild zur Bestimmung der Begrenzungen physischer Objekte im Gesichtsfeld von LiDAR-Sensoren 202b verwendet.
  • Radio-Detection-and-Ranging(Radar)-Sensoren 202c weisen wenigstens eine Vorrichtung auf, die dafür ausgelegt ist, über einen Bus (beispielsweise einen Bus, der dem Bus 302 aus 3 gleicht oder ähnelt) in Kommunikation mit der Kommunikationsvorrichtung 202e, dem Autonomes-Fahrzeug-Computer 202f und/oder der Sicherheitssteuereinrichtung 202g zu stehen. Radarsensoren 202c weisen ein System auf, das dafür ausgelegt ist, Radiowellen (entweder gepulst oder kontinuierlich) auszusenden. Die von Radarsensoren 202c ausgesendeten Radiowellen umfassen Radiowellen, die sich innerhalb eines vorgegebenen Spektrums befinden. Gemäß einigen Ausführungsformen treffen während des Betriebs von Radarsensoren 202c ausgesendete Radiowellen auf ein physisches Objekt und werden zu den Radarsensoren 202c rückreflektiert. Gemäß einigen Ausführungsformen werden die von Radarsensoren 202c ausgesendeten Radiowellen von einigen Objekten nicht reflektiert. Gemäß einigen Ausführungsformen erzeugt wenigstens ein Datenverarbeitungssystem in Zusammenhang mit Radarsensoren 202c Signale, welche die in einem Gesichtsfeld der Radarsensoren 202c enthaltenen Objekte repräsentieren. Beispielsweise erzeugt das wenigstens eine Datenverarbeitungssystem in Zusammenhang mit dem Radarsensor 202c ein Bild, das die Begrenzungen eines physischen Objekts, die Oberflächen (beispielsweise die Topologie der Oberflächen) des physischen Objekts und/oder dergleichen repräsentiert. Bei einigen Beispielen wird das Bild verwendet, um die Begrenzungen physischer Objekte im Gesichtsfeld der Radarsensoren 202c zu bestimmen.
  • Mikrofone 202d weisen wenigstens eine Vorrichtung auf, die dafür ausgelegt ist, über einen Bus (beispielsweise einen Bus, der dem Bus 302 aus 3 gleicht oder ähnelt) in Kommunikation mit der Kommunikationsvorrichtung 202e, dem Autonomes-Fahrzeug-Computer 202f und/oder der Sicherheitssteuereinrichtung 202g zu stehen. Die Mikrofone 202d umfassen ein oder mehrere Mikrofone (beispielsweise Array-Mikrofone, externe Mikrofone und/oder dergleichen), die Audiosignale erfassen und Daten in Zusammenhang mit den Audiosignalen erzeugen (beispielsweise repräsentieren). Bei einigen Beispielen weisen die Mikrofone 202d Wandlervorrichtungen und/oder vergleichbare Vorrichtungen auf. Gemäß einigen Ausführungsformen können ein oder mehrere hier beschriebene Systeme die von Mikrofonen 202d erzeugten Daten empfangen und die Position eines Objekts in Bezug auf das Fahrzeug 200 (beispielsweise Abstand und/oder dergleichen) auf der Grundlage der Audiosignale in Zusammenhang mit den Daten bestimmen.
  • Die Kommunikationsvorrichtung 202e umfasst wenigstens eine Vorrichtung, die dafür ausgelegt ist, in Kommunikation mit Kameras 202a, LiDAR-Sensoren 202b, Radarsensoren 202c, Mikrofonen 202d, dem Autonomes-Fahrzeug-Computer 202f, der Sicherheitssteuereinrichtung 202g und/oder dem DBW-System 202h zu stehen. Beispielsweise kann die Kommunikationsvorrichtung 202e eine Vorrichtung umfassen, die der Kommunikationsschnittstelle 314 aus 3 gleicht oder ähnelt. Gemäß einigen Ausführungsformen umfasst die Kommunikationsvorrichtung 202e eine Fahrzeug-zu-Fahrzeug(V2V)-Kommunikationsvorrichtung (beispielsweise eine Vorrichtung, die eine Drahtloskommunikation von Daten zwischen Fahrzeugen ermöglicht).
  • Der Autonomes-Fahrzeug-Computer 202f weist wenigstens eine Vorrichtung auf, die dafür ausgelegt ist, in Kommunikation mit Kameras 202a, LiDAR-Sensoren 202b, Radarsensoren 202c, Mikrofonen 202d, der Kommunikationsvorrichtung 202e, der Sicherheitssteuereinrichtung 202g und/oder dem DBW-System 202h zu stehen. Bei einigen Beispielen weist der Autonomes-Fahrzeug-Computer 202f eine Vorrichtung in der Art einer Client-Vorrichtung, einer mobilen Vorrichtung (beispielsweise Mobiltelefon, Tablet und/oder dergleichen), eines Servers (beispielsweise einer Rechenvorrichtung, die eine oder mehrere Zentralverarbeitungseinheiten, Graphikverarbeitungseinheiten und/oder dergleichen aufweist) und/oder dergleichen auf. Gemäß einigen Ausführungsformen gleicht oder ähnelt der Autonomes-Fahrzeug-Computer 202f dem hier beschriebenen Autonomes-Fahrzeug-Computer 400. Zusätzlich oder alternativ ist der Autonomes-Fahrzeug-Computer 202f gemäß einigen Ausführungsformen dafür ausgelegt, in Kommunikation mit einem autonomen Fahrzeugsystem (beispielsweise einem autonomen Fahrzeugsystem, das dem Fern-AV-System 114 aus 1 gleicht oder ähnelt), einem Flottenverwaltungssystem (beispielsweise einem Flottenverwaltungssystem, das dem Flottenverwaltungssystem 116 aus 1 gleicht oder ähnelt), einer V2I-Vorrichtung (beispielsweise einer V2I-Vorrichtung, die der V2I-Vorrichtung 110 aus 1 gleicht oder ähnelt) und/oder einem V2I-System (beispielsweise einem V2I-System, das dem V2I-System 118 aus 1 gleicht oder ähnelt) zu stehen.
  • Die Sicherheitssteuereinrichtung 202g weist wenigstens eine Vorrichtung auf, die dafür ausgelegt ist, in Kommunikation mit Kameras 202a, LiDAR-Sensoren 202b, Radarsensoren 202c, Mikrofonen 202d, der Kommunikationsvorrichtung 202e, dem Autonomes-Fahrzeug-Computer 202f und/oder dem DBW-System 202h zu stehen. Bei einigen Beispielen umfasst die Sicherheitssteuereinrichtung 202g eine oder mehrere Steuereinrichtungen (elektrische Steuereinrichtungen, elektromechanische Steuereinrichtungen und/oder dergleichen), die dafür ausgelegt sind, Steuersignale zum Betreiben einer oder mehrerer Vorrichtungen des Fahrzeugs 200 (beispielsweise Antriebsstrang-Steuersystem 204, Lenksteuersystem 206, Bremssystem 208 und/oder dergleichen) zu erzeugen und/oder auszusenden. Gemäß einigen Ausführungsformen ist die Sicherheitssteuereinrichtung 202g dafür ausgelegt, Steuersignale zu erzeugen, die vom Autonomes-Fahrzeug-Computer 202f erzeugten und/oder ausgesendeten Steuersignalen übergeordnet sind (beispielsweise diese überschreiben).
  • Das DBW-System 202h weist wenigstens eine Vorrichtung auf, die dafür ausgelegt ist, in Kommunikation mit der Kommunikationsvorrichtung 202e und/oder dem Autonomes-Fahrzeug-Computer 202f zu stehen. Bei einigen Beispielen weist das DBW-System 202h eine oder mehrere Steuereinrichtungen (beispielsweise elektrische Steuereinrichtungen, elektromechanische Steuereinrichtungen und/oder dergleichen) auf, die dafür ausgelegt sind, Steuersignale zum Betreiben einer oder mehrerer Vorrichtungen des Fahrzeugs 200 (beispielsweise Antriebsstrang-Steuersystem 204, Lenksteuersystem 206, Bremssystem 208 und/oder dergleichen) zu erzeugen und/oder auszusenden. Zusätzlich oder alternativ sind die eine oder die mehreren Steuereinrichtungen des DBW-Systems 202h dafür ausgelegt, Steuersignale zum Betreiben wenigstens einer anderen Vorrichtung (beispielsweise Blinksignal, Frontscheinwerfer, Türverriegelungen, Scheibenwischer und/oder dergleichen) des Fahrzeugs 200 zu erzeugen und/oder auszusenden.
  • Das Antriebsstrang-Steuersystem 204 weist wenigstens eine Vorrichtung auf, die dafür ausgelegt ist, in Kommunikation mit dem DBW-System 202h zu stehen. Bei einigen Beispielen weist das Antriebsstrang-Steuersystem 204 wenigstens eine Steuereinrichtung, einen Aktuator und/oder dergleichen auf. Gemäß einigen Ausführungsformen empfängt das Antriebsstrang-Steuersystem 204 Steuersignale vom DBW-System 202h und veranlasst das Antriebsstrang-Steuersystem 204 das Fahrzeug 200, eine Vorwärtsbewegung zu beginnen, eine Vorwärtsbewegung zu unterbrechen, eine Rückwärtsbewegung zu beginnen, eine Rückwärtsbewegung zu unterbrechen, in einer Richtung zu beschleunigen, in einer Richtung zu verzögern, nach links zu fahren, nach rechts zu fahren und/oder dergleichen. Bei einem Beispiel bewirkt das Antriebsstrang-Steuersystem 204, dass die einem Motor des Fahrzeugs bereitgestellte Energie (beispielsweise Kraftstoff, Elektrizität und/oder dergleichen) zunimmt, gleich bleibt oder abnimmt, wodurch bewirkt wird, dass sich wenigstens ein Rad des Fahrzeugs 200 dreht oder nicht dreht.
  • Das Lenksteuersystem 206 weist wenigstens eine Vorrichtung auf, die dafür ausgelegt ist, ein oder mehrere Räder des Fahrzeugs 200 zu drehen. Bei einigen Beispielen weist das Lenksteuersystem 206 wenigstens eine Steuereinrichtung, einen Aktuator und/oder dergleichen auf. Gemäß einigen Ausführungsformen bewirkt das Lenksteuersystem 206, dass die beiden Vorderräder und/oder die beiden hinteren Räder des Fahrzeugs 200 nach links oder nach rechts gedreht werden, um zu bewirken, dass das Fahrzeug 200 nach links oder nach rechts fährt.
  • Das Bremssystem 208 weist wenigstens eine Vorrichtung auf, die dafür ausgelegt ist, eine oder mehrere Bremsen zu betätigen, um zu bewirken, dass das Fahrzeug 200 die Geschwindigkeit verringert und/oder stationär bleibt. Bei einigen Beispielen weist das Bremssystem 208 wenigstens eine Steuereinrichtung und/oder wenigstens einen Aktuator auf, der dafür ausgelegt ist, das Schließen eines oder mehrerer Bremsbeläge in Zusammenhang mit einem oder mehreren Rädern des Fahrzeugs 200 an einem entsprechenden Rotor des Fahrzeugs 200 zu bewirken. Zusätzlich oder alternativ umfasst das Bremssystem 208 bei einigen Beispielen ein automatisches Notbrems(AEB)-System, ein regeneratives Bremssystem und/oder dergleichen.
  • Gemäß einigen Ausführungsformen weist das Fahrzeug 200 wenigstens einen Plattformsensor (nicht explizit dargestellt) auf, der Eigenschaften eines Zustands oder einer Bedingung des Fahrzeugs 200 misst oder ableitet. Bei einigen Beispielen weist das Fahrzeug 200 Plattformsensoren in der Art eines Empfängers des globalen Positionsbestimmungssystems (GPS), einer Trägheitsmesseinheit (IMU), eines Radgeschwindigkeitssensors, eines Radbrems-Drucksensors, eines Raddrehmomentsensors, eines Motordrehmomentsensors, eines Lenkwinkelsensors und/oder dergleichen auf.
  • 3 zeigt ein schematisches Diagramm einer Vorrichtung 300. Wie dargestellt, weist die Vorrichtung 300 einen Prozessor 304, einen Speicher 306, eine Massenspeicherkomponente 308, eine Eingabeschnittstelle 310, eine Ausgabeschnittstelle 312, eine Kommunikationsschnittstelle 314 und einen Bus 302 auf. Gemäß einigen Ausführungsformen entspricht die Vorrichtung 300 wenigstens einer Vorrichtung der Fahrzeuge 102 (beispielsweise wenigstens einer Vorrichtung eines Systems der Fahrzeuge 102), wenigstens einer Vorrichtung des Fahrzeugs 200 (beispielsweise wenigstens einer Vorrichtung eines Systems des Fahrzeugs 202), wenigstens einer Vorrichtung der Fahrzeuge 510, 520, 530 (beispielsweise wenigstens einer Vorrichtung eines Systems jeglicher der Fahrzeuge 510, 520, 530) und/oder einer oder mehreren Vorrichtungen des Netzes 112 (beispielsweise einer oder mehreren Vorrichtungen eines Systems des Netzes 112). Gemäß einigen Ausführungsformen umfassen eine oder mehrere Vorrichtungen der Fahrzeuge 102 (beispielsweise eine oder mehrere Vorrichtungen eines Systems der Fahrzeuge 102), eine oder mehrere Vorrichtungen der Fahrzeuge 202 (beispielsweise eine oder mehrere Vorrichtungen eines Systems der Fahrzeuge 202), eine oder mehrere Vorrichtungen der Fahrzeuge 510, 520, 530 (beispielsweise wenigstens eine Vorrichtung eines Systems jeglicher der Fahrzeuge 510, 520, 530) und/oder eine oder mehrere Vorrichtungen des Netzes 112 (beispielsweise eine oder mehrere Vorrichtungen eines Systems des Netzes 112) wenigstens eine Vorrichtung 300 und/oder wenigstens eine Komponente der Vorrichtung 300. Wie in 3 dargestellt ist, weist die Vorrichtung 300 den Bus 302, den Prozessor 304, den Speicher 306, die Massenspeicherkomponente 308, die Eingabeschnittstelle 310, die Ausgabeschnittstelle 312 und die Kommunikationsschnittstelle 314 auf.
  • Der Bus 302 weist eine Komponente auf, die eine Kommunikation zwischen den Komponenten der Vorrichtung 300 ermöglicht. Gemäß einigen Ausführungsformen ist der Prozessor 304 in Hardware, Software oder einer Kombination von Hardware und Software implementiert. Bei einigen Beispielen umfasst der Prozessor 304 einen Prozessor (beispielsweise eine Zentralverarbeitungseinheit (CPU), eine Graphikverarbeitungseinheit (GPU), eine Einheit für eine beschleunigte Verarbeitung (APU) und/oder dergleichen), ein Mikrofon, einen Digitalsignalprozessor (DSP) und/oder eine Verarbeitungskomponente (beispielsweise ein feldprogrammierbares Gate-Array (FPGA), eine anwendungsspezifische integrierte Schaltung (ASIC) und/oder dergleichen), die programmiert werden kann, um wenigstens eine Funktionen auszuführen. Der Speicher 306 umfasst einen Direktzugriffsspeicher (RAM), einen Nurlesespeicher (ROM) und/oder einen anderen Typ einer dynamischen und/oder statischen Speichervorrichtung (beispielsweise Flash-Speicher, magnetischer Speicher, optischer Speicher und/oder dergleichen), die vom Prozessor 304 verwendbare Daten und/oder Befehle speichert.
  • Die Massenspeicherkomponente 308 speichert Daten und/oder Software in Bezug auf den Betrieb und die Verwendung der Vorrichtung 300. Bei einigen Beispielen umfasst die Massenspeicherkomponente 308 eine Festplatte (beispielsweise eine Magnetplatte, eine optische Scheibe, eine magnetooptische Scheibe, eine Halbleiterplatte und/oder dergleichen), eine Compact Disc (CD), eine Digital Versatile Disc (DVD), eine Diskette, eine Kassette, ein Magnetband, eine CD-ROM, einen RAM, einen PROM, einen EPROM, einen FLASH-EPROM, einen NV-RAM und/oder einen anderen Typ eines computerlesbaren Mediums zusammen mit einem entsprechenden Laufwerk.
  • Die Eingabeschnittstelle 310 weist eine Komponente auf, die es der Vorrichtung 300 ermöglicht, Informationen, beispielsweise über eine Benutzereingabe (beispielsweise eine Touchscreen-Anzeige, eine Tastatur, ein Tastenfeld, eine Maus, eine Taste, einen Schalter, ein Mikrofon, eine Kamera und/oder dergleichen), zu empfangen. Zusätzlich oder alternativ weist die Eingabeschnittstelle 310 gemäß einigen Ausführungsformen einen Sensor auf, der Informationen erfasst (beispielsweise einen Empfänger des globalen Positionsbestimmungssystems (GPS), einen Beschleunigungsmesser, ein Gyroskop, einen Aktuator und/oder dergleichen). Die Ausgabeschnittstelle 312 weist eine Komponente auf, die von der Vorrichtung 300 ausgegebene Informationen bereitstellt (beispielsweise eine Anzeige, einen Lautsprecher, eine oder mehrere Leuchtdioden (LEDs) und/oder dergleichen).
  • Gemäß einigen Ausführungsformen weist die Kommunikationsschnittstelle 314 eine sendeempfängerartige Komponente (beispielsweise einen Sendeempfänger, einen getrennten Empfänger und Sender und/oder dergleichen) auf, die es der Vorrichtung 300 ermöglicht, über eine festverdrahtete Verbindung, eine drahtlose Verbindung oder eine Kombination einer festverdrahteten und einer drahtlosen Verbindung mit anderen Vorrichtungen zu kommunizieren. Bei einigen Beispielen ermöglicht es die Kommunikationsschnittstelle 314 der Vorrichtung 300, Informationen von einer anderen Vorrichtung zu empfangen und/oder einer anderen Vorrichtung Informationen bereitzustellen. Bei einigen Beispielen umfasst die Kommunikationsschnittstelle 314 eine Ethernet-Schnittstelle, eine optische Schnittstelle, eine Koaxialschnittstelle, eine Infrarotschnittstelle, eine Funkfrequenz(RF)-Schnittstelle, eine Universeller-serieller-Bus(USB)-Schnittstelle, eine WiFi®-Schnittstelle, eine Mobilfunkschnittstelle und/oder dergleichen.
  • Gemäß einigen Ausführungsformen führt die Vorrichtung 300 einen oder mehrere hier beschriebene Prozesse aus. Die Vorrichtung 300 führt diese Prozesse auf der Grundlage davon aus, dass der Prozessor 304 von einem computerlesbaren Medium in der Art des Speichers 305 und/oder der Massenspeicherkomponente 308 gespeicherte Softwarebefehle ausführt. Ein computerlesbares Medium (beispielsweise ein nichtflüchtiges computerlesbares Medium) wird hier als nichtflüchtige Speichervorrichtung definiert. Eine nichtflüchtige Speichervorrichtung weist einen sich innerhalb einer einzigen physischen Speichervorrichtung befindenden Speicherplatz oder einen über mehrere physische Speichervorrichtungen verteilten Speicherplatz auf.
  • Gemäß einigen Ausführungsformen werden Softwarebefehle über die Kommunikationsschnittstelle 314 von einem anderen computerlesbaren Medium oder einer anderen Vorrichtung in den Speicher 306 und/oder die Massenspeicherkomponente 308 gelesen. Wenn sie ausgeführt werden, veranlassen im Speicher 306 und/oder der Massenspeicherkomponente 308 gespeicherte Softwarebefehle den Prozessor 304, einen oder mehrere hier beschriebene Prozesse auszuführen. Zusätzlich oder alternativ wird anstelle von Softwarebefehlen oder in Kombination damit eine festverdrahtete Schaltungsanordnung verwendet, um einen oder mehrere hier beschriebene Prozesse auszuführen. Demgemäß sind hier beschriebene Ausführungsformen nicht auf eine spezifische Kombination einer Hardwareschaltungsanordnung und Software beschränkt, es sei denn, dass explizit etwas anderes ausgesagt wird.
  • Der Speicher 306 und/oder die Massenspeicherkomponente 308 weist einen Datenspeicher oder wenigstens eine Datenstruktur (beispielsweise eine Datenbank und/oder dergleichen) auf. Die Vorrichtung 300 ist in der Lage, Informationen vom Datenspeicher oder von der wenigstens einen Datenstruktur im Speicher 306 oder der Massenspeicherkomponente 308 zu empfangen, darin zu speichern, Informationen dazu zu übermitteln oder darin gespeicherte Informationen zu suchen. Bei einigen Beispielen umfassen die Informationen Netzdaten, Eingangsdaten, Ausgangsdaten oder eine Kombination davon.
  • Gemäß einigen Ausführungsformen ist die Vorrichtung 300 dafür ausgelegt, Softwarebefehle auszuführen, die entweder im Speicher 306 und/oder im Speicher einer anderen Vorrichtung (beispielsweise einer anderen Vorrichtung, die der Vorrichtung 300 gleicht oder ähnelt) gespeichert sind. Hier bezieht sich der Begriff „Modul“ auf wenigstens einen im Speicher 306 und/oder im Speicher einer anderen Vorrichtung gespeicherten Befehl, der, wenn er durch den Prozessor 304 und/oder einen Prozessor einer anderen Vorrichtung (beispielsweise eine andere Vorrichtung, die der Vorrichtung 300 gleicht oder ähnelt) ausgeführt wird, die Vorrichtung 300 (beispielsweise wenigstens eine Komponente der Vorrichtung 300) veranlasst, einen oder mehrere hier beschriebene Prozesse auszuführen. Gemäß einigen Ausführungsformen ist ein Modul in Software, Firmware, Hardware und/oder dergleichen implementiert.
  • Die Anzahl und Anordnung in 3 dargestellter Komponenten dienen als Beispiel. Gemäß einigen Ausführungsformen kann die Vorrichtung 300 zusätzliche Komponenten, weniger Komponenten, andere Komponenten oder anders angeordnete Komponenten als in 3 aufweisen. Zusätzlich oder alternativ kann ein Satz von Komponenten (beispielsweise eine oder mehrere Komponenten) der Vorrichtung 300 eine oder mehrere Funktionen ausführen, die als von einer anderen Komponente oder einem anderen Satz von Komponenten der Vorrichtung 300 ausgeführt beschrieben werden.
  • 4 zeigt ein beispielhaftes Blockdiagramm eines Autonomes-Fahrzeug-Computers 400 (manchmal als „AV-Stapel“ bezeichnet). Wie dargestellt ist, weist der Autonomes-Fahrzeug-Computer 400 ein Wahrnehmungssystem 402 (manchmal als Wahrnehmungsmodul bezeichnet), ein Planungssystem 404 (manchmal als Planungsmodul bezeichnet), ein Lokalisierungssystem 406 (manchmal als Lokalisierungsmodul bezeichnet), ein Steuersystem 408 (manchmal als Steuermodul bezeichnet) und eine Datenbank 410 auf. Gemäß einigen Ausführungsformen sind das Wahrnehmungssystem 402, das Planungssystem 404, das Lokalisierungssystem 406, das Steuersystem 408 und die Datenbank 410 in ein autonomes Navigationssystem eines Fahrzeugs (beispielsweise den Autonomes-Fahrzeug-Computer 202f des Fahrzeugs 200) aufgenommen und/oder darin implementiert. Zusätzlich oder alternativ sind gemäß einigen Ausführungsformen das Wahrnehmungssystem 402, das Planungssystem 404, das Lokalisierungssystem 406, das Steuersystem 408 und die Datenbank 410 in ein oder mehrere eigenständige Systeme (beispielsweise ein oder mehrere Systeme, die dem Autonomes-Fahrzeug-Computer 400 und/oder dergleichen gleichen oder ähneln) aufgenommen. Bei einigen Beispielen sind das Wahrnehmungssystem 402, das Planungssystem 404, das Lokalisierungssystem 406, das Steuersystem 408 und die Datenbank 410 in ein oder mehrere eigenständige Systeme aufgenommen, die sich in einem Fahrzeug und/oder wenigstens einem fernen System, wie hier beschrieben, befinden. Gemäß einigen Ausführungsformen sind einige und/oder alle der im Autonomes-Fahrzeug-Computer 400 enthaltenen Systeme in Software (beispielsweise in Softwarebefehlen, die im Speicher gespeichert sind), Computerhardware (beispielsweise durch Mikroprozessoren, Mikrosteuereinrichtungen, anwendungsspezifische integrierte Schaltungen (ASICs), feldprogrammierbare Gate-Arrays (FPGAs) und/oder dergleichen) oder Kombinationen von Computersoftware und Computerhardware implementiert. Es sei auch bemerkt, dass der Autonomes-Fahrzeug-Computer 400 gemäß einigen Ausführungsformen dafür ausgelegt ist, in Kommunikation mit einem fernen System (beispielsweise einem Autonomes-FahrzeugSystem, das dem Fern-AV-System 114 gleicht oder ähnelt, einem Flottenverwaltungssystem, das dem Flottenverwaltungssystem 116 gleicht oder ähnelt, einem V2I-System, das dem V2I-System 118 gleicht oder ähnelt und/oder dergleichen) zu stehen.
  • Gemäß einigen Ausführungsformen empfängt das Wahrnehmungssystem 402 Daten in Zusammenhang mit wenigstens einem physischen Objekt (beispielsweise Daten, die vom Wahrnehmungssystem 402 verwendet werden, um das wenigstens eine physische Objekt zu erkennen) in einer Umgebung und klassifiziert das wenigstens eine physische Objekt. Bei einigen Beispielen empfängt das Wahrnehmungssystem 402 von wenigstens einer Kamera (beispielsweise Kameras 202a) aufgenommene Bilddaten, wobei das Bild mit einem oder mehreren physischen Objekten innerhalb eines Gesichtsfelds der wenigstens einen Kamera assoziiert ist (diese beispielsweise repräsentiert). Bei einem solchen Beispiel klassifiziert das Wahrnehmungssystem 402 wenigstens ein physisches Objekt auf der Grundlage einer oder mehrerer Gruppierungen physischer Objekte (beispielsweise Fahrräder, Fahrzeuge, Verkehrszeichen, Fußgänger und/oder dergleichen). Gemäß einigen Ausführungsformen überträgt das Wahrnehmungssystem 402 Daten in Zusammenhang mit der Klassifikation der physischen Objekte auf der Grundlage der vom Wahrnehmungssystem 402 vorgenommenen Klassifikation der physischen Objekte zum Planungssystem 404.
  • Gemäß einigen Ausführungsformen empfängt das Planungssystem 404 Daten in Zusammenhang mit einem Bestimmungsort und erzeugt Daten in Zusammenhang mit wenigstens einer Route (beispielsweise Routen 106), entlang derer ein Fahrzeug (beispielsweise die Fahrzeuge 102) zu einem Bestimmungsort fahren kann. Gemäß einigen Ausführungsformen empfängt das Planungssystem 404 periodisch oder kontinuierlich Daten vom Wahrnehmungssystem 402 (beispielsweise Daten in Zusammenhang mit der Klassifikation physischer Objekte, wie vorstehend beschrieben) und aktualisiert das Planungssystem 404 die wenigstens eine Fahrstrecke oder erzeugt wenigstens eine andere Fahrstrecke auf der Grundlage der vom Wahrnehmungssystem 402 erzeugten Daten. Gemäß einigen Ausführungsformen empfängt das Planungssystem 404 Daten in Zusammenhang mit einer aktualisierten Position eines Fahrstrecke oder erzeugt wenigstens eine andere Fahrstrecke auf der Grundlage der vom Lokalisierungssystem 406 erzeugten Daten.
  • Gemäß einigen Ausführungsformen empfängt das Lokalisierungssystem 406 Daten in Zusammenhang mit dem Ort eines Fahrzeugs (beispielsweise der Fahrzeuge 102) in einem Bereich (welche diesen beispielsweise repräsentieren). Bei einigen Beispielen empfängt das Lokalisierungssystem 406 LiDAR-Daten in Zusammenhang mit wenigstens einer von wenigstens einem LiDAR-Sensor (beispielsweise den LiDAR-Sensoren 202b) erzeugten Punktwolke. Bei gewissen Beispielen empfängt das Lokalisierungssystem 406 Daten in Zusammenhang mit wenigstens einer Punktwolke von mehreren LiDAR-Sensoren und erzeugt das Lokalisierungssystem 406 eine kombinierte Punktwolke auf der Grundlage jeder der Punktwolken. Bei diesen Beispielen vergleicht das Lokalisierungssystem 406 die wenigstens eine Punktwolke oder die kombinierte Punktwolke mit einer in der Datenbank 410 gespeicherten zweidimensionalen (2D) und/oder dreidimensionalen (3D) Karte des Bereichs. Das Lokalisierungssystem 406 bestimmt dann die Position des Fahrzeugs im Bereich auf der Grundlage dessen, dass das Lokalisierungssystem 406 die wenigstens eine Punktwolke oder die kombinierte Punktwolke mit der Karte vergleicht. Gemäß einigen Ausführungsformen weist die Karte eine vor der Navigation des Fahrzeugs erzeugte kombinierte Punktwolke des Bereichs auf. Gemäß einigen Ausführungsformen umfassen Karten ohne Einschränkung Karten hoher Genauigkeit der geometrischen Eigenschaften der Fahrbahn, Karten, die Straßennetz-Verbindbarkeitseigenschaften beschreiben, Karten, die physische Eigenschaften der Fahrbahn beschreiben (wie Verkehrsgeschwindigkeit, Verkehrsaufkommen, die Anzahl von Fahrzeug- und Radfahrer-Verkehrsspuren, die Fahrspurbreite, Fahrspur-Verkehrsrichtungen oder Fahrspur-Markierungstypen und -orte oder Kombinationen davon) und Karten, welche die räumlichen Orte von Straßenmerkmalen in der Art von Fußgängerüberwegen, Verkehrszeichen oder anderen Verkehrssignalen verschiedener Typen beschreiben. Gemäß einigen Ausführungsformen wird die Karte in Echtzeit auf der Grundlage der vom Wahrnehmungssystem empfangenen Daten erzeugt.
  • Bei einem anderen Beispiel empfängt das Lokalisierungssystem 406 von einem Empfänger des globalen Positionsbestimmungssystems (GPS) erzeugte Daten des globalen Navigationssatellitensystems (GNSS). Bei einigen Beispielen empfängt das Lokalisierungssystem 406 GNSS-Daten in Zusammenhang mit dem Ort des Fahrzeugs im Bereich und bestimmt das Lokalisierungssystem 406 die Breite und Länge des Fahrzeugs im Bereich. Bei einem solchen Beispiel bestimmt das Lokalisierungssystem 406 die Position des Fahrzeugs im Bereich auf der Grundlage der Breite und Länge des Fahrzeugs. Gemäß einigen Ausführungsformen erzeugt das Lokalisierungssystem 406 Daten in Zusammenhang mit der Position des Fahrzeugs. Bei einigen Beispielen erzeugt das Lokalisierungssystem 406 Daten in Zusammenhang mit der Position des Fahrzeugs auf der Grundlage dessen, dass das Lokalisierungssystem 406 die Position des Fahrzeugs bestimmt. Bei einem solchen Beispiel umfassen die Daten in Zusammenhang mit der Position des Fahrzeugs Daten in Zusammenhang mit einer oder mehreren semantischen Eigenschaften, die der Position des Fahrzeugs entsprechen.
  • Gemäß einigen Ausführungsformen empfängt das Steuersystem 408 Daten in Zusammenhang mit wenigstens einer Fahrstrecke vom Planungssystem 404 und steuert das Steuersystem 408 den Betrieb des Fahrzeugs. Bei einigen Beispielen empfängt das Steuersystem 408 Daten in Zusammenhang mit wenigstens einer Fahrstrecke vom Planungssystem 404 und steuert das Steuersystem 408 den Betrieb des Fahrzeugs durch Erzeugen und Übertragen von Steuersignalen, um zu bewirken, dass ein Antriebsstrang-Steuersystem (beispielsweise das DBW-System 202h, das Antriebsstrang-Steuersystem 204 und/oder dergleichen), ein Lenksteuersystem (beispielsweise das Lenksteuersystem 206) und/oder ein Bremssystem (beispielsweise das Bremssystem 208) arbeiten. Bei einem Beispiel, bei dem eine Fahrstrecke ein Abbiegen nach links aufweist, überträgt das Steuersystem 408 ein Steuersignal, um das Lenksteuersystem 206 zu veranlassen, den Lenkwinkel des Fahrzeugs 200 einzustellen, wodurch das Fahrzeug 200 veranlasst wird, nach links zu fahren. Zusätzlich oder alternativ erzeugt und überträgt das Steuersystem 408 Steuersignale, um andere Vorrichtungen (beispielsweise Frontscheinwerfer, Abbiegesignale, Türverriegelungen, Scheibenwischer und/oder dergleichen) des Fahrzeugs 200 zu veranlassen, Zustände zu ändern.
  • Gemäß einigen Ausführungsformen implementieren das Wahrnehmungssystem 402, das Planungssystem 404, das Lokalisierungssystem 406 und/oder das Steuersystem 408 wenigstens ein Maschinenlernmodell (beispielsweise wenigstens ein mehrschichtiges Perzeptron (MLP), wenigstens ein faltendes neuronales Netz (CNN), wenigstens ein rekurrentes neuronales Netz (RNN), wenigstens einen Autoencoder, wenigstens einen Transformer und/oder dergleichen). Bei einigen Beispielen implementieren das Wahrnehmungssystem 402, das Planungssystem 404, das Lokalisierungssystem 406 und/oder das Steuersystem 408 allein oder in Kombination mit einem oder mehreren der vorstehend erwähnten Systeme wenigstens ein Maschinenlernmodell. Bei einigen Beispielen implementieren das Wahrnehmungssystem 402, das Planungssystem 404, das Lokalisierungssystem 406 und/oder das Steuersystem 408 wenigstens ein Maschinenlernmodell als Teil einer Pipeline (beispielsweise einer Pipeline zur Identifikation eines oder mehrerer Objekte, die sich in einer Umgebung und/oder dergleichen befinden).
  • Die Datenbank 410 speichert Daten, die zum Wahrnehmungssystem 402, zum Planungssystem 404, zum Lokalisierungssystem 406 und/oder zum Steuersystem 408 gesendet, davon empfangen und/oder dadurch aktualisiert werden. Bei einigen Beispielen weist die Datenbank 410 eine Massenspeicherkomponente (beispielsweise eine Massenspeicherkomponente, die der Massenspeicherkomponente 308 aus 3 gleicht oder ähnelt) auf, die Daten und/oder Software in Bezug auf den Betrieb speichert und wenigstens ein System des Autonomes-Fahrzeug-Computers 400 verwendet. Gemäß einigen Ausführungsformen speichert die Datenbank 410 Daten in Zusammenhang mit 2D- und/oder 3D-Karten wenigstens eines Bereichs. Bei einigen Beispielen speichert die Datenbank 410 Daten in Zusammenhang mit 2D- und/oder 3D-Karten eines Teils einer Stadt, mehrerer Teile mehrerer Städte, mehrerer Städte, eines Lands, eine Staats, eines souveränen Staats (beispielsweise eines Lands) und/oder dergleichen. Bei einem solchen Beispiel kann ein Fahrzeug (beispielsweise ein Fahrzeug, das den Fahrzeugen 102 und/oder dem Fahrzeug 200 gleicht oder ähnelt) entlang einem oder mehreren befahrbaren Gebieten (beispielsweise einspurigen Straßen, mehrspurigen Straßen, Schnellstraßen, Nebenwegen, Querfeldeinwegen und/oder dergleichen) fahren und wenigstens einen LiDAR-Sensor (beispielsweise einen LiDAR-Sensor, der dem LiDAR-Sensor 202b gleicht oder ähnelt) veranlassen, Daten in Zusammenhang mit einem Bild zu erzeugen, das die in einem Gesichtsfeld des wenigstens einen LiDAR-Sensors enthaltenen Objekte repräsentiert.
  • Gemäß einigen Ausführungsformen kann die Datenbank 410 über mehrere Vorrichtungen hinweg implementiert werden. Bei einigen Beispielen ist die Datenbank 410 in ein Fahrzeug (beispielsweise ein Fahrzeug, das den Fahrzeugen 102 und/oder dem Fahrzeug 200 gleicht oder ähnelt), ein autonomes Fahrzeugsystem (beispielsweise ein autonomes Fahrzeugsystem, das dem Fern-AV-System 114 gleicht oder ähnelt), ein Flottenverwaltungssystem (beispielsweise ein Flottenverwaltungssystem, das dem Flottenverwaltungssystem 116 aus 1 gleicht oder ähnelt), ein V2I-System (beispielsweise ein V2I-System, das dem V2I-System 118 aus 1 gleicht oder ähnelt) und/oder dergleichen aufgenommen.
  • Die 5A - 5G zeigen Diagramme von Aspekten einer Implementation 500 eines Prozesses zur Verfolgung mehrerer Ziele mit abhängigen Wahrscheinlichkeitsstrukturen gemäß der vorliegenden Offenbarung. Gemäß einigen Ausführungsformen weist die Implementation 500 ein Fahrzeug 510 auf. Das Fahrzeug 510 gleicht oder ähnelt den Fahrzeugen 102 aus 1 und/oder dem Fahrzeug 200 aus 2. Das Fahrzeug 510 weist eine oder mehrere Vorrichtungen auf, die der Vorrichtung 300 aus 3 gleichen oder ähneln. Zusätzlich weist das Fahrzeug 510 eine oder mehrere Vorrichtungen auf, die der Autonomes-Fahrzeug-Computervorrichtung 400 aus 4 gleichen oder ähneln.
  • Das Fahrzeug 510 führt eine Verfolgung mehrerer Ziele mit abhängigen Wahrscheinlichkeitsstrukturen gemäß der vorliegenden Offenbarung aus. Beispielsweise führt das Fahrzeug 510 eine Verfolgung in Bezug auf Fahrzeuge 520, 530 aus, die sich in einer Umgebung befinden, in der sich das Fahrzeug 510 befindet. Es sei bemerkt, dass, wenngleich die 5A - 5G zwei Fahrzeuge zeigen (beispielsweise die Fahrzeuge 520, 530), das Fahrzeug 510 dafür eingerichtet werden kann, eine Verfolgung mehrerer Ziele in Bezug auf mehr als zwei Fahrzeuge oder weniger als zwei Fahrzeuge unter Verwendung der hier offenbarten Verfolgungstechniken auszuführen. Zusätzlich kann das Fahrzeug 510 die Verfolgung mehrerer Ziele zur Verfolgung anderer in der Umgebung vorhandener Objekte in der Art eines oder mehrerer Hindernisse 560 verwenden. Das eine oder die mehreren Hindernisse 560 können Straßenleuchten, Straßenzeichen, Wände, Leitplanken oder andere physische Objekte in der Umgebung, in der sich das Fahrzeug 510 befindet, umfassen.
  • Wie in 5A dargestellt ist, weist das Fahrzeug 510 einen oder mehrere Sensoren 512 auf. Der eine oder die mehreren Sensoren 512 weisen Sensorvorrichtungen auf, die den Sensorvorrichtungen des Fahrzeugs 200 aus 2 gleichen oder ähneln, wie die Kameras 202a, die LiDAR-Sensoren 202b, die Radarsensoren 202c und die Mikrofone 202d. Wie durch Pfeile 540, 542, 544, 546, 548, 550, 552 dargestellt ist, sind der eine oder die mehreren Sensoren 512 dafür ausgelegt, die Umgebung, in der sich das Fahrzeug 510 befindet, aus einer oder mehreren Richtungen zu überwachen. Gemäß einigen Ausführungsformen senden der eine oder die mehreren Sensoren 512 ein Sensorsignal 514 in die Umgebung und empfangen eine Signalrückkehr 516. Zur Erläuterung sei bemerkt, dass das Sensorsignal 514 von einem Lichtemitter des LiDAR-Sensors ausgesendetes Licht aufweist und dass die Sensorrückkehr 516 Lichtreflexionen des ausgesendeten Lichts von Objekten (beispielsweise den Fahrzeugen 520, 530, dem einen oder den mehreren Hindernissen 560 und dergleichen) aufweist. Wie vorstehend beschrieben, werden die in den Signalrückkehren 516 enthaltenen Lichtreflexionen von einem Lichtdetektor des LiDAR-Sensors empfangen und verarbeitet, um Sensordaten (beispielsweise eine Punktwolke, eine kombinierte Punktwolke und/oder dergleichen) zu erzeugen. Es sei bemerkt, dass, wenngleich das vorstehende Beispiel mit Bezug auf einen LiDAR-Sensor beschrieben wurde, andere Sensortypen in der Art von Kameras oder Mikrofonen verwendet werden können. Beispielsweise kann eine Kamera Bilder der Umgebung aufnehmen und können die Bilder verwendet werden, um Objekte in der Umgebung, in der sich das Fahrzeug befindet, gemäß den hier offenbarten Konzepten zu verfolgen.
  • Wie in Block 570 dargestellt ist, empfängt der Autonomes-Fahrzeug-Computer 504 Sensordaten in Zusammenhang mit der Umgebung, in der sich das Fahrzeug befindet. Wie vorstehend beschrieben, umfassen die Sensordaten unter Verwendung eines LiDAR-Sensors erhaltene Daten in der Art einer Punktwolke, einer kombinierten Punktwolke und/oder dergleichen oder andere unter Verwendung anderer Sensortypen erhaltene Datentypen. Gemäß einer Ausführungsform werden die Sensordaten durch das Wahrnehmungssystem 524 beurteilt, welches Informationen über sich in der Umgebung befindende Ziele bereitstellt, wie vorstehend mit Bezug auf 4 beschrieben. Zusätzlich oder alternativ werden die Sensordaten unter Verwendung des Lokalisierungssystems 526 beurteilt, welches die Position des Fahrzeugs 510 innerhalb der Umgebung bestimmt. Zusätzlich bestimmt das Lokalisierungssystem 526 die Position der Fahrzeuge 520, 530 auf der Grundlage der vom Wahrnehmungssystem 524 bereitgestellten Sensordaten und Informationen. Zur Erläuterung sei bemerkt, dass das Wahrnehmungssystem 524 Informationen in Bezug auf Objekte (beispielsweise Fahrzeuge, Hindernisse und dergleichen), die auf der Grundlage der Sensordaten identifiziert wurden, dem Lokalisierungssystem 526 bereitstellt. Das Lokalisierungssystem 526 verwendet dann die Informationen in Bezug auf die vom Wahrnehmungssystem 524 identifizierten Objekte und die Sensordaten zur Bestimmung der Positionen dieser Objekte innerhalb der Umgebung.
  • Wie in 5B dargestellt ist, erhält der autonomes-Fahrzeug-Computer 504 in Block 572 einen Satz von Kandidatenhypothesen auf der Grundlage der Sensordaten. Bei einem Aspekt weist jede der Kandidatenhypothesen von den Sensordaten abgeleitete Spurinformationen und Messinformationen auf. Die Spurinformationen und die Messinformationen werden zumindest teilweise durch Operationen des Wahrnehmungssystems 524 und des Lokalisierungssystems 526 von den Sensordaten abgeleitet. Jede Spur entspricht einem Ziel (beispielsweise einer Person, einem Fußgänger, einem Radfahrer, einem Fahrzeug usw.) (manchmal als interessierendes Ziel bezeichnet), das vom Fahrzeug 510 verfolgt wird. Beispielsweise stellt eine Kandidatenhypothese die Umgebung zu einem bestimmten Zeitpunkt repräsentierende Informationen in der Art der Position des einen oder der mehreren verfolgten Ziele in Bezug zueinander und das Fahrzeug 510 bereit. Beispielhafte Einzelheiten in Bezug auf die Spurinformationen und die Messinformationen werden in weiteren Einzelheiten mit Bezug auf 7 beschrieben.
  • Wie in Block 574 von 5C dargestellt ist, wird der Satz von Kandidatenhypothesen in Bezug auf wenigstens ein Kriterium beurteilt. Bei einem Aspekt umfasst das wenigstens eine Kriterium ein Rangordnungskriterium zur Rangabstufung des Satzes von Kandidatenhypothesen. Das Rangordnungskriterium weist jeder der Kandidatenhypothesen eine Metrik zu, welche die Wahrscheinlichkeit repräsentiert, dass eine bestimmte Kandidatenhypothese des Satzes von Kandidatenhypothesen den Ort des einen oder der mehreren Ziele unabhängig (beispielsweise ohne Berücksichtigung anderer Kandidatenhypothesen des Satzes von Kandidatenhypothesen und/oder einer Hypothese aus einem vorhergehenden Zeitintervall) korrekt identifiziert. Wenngleich das Rangordnungskriterium ermöglicht, dass der Satz von Kandidatenhypothesen auf der Grundlage der zugewiesenen Rangordnungsmetrik geordnet wird, beispielsweise von höchster Wahrscheinlichkeit zu niedrigster Wahrscheinlichkeit, kann die Verfolgung mehrerer Ziele auf der Grundlage einer unabhängigen Beurteilung der Hypothesen zu Ungenauigkeiten führen, insbesondere in Bezug auf gewisse Bedingungen, die während der Verfolgung auftreten können, wie Kollisionsbedingungen und Verdeckungsbedingungen. Jede dieser Bedingungen wird nachstehend in weiteren Einzelheiten beschrieben.
  • Um die Probleme zu adressieren, die auftreten können, wenn Kandidatenhypothesen unabhängig beurteilt werden, bestimmt der Autonomes-Fahrzeug-Computer 504 einen mit einer Rangordnung versehenen Satz von Hypothesen auf der Grundlage einer Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das wenigstens eine Kriterium, wie in Block 576 aus 5D dargestellt. Beispielsweise ermöglicht das Rangordnungskriterium, wie vorstehend kurz beschrieben, dass der Satz von Kandidatenhypothesen gemäß einer Wahrscheinlichkeitsmetrik geordnet wird, die auf der Grundlage einer individuellen Beurteilung der jeweiligen Kandidatenhypothesen bestimmt wurde. Diese dem Satz von Kandidatenhypothesen auf der Grundlage der unabhängigen Beurteilung zugewiesene Rangordnungsmetrik repräsentiert eine vorgeschlagene Rangordnung, und die in Block 576 bestimmte Rangordnung wird verwendet, um die Rangordnungen des Satzes von Kandidatenhypothesen zu verifizieren. Um die endgültige Rangordnung der Kandidatenhypothesen zu erleichtern, wird eine Rangordnung der Kandidatenhypothesen gemäß einem Kollisionskriterium, einem Verdeckungskriterium oder anhand beider vorgenommen. Das Kollisionskriterium und das Verdeckungskriterium werden zur Beurteilung der Kandidatenhypothesen ausgelegt, während Abhängigkeiten der Kandidatenhypothesen berücksichtigt werden, und der mit einer Rangordnung versehene Satz von Hypothesen wird einer Feststellung zugrunde gelegt, ob eine bestimmte Kandidatenhypothese des Satzes von Kandidatenhypothesen den Ort des einen oder der mehreren Ziele unter Berücksichtigung von Abhängigkeiten korrekt identifiziert. Beispielsweise werden Kandidatenhypothesen während der Verfolgung in verschiedenen Zeitintervallen (beispielsweise alle 10 Millisekunden (ms), 100 ms, 500 ms, 1 Sekunde oder einem anderen Zeitintervall) erzeugt oder erhalten. Wie nachstehend in weiteren Einzelheiten mit Bezug auf 8 dargestellt und beschrieben wird, hängen die Kandidatenhypothesen, die erzeugt oder erhalten werden, für jedes aufeinander folgende Zeitintervall von einer der Hypothesen in einem vorhergehenden Zeitintervall ab. Demgemäß wird im Laufe der Zeit eine Datenstruktur erzeugt, die alle während der Verfolgung erhaltenen Kandidatenhypothesen aufweist. Als ein nicht einschränkendes Beispiel liegt die Datenstruktur in Form eines Baums oder als Datenstruktur vom Typ einer verketteten Liste vor, wie in 8 dargestellt ist und nachstehend in weiteren Einzelheiten beschrieben wird.
  • Es sei bemerkt, dass eine solche Datenstruktur im Laufe der Dauer der Verfolgung immer größer werden kann, weshalb die Verfolgung das Verbrauchen größerer Ausmaße an Speicherressourcen erforderlich macht. Das Kollisionskriterium und/oder das Verdeckungskriterium, die von den Techniken zur Verfolgung mehrerer Ziele gemäß der vorliegenden Offenbarung verwendet werden, werden jedoch dafür ausgelegt, die Größe der die Kandidatenhypothesen speichernden Datenstruktur zu verringern, wodurch das Ausmaß der für das Ausführen der Verfolgung benötigten Speicherressourcen verringert wird. Zusätzlich können trotz der verringerten Größe der Datenstruktur das Kollisionskriterium und/oder das Verdeckungskriterium, die von den Techniken zur Verfolgung mehrerer Ziele gemäß der vorliegenden Offenbarung verwendet werden, die Genauigkeit der verfolgten Ziele erhöhen, wie nachstehend in weiteren Einzelheiten erklärt wird.
  • Wie vorstehend kurz beschrieben wurde, werden das Kollisionskriterium und/oder das Verdeckungskriterium zur Beurteilung der (vorgeschlagenen) Rangordnungen des Satzes von Kandidatenhypothesen zur Erzeugung eines (endgültigen oder verifizierten) mit einer Rangordnung versehenen Satzes von Hypothesen, wobei Abhängigkeiten berücksichtigt sind, verwendet. Die Beurteilung der Kandidatenhypothesen auf der Grundlage des Kollisionskriteriums kann es ermöglichen, dass unwahrscheinliche oder nicht plausible Bedingungen innerhalb der Kandidatenhypothesen erkannt werden. Falls eine Kandidatenhypothese beispielsweise angibt, dass sich das Fahrzeug 530 links des Fahrzeugs 520 befindet, sich das Fahrzeug 530 jedoch in einer übergeordneten Hypothese, von der die Kandidatenhypothese abhängt, rechts des Fahrzeugs 520 befand, gibt das Kollisionskriterium an, dass die Kandidatenhypothese eine Kollisionsbedingung enthält. Die Kollisionsbedingung kann angeben, dass die Kandidatenhypothese nicht plausible oder unwahrscheinliche Positions- oder Ortsinformationen in Bezug auf das eine oder die mehreren verfolgten Ziele enthält. Beim vorstehenden Beispiel repräsentiert das Wechseln des Fahrzeugs 530 von einer Seite des Fahrzeugs 520 zur anderen eine nicht plausible oder unwahrscheinliche Änderung der relativen Position oder des relativen Orts des Fahrzeugs 530, weil die Zeitdifferenz zwischen der Kandidatenhypothese und ihrer übergeordneten Hypothese in der Größenordnung einiger Millisekunden (beispielsweise 10 ms, 100 ms usw.) liegen kann und es unwahrscheinlich oder nicht plausibel ist, dass die Fahrzeuge 520, 530 auf diese Weise in einem so kleinen Zeitrahmen die Position ändern konnten.
  • Wenn Kollisionsbedingungen auf der Grundlage der Beurteilung einer Kandidatenhypothese unter Verwendung des Kollisionskriteriums erkannt werden, kann eine Rangordnungsmetrik für die beurteilte Kandidatenhypothese verringert werden. Beispielsweise wird einer Rangordnungsmetrik für jede Kandidatenhypothese anfänglich ein Wert auf der Grundlage des Rangordnungskriteriums zugewiesen, das keine Abhängigkeit berücksichtigt, und wird die Rangordnungsmetrik auf einen Wert von null gesetzt, wenn eine Kollisionsbedingung auf der Grundlage einer Beurteilung der Kandidatenhypothese unter Verwendung des Kollisionskriteriums erkannt wird. Kandidatenhypothesen, die unter Verwendung des Kollisionskriteriums beurteilt werden und für die festgestellt wird, dass sie keine Kollisionsbedingung repräsentieren, werden zum (endgültigen) mit einer Rangordnung versehenen Satz von Hypothesen hinzugefügt. Wie nachstehend in weiteren Einzelheiten beschrieben wird, wird der mit einer Rangordnung versehene Satz von Hypothesen zur Ausführung einer Verfolgung verwendet und erleichtert in manchen Fällen Operationen zum Steuern der Navigation des Fahrzeugs 510 oder zum Bereitstellen von Warnungen für einen Fahrer (beispielsweise für halbautonome oder nichtautonome Fahrzeuge).
  • Die Beurteilung der Kandidatenhypothesen auf der Grundlage des Verdeckungskriteriums ermöglicht eine Erkennung oder Verifizierung, ob eine Verdeckungsbedingung in einer Kandidatenhypothese vorhanden ist. Die Verdeckungsbedingung tritt auf, wenn ein Fahrzeug aus dem Erfassungsfeld der Sensoren blockiert wird. Falls das Fahrzeug 520 beispielsweise vor dem Fahrzeug 530 fährt, kann das Fahrzeug 530 verhindern, dass die Sensoren das Fahrzeug 520 erfassen. In einigen Fällen tritt eine Nichterfassung jedoch auf, wenn die Sensoren die Signalrückkehr von einem Objekt nicht richtig empfangen. In solchen Fällen scheint die Beurteilung der Kandidatenhypothese unter Verwendung des Rangordnungskriteriums eine Verdeckung anzugeben, weil Abhängigkeiten nicht berücksichtigt werden. Es ist leicht verständlich, dass ein solches inkorrektes Verständnis der Umgebung, in der ein autonomes Fahrzeug arbeitet, problematisch sein kann und unerwünscht ist.
  • Um diese Herausforderung zu adressieren, wird das Verdeckungskriterium verwendet, um jede der Kandidatenhypothesen zu beurteilen und zu verifizieren, ob eine Verdeckungsbedingung vorhanden ist. Es wird beispielsweise durch Berücksichtigen von Abhängigkeitsinformationen festgestellt, ob ein Fahrzeug verdeckt ist, beispielsweise wenn das Fahrzeug in einer vorhergehenden Hypothese vorhanden war, die Kandidatenhypothese, die gerade beurteilt wird, jedoch keine Messinformationen aufweist, die angeben, dass das Fahrzeug noch vorhanden ist. Kandidatenhypothesen, die keine Verdeckungsbedingungen aufweisen oder eine Verdeckungsbedingung korrekt identifizieren, werden zum (endgültigen) mit einer Rangordnung versehenen Satz von Hypothesen gemäß ihrer zugewiesenen oder vorgeschlagenen Rangordnungsmetrik (beispielsweise der durch das Rangordnungskriterium bestimmten Rangordnungsmetrik) hinzugefügt. Eine Strafmetrik wird jedoch auf Metrikwerte in Zusammenhang mit Kandidatenhypothesen angewendet, die während der Beurteilung unter Verwendung des Rangordnungskriteriums inkorrekt als Verdeckungsbedingungen aufweisend identifiziert wurden. Die Strafmetrik wird ausgelegt, um die Metrikwerte oder die Rangordnung von Kandidatenhypothesen, die inkorrekt als eine Verdeckungsbedingung aufweisend bestimmt wurden (beispielsweise auf der Grundlage des Rangordnungskriteriums), zu verringern. Sobald die Strafmetrik angewendet wurde, wird die Kandidatenhypothese gemäß dem verringerten Metrikwert zum mit einer Rangordnung versehenen Satz von Hypothesen hinzugefügt.
  • Wie nachstehend in weiteren Einzelheiten beschrieben wird, kann die Verwendung des Kollisionskriteriums und/oder des Verdeckungskriteriums zur Erzeugung eines mit einer Rangordnung versehenen Satzes von Hypothesen die Anzahl der Hypothesen verringern, die berücksichtigt werden müssen, um eine genaue Verfolgung zu erreichen. Beispielsweise werden, wenn das Kollisionskriterium verwendet wird, jegliche Hypothesen, die Kollisionsbedingungen aufweisen, aus der weiteren Verwendung bei Verfolgungsoperationen ausgeschlossen (beispielsweise erzeugen Kandidatenhypothesen in Zusammenhang mit Kollisionsbedingungen keine untergeordneten Hypothesen innerhalb der Verfolgungsdatenstruktur). Durch identifizieren ungenauer Kandidatenhypothesen unter Verwendung des Kollisionskriteriums wird die Verfolgung unter Verwendung eines kleineren Satzes von Hypothesen als bei früheren Verfolgungstechniken ausgeführt. Beispielsweise weist der (endgültige) mit einer Rangordnung versehene Satz von Hypothesen nur die oberen „X“ unter Verwendung des Kollisionskriteriums aus den Kandidatenhypothesen ausgewählten mit einer Rangordnung versehenen Hypothesen auf. Die oberen „X“ mit einer Rangordnung versehenen Hypothesen können 100 Hypothesen, 200 Hypothesen oder eine andere Anzahl von Hypothesen umfassen. Ähnlich kann die Verwendung des Verdeckungskriteriums und der Strafmetrik den Rang ungenauer Kandidatenhypothesen (beispielsweise von Kandidatenhypothesen, die inkorrekt identifizierte Verdeckungsbedingungen enthalten) verringern. Demgemäß ist es, wenn die oberen „X“ mit einer Rangordnung versehenen Hypothesen zur Ausführung einer Verfolgung ausgewählt werden, weniger wahrscheinlich, dass ungenaue Hypothesen verwendet werden, was zu einem genaueren Satz von Informationen über den Ort und die Beziehung der in der Umgebung, in der sich das Fahrzeug 510 befindet, vorhandenen Objekte (beispielsweise Fahrzeuge, Hindernisse und dergleichen) führt. Die verbesserte Genauigkeit ermöglicht es autonomen Fahrzeugen, intelligentere Entscheidungen zu treffen und die Wahrscheinlichkeit des Auftretens eines Unfalls während der autonomen Navigation des Fahrzeugs 510 zu verringern. Zusätzlich zur Verbesserung der Genauigkeit kann der verringerte Satz von Kandidatenhypothesen auch die Größe der zur Verfolgung interessierender Ziele verwendeten Datenstruktur verringern. Die verringerte Größe der Datenstruktur ermöglicht es, dass mehr Ziele verfolgt werden, und/oder dass eine Verfolgung mit verringerten Rechenressourcen (beispielsweise weniger Speicher- oder anderer Hardwareanforderungen) geschieht. Die Beurteilung von Kandidatenhypothesen unter Verwendung des Kollisions- und des Verdeckungskriteriums wird nachstehend in weiteren Einzelheiten mit Bezug auf die 7 - 10 beschrieben.
  • Wie in Block 578 von 5E dargestellt ist, schätzt der Autonomes-Fahrzeug-Computer 504 den Ort jedes von dem einen oder den mehreren Zielen auf der Grundlage des in Block 576 bestimmten mit einer Rangordnung versehenen Satzes von Hypothesen. Wie vorstehend beschrieben, stellt der mit einer Rangordnung versehene Satz von Hypothesen verifizierte Rangordnungen der Hypothesen, die Abhängigkeiten der Hypothesen berücksichtigen, bereit, wodurch es ermöglicht werden kann, dass problematische Bedingungen (beispielsweise Kollisionsbedingungen und Verdeckungsbedingungen) berücksichtigt werden. Die Fähigkeit zur Berücksichtigung solcher problematischer Bedingungen ermöglicht ein genaueres Verständnis der räumlichen Beziehung zwischen dem Fahrzeug 510 und anderen Objekten in der Umgebung, in der sich das Fahrzeug 510 befindet, in der Art der Fahrzeuge 520, 530 und/oder des einen oder der mehreren Hindernisse 560.
  • In Block 580 von 5F bestimmt ein Planungssystem 506, das dem Planungssystem aus 4 gleicht oder ähnelt, eine oder mehrere Navigationsoperationen 518 auf der Grundlage der geschätzten Orte der Ziele. Die eine oder die mehreren Navigationsoperationen umfassen Einstellungen oder Modifikationen der Geschwindigkeit des Fahrzeugs 510 in der Art des Beschleunigens oder Verlangsamens des Fahrzeugs 510 oder des Änderns des Fahrwegs des Fahrzeugs 510 (beispielsweise Richtungsänderung oder Drehung in einer bestimmten Richtung usw.). Zusätzliche beispielhafte Operationen, die durch das Planungssystem 506 ausgeführt werden können, wurden vorstehend mit Bezug auf das Planungssystem aus 4 beschrieben. Die eine oder die mehreren Navigationsoperationen 518 können einem Steuersystem 508 bereitgestellt werden, das dem Steuersystem aus 4 gleicht oder ähnelt.
  • Wie in 5G dargestellt ist, erzeugt das Steuersystem 508 in Block 582 ein oder mehrere Steuersignale 502 auf der Grundlage der Navigationsoperationen. Das eine oder die mehreren Steuersignale 502 weisen Befehle zum Implementieren der einen oder der mehreren Navigationsoperationen 518 auf. Wie in 5G dargestellt ist, können das eine oder die mehreren Steuersignale 502 einem Drive-by-Wire-System 522 bereitgestellt werden, das dem Drive-by-Wire-System aus 2 gleicht oder ähnelt. Wie vorstehend mit Bezug auf die 2 und 4 beschrieben, kann das Drive-by-Wire-System 522 den Betrieb eines Fahrzeugs steuern. Zur Erläuterung sei bemerkt, dass das Drive-by-Wire-System 522 die Steuersignale 502 verwendet, um die Operationen eines Antriebsstrang-Steuersystems (beispielsweise des Antriebsstrang-Steuersystems 204 aus 2 und/oder dergleichen), eines Lenksteuersystems (beispielsweise des Lenksteuersystems 206 aus 2 und/oder dergleichen) und/oder eines Bremssystems (beispielsweise des Bremssystems 208 aus 2 und/oder dergleichen) zu steuern. Es sei bemerkt, dass, wenngleich die 5A - 5G eine beispielhafte Implementation eines Fahrzeugs zeigen, die dafür ausgelegt ist, eine Verfolgung mehrerer Ziele mit abhängigen Wahrscheinlichkeitsstrukturen gemäß der vorliegenden Offenbarung auszuführen, diese Implementation für die Zwecke der Erläuterung bereitgestellt wurde und nicht als einschränkend anzusehen ist. Dementsprechend ist zu verstehen, dass die offenbarten Techniken zur Ausführung einer Verfolgung mehrerer Ziele mit abhängigen Wahrscheinlichkeitsstrukturen leicht auf von autonomen Fahrzeugen verschiedene Verfolgungsverwendungsfälle angewendet werden können, wie das Verfolgen von Zellen oder andere auf Biologie bezogene Verwendungsfälle, das Verfolgen von Personen, das Verfolgen von Tieren, das Verfolgen von Robotern und dergleichen.
  • 6 zeigt ein Flussdiagramm eines Prozesses 600 zur Verfolgung mehrerer Ziele mit abhängigen Wahrscheinlichkeitsstrukturen gemäß der vorliegenden Offenbarung.
  • Gemäß einigen Ausführungsformen werden ein oder mehrere der mit Bezug auf den Prozess 600 beschriebenen Schritte durch ein autonomes System in der Art des Fahrzeugs 200 aus 2 ausgeführt (beispielsweise vollständig, teilweise und/oder dergleichen). Zusätzlich oder alternativ werden gemäß einigen Ausführungsformen ein oder mehrere mit Bezug auf den Prozess 600 beschriebene Schritte (beispielsweise vollständig, teilweise und/oder dergleichen) durch eine andere Vorrichtung oder eine andere Gruppe von Vorrichtungen ausgeführt, die von autonomen Fahrzeugen getrennt sind oder diese einschließen, beispielsweise das Fern-AV-System 114 aus 1, das Flottenverwaltungssystem 116 aus 1 oder das Fahrzeug-zu-Infrastruktur-System 118 aus 1. Gemäß einer Ausführungsform werden Operationen des Prozesses 600 in einem Speicher (beispielsweise dem Speicher 306 aus 3) als Befehle gespeichert, die, wenn sie durch einen oder mehrere Prozessoren (beispielsweise den einen oder die mehreren Prozessoren 304 aus 3) ausgeführt werden, den einen oder die mehreren Prozessoren veranlassen, eine Verfolgung mehrerer Ziele mit abhängigen Wahrscheinlichkeitsstrukturen gemäß der vorliegenden Offenbarung auszuführen.
  • In Block 610 des Prozesses 600 werden mit wenigstens einem Prozessor Sensordaten in Zusammenhang mit einer Umgebung, in der sich ein Fahrzeug befindet, empfangen. Bei einem Aspekt umfassen die Sensordaten LiDAR-Daten in Zusammenhang mit einer Punktwolke, Bilddaten in Zusammenhang mit einem Bild, Videodaten in Zusammenhang mit einem Video, andere Typen von Sensordaten oder Kombinationen davon. Es sei bemerkt, dass, wenngleich Block 610 mit Bezug auf eine Umgebung, in der sich ein Fahrzeug befindet, beschrieben wird, der Prozess 600 nicht auf Fahrzeuge betreffende Anwendungen beschränkt ist und leicht auf andere Verwendungsfälle angewendet werden kann, in denen die Fähigkeit zur Ausführung einer Verfolgung mehrerer Ziele erwünscht ist. In Block 620 des Prozesses 600 wird mit wenigstens einen Prozessor ein Satz von Kandidatenhypothesen auf der Grundlage der Sensordaten erhalten. Wie hier beschrieben, weist jede Kandidatenhypothese im Satz von Kandidatenhypothesen Informationen auf, die einer Spur entsprechen, die einen Kandidatenort eines oder mehrerer Ziele repräsentiert. Das eine oder die mehreren Ziele umfassen andere Fahrzeuge (beispielsweise Boote, Personenkraftwagen, Lastwagen, Motorräder, Flugzeuge, Drohnen) innerhalb der Umgebung. In anderen Verwendungsfällen umfassen das eine oder die mehreren Ziele Zellen (beispielsweise mit einem Mikroskop beobachtete Zellen), Personen, Roboter, Tiere und dergleichen. Zusätzliche beispielhafte Aspekte von Kandidatenhypothesen werden nachstehend mit Bezug auf die 7 - 10 beschrieben.
  • In Block 630 des Prozesses 600 wird der Satz von Kandidatenhypothesen in Bezug auf wenigstens ein Kriterium mit dem wenigstens einen Prozessor beurteilt. Wie hier beschrieben, umfasst das wenigstens eine Kriterium ein Kollisionskriterium, ein Verdeckungskriterium oder sowohl das Kollisionskriterium als auch das Verdeckungskriterium. Das Kollisionskriterium wird dafür ausgelegt, Hypothesen (oder Spuren innerhalb Hypothesen) in Zusammenhang mit Kollisionsbedingungen zu identifizieren. Beispielhafte Aspekte von Kollisionsbedingungen werden nachstehend in weiteren Einzelheiten mit Bezug auf 7 beschrieben und erläutert. Das Verdeckungskriterium wird dafür ausgelegt, Hypothesen (oder Spuren innerhalb Hypothesen) in Zusammenhang mit korrekt und inkorrekt identifizierten Verdeckungsbedingungen zu identifizieren. Beispielhafte Aspekte von Verdeckungsbedingungen werden nachstehend in weiteren Einzelheiten mit Bezug auf 7 beschrieben und erläutert.
  • In Block 640 des Prozesses 600 wird mit dem wenigstens einen Prozessor ein mit einer Rangordnung versehener Satz von Hypothesen auf der Grundlage der Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das wenigstens eine Kriterium bestimmt. Wie hier beschrieben, verwenden die Verfolgungstechniken der vorliegenden Offenbarung einen Vorschlagen-und-Verifizieren-Ansatz, der die Kandidatenhypothesen (oder die Spuren jeder Kandidatenhypothese) unabhängig (beispielsweise ohne Berücksichtigung früherer Hypothesen) beurteilt, um eine anfängliche oder vorgeschlagene Rangordnung der Kandidatenhypothesen wie in Block 630 zu bestimmen und dann die vorgeschlagene Rangordnung unter Verwendung des wenigstens einen Kriteriums zu verifizieren. Als Ergebnis der Verifikation wird der (endgültige) Satz mit einer Rangordnung versehener Hypothesen erzeugt und verwendet, um das eine oder die mehreren interessierenden Ziele zu verfolgen. Es sei bemerkt, dass der mit einer Rangordnung versehene Satz von Hypothesen eine aus dem Satz von Kandidatenhypothesen auf der Grundlage des wenigstens einen Kriteriums ausgewählte Teilmenge von Hypothesen aufweisen kann. Beispielhafte Aspekte der Bestimmung des für die Verfolgung verwendeten Satzes mit einer Rangordnung versehener Hypothesen werden nachstehend in weiteren Einzelheiten mit Bezug auf die 7 - 10 beschrieben.
  • In Block 650 des Prozesses 600 wird mit dem wenigstens einen Prozessor der Ort jedes von dem einen oder den mehreren Zielen auf der Grundlage des mit einer Rangordnung versehenen Satzes von Hypothesen geschätzt. Bei einem Aspekt wird der geschätzte Ort auf der Grundlage eines in Block 640 bestimmten aktuellen Satzes mit einer Rangordnung versehener Hypothesen bestimmt. Beispielsweise wird ein für ein gegebenes Zeitintervall bestimmter endgültiger mit einer Rangordnung versehener Satz von Hypothesen analysiert, um ein Verständnis der Orte des einen oder der mehreren durch ein Fahrzeug verfolgten interessierenden Ziele zu erhalten. Das Fahrzeug verwendet die Orte des einen oder der mehreren verfolgten interessierenden Ziele zur Bestimmung einer oder mehrerer Navigationsoperationen zur Steuerung der Navigation des Fahrzeugs, beispielsweise zum Vermeiden eines Kontakts mit anderen Fahrzeugen oder Objekten innerhalb der Umgebung, zum Verlangsamen, um einen Schwellenabstand von einem oder mehreren Fahrzeugen innerhalb der Umgebung aufrechtzuerhalten, oder zum Ausführen anderer Typen von Navigationsoperationen. Nach der Bestimmung der einen oder der mehreren Navigationsoperationen wird einem Drive-by-Wire-System 522 (beispielsweise dem Drive-by-Wire-System 202h aus 2) ein Steuersignal bereitgestellt. Als nicht einschränkendes und der Erläuterung dienendes Beispiel empfängt das Drive-by-Wire-System 522 die Steuerung und stellt dann einem Antriebsstrang-Steuersystem (beispielsweise dem Antriebsstrang-Steuersystem 204 aus 2) Befehle bereit. Das Antriebsstrang-Steuersystem kann dann die Navigationsoperationen implementieren, um Aspekte der Navigation des Fahrzeugs zu steuern. Es sei bemerkt, dass die vorstehend beschriebene Funktionalität zum Steuern der Navigation eines Fahrzeugs der Erläuterung diente und nicht als einschränkend anzusehen ist und dass Fahrzeuge, die Verfolgungstechniken gemäß der vorliegenden Offenbarung implementieren, einen anderen Prozess zum Steuern der Navigation verwenden können. Unabhängig von den jeweiligen Untersystemen (beispielsweise Drive-by-Wire-Systemen, Antriebsstrang-Steuersystemen usw.), die zum Steuern der Navigation verwendet werden, ermöglicht es der Prozess 600 solchen Steuersystemen, schnell genaue Informationen über die innerhalb einer Umgebung verfolgten interessierenden Ziele zu erhalten und auf Änderungen des Orts der verfolgten Ziele zu reagieren. Solche Fähigkeiten können die Sicherheit und Zuverlässigkeit autonomer Navigationssysteme erhöhen und die Wahrscheinlichkeit eines Unfalls verringern.
  • Zusätzlich ermöglicht der Prozess 600, dass mehr Ziele verfolgt werden, weil die Verfolgung auf der Grundlage eines verkleinerten Satzes von Hypothesen ausgeführt wird, der verwendet wird, um Ziele innerhalb der Umgebung, in der sich das Fahrzeug befindet, genau zu verfolgen. Zusätzlich kann es die verringerte Anzahl der für die Verfolgung verwendeten Hypothesen ermöglichen, dass die Verfolgung mit einer geringeren rechnerischen Komplexität ausgeführt wird, wodurch es ermöglicht wird, dass genaue Verfolgungssysteme zu verringerten Kosten installiert werden. Es sei bemerkt, dass, wenngleich einige Implementationen hier als den Prozess 600 verwendend beschrieben werden und andere Aspekte der vorliegenden Offenbarung als die Verfolgung in autonomen Fahrzeugen erleichternd beschrieben werden, Ausführungsformen der vorliegenden Offenbarung nicht auf solche Verwendungsfälle beschränkt sind. Zur Erläuterung sei bemerkt, dass der Prozess 600 auch in halbautonomen Fahrzeugen verwendet wird, beispielsweise zum Überschreiben manueller Fahrbefehle, falls eine möglicherweise schädliche Situation erkannt wird (beispielsweise automatisches Bremsen oder automatische Richtungsänderung, falls erkannt wird, dass das Fahrzeug einem verfolgten Ziel innerhalb der Umgebung nahe kommt), und dass der Prozess 600 auch in nicht autonomen Fahrzeugen (beispielsweise Fahrzeugen, die keine automatischen Navigationsfähigkeiten aufweisen) verwendet wird, um dem Fahrer einen hörbaren Alarm oder eine hörbare Warnung bereitzustellen, wenn gewisse Bedingungen in Bezug auf verfolgte Ziele erkannt werden (beispielsweise Bereitstellen eines hörbaren Alarms, wenn ein Ziel dem Fahrzeug nahe kommt). Es sei ferner bemerkt, dass der Prozess 600 auch leicht für die Verfolgung von Fahrzeugen verschiedener interessierender Ziele verwendbar ist, beispielsweise zum Verfolgen von Zellen auf der Grundlage von einem Mikroskop bereitgestellter Bilddaten, zum Verfolgen von Robotern, zum Verfolgen von Tieren oder in anderen Situationen, in denen eine Verfolgung erwünscht ist. Dementsprechend ist zu verstehen, dass der Prozess 600 nicht auf Verwendungsfälle beschränkt ist, die Fahrzeuge betreffen, und stattdessen eine verbesserte Technik zum genauen Ausführen einer Verfolgung mehrerer Ziele mit einer verringerten rechnerischen Komplexität und einer verbesserten Genauigkeit bereitstellt.
  • 7 zeigt ein Blockdiagramm von Aspekten eines Verfolgungssystems gemäß der vorliegenden Offenbarung. In 7 sind ein Schnappschuss 710 und Kandidatenhypothesen 730A, 730B, ... , 730n dargestellt. Der Schnappschuss 710 weist Spuren für ein interessierendes Ziel 712 und ein interessierendes Ziel 714 auf. Der Schnappschuss 710 entspricht einer zur Weiterverwendung bei der Verfolgung während eines vorhergehenden Zeitintervalls ausgewählten Hypothese, wie in weiteren Einzelheiten mit Bezug auf 8 beschrieben und erläutert wird. Die Spur für das interessierende Ziel 712 entspricht einem geschätzten Ort innerhalb einer Umgebung für das interessierende Ziel 712, und die Spur für das interessierende Ziel 714 entspricht einem geschätzten Ort innerhalb einer Umgebung für das interessierende Ziel 714. Beispielsweise können das interessierende Ziel 712 und das interessierende Ziel 714 Fahrzeuge (beispielsweise Boote, Personenkraftwagen, Lastwagen, Motorräder, Flugzeuge, Drohnen, Helikopter usw.) sein und entsprechen die Spuren für die interessierenden Ziele 712, 714 geschätzten Orten innerhalb einer Umgebung (beispielsweise einer Straße, einer Parkstruktur usw.), wo sich die Fahrzeuge befinden. Zusätzlich zu anderen Fahrzeugen können die interessierenden Ziele auch stationäre interessierende Ziele umfassen (beispielsweise Straßenleuchten, Zeichen oder andere Objekte innerhalb der überwachten Umgebung). Es sei bemerkt, dass, wenngleich einige Ausführungsformen der vorliegenden Offenbarung mit Bezug auf die Verfolgung von Fahrzeugen beschrieben werden, diese Beispiele der Erläuterung dienen und nicht als einschränkend anzusehen sind, und dass die hier offenbarten Verfolgungstechniken nicht auf die Verfolgung von Fahrzeugen beschränkt sind, sondern dass die Verfolgungstechniken gemäß der vorliegenden Offenbarung vielmehr leicht auf die Verfolgung anderer interessierender Ziele als Fahrzeuge in der Art von Zellen, Personen, Robotern, Tieren oder anderen Typen von Zielen, angewendet werden können.
  • Der Schnappschuss 710 weist auch Messungen 720, 722, 724 auf. Die Messungen werden auf der Grundlage vom Verfolgungssystem (beispielsweise Autonomes-Fahrzeug-Computer 202f aus 2, Autonomes-Fahrzeug-Computer 400 aus 4 oder Autonomes-Fahrzeug-Computer 504 aus den 5A - 5G) beobachteter Daten bestimmt. Die beobachteten Daten entsprechen Sensordaten in Zusammenhang mit einer Umgebung, in der sich ein Fahrzeug (oder ein anderer Typ eines interessierenden Ziels) befindet. Wie vorstehend beschrieben, umfassen die Sensordaten einen LiDAR-Scann (beispielsweise eine Punktwolke, eine zusammengeführte Punktwolke und/oder dergleichen). Bei diesem Beispiel werden die Daten in Zusammenhang mit dem LiDAR-Scann durch eine LiDAR-Vorrichtung (beispielsweise eine LiDAR-Vorrichtung, die dem LiDAR-Sensor 202b aus 2 gleicht oder ähnelt oder diesen aufweist) erzeugt. Es sei bemerkt, dass Ausführungsformen der vorliegenden Offenbarung auch Sensordaten von anderen Sensortypen erhalten können. Beispielsweise umfassen die Sensoren eine oder mehrere Kameras (beispielsweise eine Kamera, die der Kamera 202a aus 2 gleicht oder ähnelt) und umfassen die Sensordaten Bilddaten, die eine Szene innerhalb des Gesichtsfelds der Kamera zeigen, oder Videodaten in Zusammenhang mit einem Video. Es sei bemerkt, dass auch andere Sensortypen (beispielsweise ein Radarsensor, der dem Radarsensor 202c aus 2 gleicht oder ähnelt, ein Mikrofonsensor, der dem Mikrofon 202d aus 2 gleicht oder ähnelt und dergleichen) und Sensordaten verwendet werden können, um die Verfolgung gemäß den hier offenbarten Konzepten auszuführen. Es sei bemerkt, dass 7 zur Veranschaulichung und nicht als Einschränkung die Messungen als drei Messungen 720, 722, 724 umfassend zeigt und dass Ausführungsformen der vorliegenden Offenbarung Sensordaten verwenden können, die mehr oder weniger als drei Messungen bereitstellen.
  • Wie in 7 dargestellt ist, repräsentiert der Schnappschuss 710 ein Verständnis der Beziehung zwischen den interessierenden Zielen 712, 714 und der Umgebung zu einem ersten Zeitpunkt (beispielsweise Zeit (t) = 0). Zu einem nachfolgenden Zeitpunkt (beispielsweise t = 1) werden zusätzliche Sensordaten in Zusammenhang mit der Umgebung empfangen (beispielsweise von den Sensoren). Die zum nachfolgenden Zeitpunkt (beispielsweise t = 1) empfangenen Sensordaten werden verwendet, um den Satz von Kandidatenhypothesen 730A, 730B, ... , 730n zu erhalten. Jede der Kandidatenhypothesen 730A, 730B, ... , 730n entspricht einer einen Kandidatenort eines oder mehrerer Ziele repräsentierenden Spur. Beispielsweise sei angenommen, dass in Schnappschuss 710 das interessierende Ziel 712 ein erstes Fahrzeug ist und das interessierende Ziel 714 ein zweites Fahrzeug ist. In der Kandidatenhypothese 730A wird das interessierende Ziel 712 als sich am durch die Messung 722 angegebenen Ort befindend geschätzt und wird das interessierende Ziel 714 als sich am durch die Messung 724 angegebenen Ort befindend geschätzt. In der Kandidatenhypothese 730B wird das interessierende Ziel 712 als sich am durch die Messung 720 angegebenen Ort befindend geschätzt und wird das interessierende Ziel 714 als sich am durch die Messung 722 angegebenen Ort befindend geschätzt, und in der Kandidatenhypothese 730n wird das interessierende Ziel 712 als sich am durch die Messung 724 angegebenen Ort befindend geschätzt und wird das interessierende Ziel 714 als sich am durch die Messung 720 angegebenen Ort befindend geschätzt.
  • Durch individuelles Berücksichtigen jeder Spur ist ersichtlich, dass alle Kandidatenhypothesen als plausibel erscheinen. Dies liegt daran, dass es, wenn nur die mit dem interessierenden Ziel 712 assoziierte Spur betrachtet wird, vernünftig ist, dass sich das interessierende Ziel 712 an irgendwelchen der durch die Messungen von Kandidatenhypothesen 730A - 730n angegebenen Punkte befindet. Ähnlich ist es, wenn nur die mit dem interessierenden Ziel 714 assoziierte Spur betrachtet wird, vernünftig, dass sich das interessierende Ziel 714 an irgendwelchen der durch die Messungen von Kandidatenhypothesen 730A - 730n angegebenen Punkte befindet. Bei einem Aspekt wird jede der Kandidatenhypothesen anfänglich gemäß einer individuellen Analyse jeder Spur mit einer Rangordnung versehen (beispielsweise ohne Berücksichtigung anderer Spuren oder anderer verfolgter interessierender Ziele).
  • Wie vorstehend beschrieben, berücksichtigen Verfolgungstechniken gemäß der vorliegenden Offenbarung zusätzlich zum individuellen Beurteilen der Spuren und Messdaten der Kandidatenhypothesen 730A - 730n auch Abhängigkeiten zwischen verschiedenen Spuren. Wenn die Spuren mit Abhängigkeiten betrachtet werden, ist ersichtlich, dass die Kandidatenhypothesen 730A und 730B plausible Übergänge in der Position der interessierenden Ziele 712, 714 während des Zeitintervalls von t = 0 bis t = 1 repräsentieren. Zur Erläuterung sei bemerkt, dass das interessierende Ziel 712 als sich an einem Ort in Zusammenhang mit der Messung 722 befindend geschätzt wird und dass das interessierende Ziel 714 als sich an einem Ort in Zusammenhang mit der Messung 724 auf der Grundlage der Kandidatenhypothese 730A befindend geschätzt wird und dass das interessierende Ziel 712 als sich an einem Ort in Zusammenhang mit der Messung 720 befindend geschätzt wird und dass das interessierende Ziel 714 als sich an einem Ort in Zusammenhang mit der Messung 722 auf der Grundlage der Kandidatenhypothese 730B befindend geschätzt wird. Die Ortsschätzungen für die Kandidatenhypothesen 730A und 730B repräsentieren plausible Ortsschätzungen, weil die interessierenden Ziele 712, 714 ihre räumliche Beziehung während des Zeitintervalls von t = 0 bis t = 1 behalten (beispielsweise bleibt das interessierende Ziel 712 auf der gleichen Seite des interessierenden Ziels 714, und keines der interessierenden Ziele 712, 714 war während des Zeitintervalls verdeckt). Wie vorstehend beschrieben wurde, werden die durch die Kandidatenhypothesen 730A und 730B repräsentierten Ortsschätzungen bestimmt, um gültige mögliche Orte für die interessierenden Ziele 712, 714 zu repräsentieren, und sie werden daher für die weitere Verfolgung verwendet.
  • Dagegen repräsentiert die Kandidatenhypothese 730n einen unwahrscheinlichen oder nicht plausiblen Übergang im Ort der interessierenden Ziele 712, 714 während des Zeitintervalls von t = 0 bis t = 1. Insbesondere wechseln die interessierenden Ziele 712, 714 ihre Positionen oder Orte in Bezug zueinander während des Zeitintervalls von t = 0 bis t = 1, dieses Zeitintervall kann jedoch einen kurzen Zeitraum wie beispielsweise 1 Sekunde, eine Anzahl von Millisekunden (ms) oder einen anderen Zeitrahmen repräsentieren. Bei einem so kleinen Zeitrahmen wäre es sehr unwahrscheinlich, dass die interessierenden Ziele 712, 714 ihre Positionen wechseln könnten, ohne zu kollidieren. Wie vorstehend beschriebenen, verwenden Verfolgungstechniken gemäß der vorliegenden Offenbarung ein Kollisionskriterium oder eine Kollisionsstruktur zum Erkennen von Vorkommnissen der beispielsweise durch die Kandidatenhypothese 730n repräsentierten Situation. Kandidatenhypothesen, von denen festgestellt wurde, dass sie Kollisionsereignisse repräsentieren, werden von den hier offenbarten Verfolgungstechniken nicht verwendet, wie nachstehend in weiteren Einzelheiten mit Bezug auf 8 beschrieben.
  • In 7 ist ein anderes beispielhaftes Szenario, das während der Verfolgung angetroffen werden kann, bei Kandidatenhypothese 740 dargestellt. Die Kandidatenhypothese 740 repräsentiert ein Verdeckungsszenario, bei dem das interessierende Ziel 712 vom interessierenden Ziel 714 verdeckt ist. Wenn solche Verdeckungsbedingungen auftreten, kann es schwierig sein, die Position des verdeckten interessierenden Ziels zu schätzen. Beispielsweise kann es bei Kandidatenhypothesen, bei denen die Verdeckungsbedingung vorhanden ist, unklar sein, ob sich das interessierende Ziel 712 nicht mehr in der Umgebung befindet (beispielsweise ist ein verfolgtes Fahrzeug von der Straße abgefahren) oder ob das interessierende Ziel 712 noch in der Umgebung ist, jedoch verhindert wird, dass es erfasst wird, weil es sich hinter einem Objekt (beispielsweise einem anderen interessierenden Ziel, einem Straßenzeichen, einer Wand usw.) befindet. Wie vorstehend beschrieben, wird die durch die Kandidatenhypothese 740 repräsentierte Situation unter Verwendung eines Verdeckungskriteriums beurteilt, um festzustellen, ob das interessierende Ziel tatsächlich verdeckt ist oder dies nicht der Fall ist. Wenn das Verdeckungskriterium angibt, dass ein interessierendes Ziel innerhalb einer Kandidatenhypothese (beispielsweise der Hypothese 740) nicht tatsächlich verdeckt ist, kann diese Kandidatenhypothese nicht verwendet werden, um eine Weiterverfolgung auszuführen. Falls das Verdeckungskriterium jedoch angibt, dass das interessierende Ziel verdeckt ist, kann die Kandidatenhypothese zur Weiterverwendung bei der Verfolgung beibehalten werden.
  • 8 zeigt ein Blockdiagramm von Aspekten der Ausführung einer Verfolgung mehrerer Ziele gemäß der vorliegenden Offenbarung. In 8 sind mehrere Kandidatenhypothesen als Hypothesen 800, 804, 808, 812, 816, 820, 824, 828, 832, 836, 840, 844, 848, 852, 856, 860, 864, 868, 872, 876 umfassend dargestellt. Jede der in 8 dargestellten Hypothesen wird auf der Grundlage von Sensordaten (beispielsweise eines LiDAR-Scans, einer Punktwolke, eines Bilds, eines Videos und dergleichen) in Zusammenhang mit einer Umgebung (beispielsweise einer Umgebung, in der sich ein Fahrzeug befindet, einer Umgebung, in der Zellen beobachtet werden und dergleichen), wo die Sensordaten durch einen oder mehrere Sensoren in der Art einer LiDAR-Vorrichtung, einer Kamera (beispielsweise einer Videokamera, einer Bildkamera, einer Infrarotkamera, einer RGB-D-Kamera usw.), eines Mikroskops oder eines anderen Sensortyps erfasst werden, erhalten.
  • Wie vorstehend mit Bezug auf 7 beschrieben, weist jede der Hypothesen Daten in Zusammenhang mit Messungen (beispielsweise den Messungen 720, 722, 724 aus 7), die von den Sensordaten abgeleitet wurden, und Informationen, die eine Spur in Zusammenhang mit jeder Messung (beispielsweise die Spuren in Zusammenhang mit den interessierenden Zielen 712, 714 aus 7) angeben, auf. Beispielsweise weist die Hypothese 800 Spur- und Messdaten 802 auf, weist die Hypothese 804 Spur- und Messdaten 806 auf, weist die Hypothese 808 Spur- und Messdaten 810 auf, weist die Hypothese 812 Spur- und Messdaten 814 auf, weist die Hypothese 816 Spur- und Messdaten 818 auf, weist die Hypothese 820 Spur- und Messdaten 822 auf, weist die Hypothese 824 Spur- und Messdaten 826 auf, weist die Hypothese 828 Spur- und Messdaten 830 auf, weist die Hypothese 832 Spur- und Messdaten 834 auf, weist die Hypothese 836 Spur- und Messdaten 838 auf, weist die Hypothese 840 Spur- und Messdaten 842 auf, weist die Hypothese 844 Spur- und Messdaten 846 auf, weist die Hypothese 848 Spur- und Messdaten 850 auf, weist die Hypothese 852 Spur- und Messdaten 854 auf, weist die Hypothese 856 Spur- und Messdaten 858 auf, weist die Hypothese 860 Spur- und Messdaten 862 auf, weist die Hypothese 864 Spur- und Messdaten 866 auf, weist die Hypothese 868 Spur- und Messdaten 870 auf, weist die Hypothese 872 Spur- und Messdaten 874 auf und weist die Hypothese 876 Spur- und Messdaten 878 auf.
  • Die Spur- und Messdaten für jede Hypothese weisen Informationen in Zusammenhang mit einer oder mehreren Spuren in Zusammenhang mit interessierenden Zielen und Informationen in Zusammenhang mit beobachteten Messungen auf. Bei einem nicht einschränkenden Beispiel werden die Spur- und Messdaten in einer Datenbank gespeichert und weist jede Hypothese nur Kennungen auf, die jeder Spur und den zugeordneten Messdaten entsprechen. Die Spurkennung (ID) identifiziert eine bestimmte Spur, und die Messungskennung stellt eine Referenz zu den tatsächlichen Messdaten (in der Datenbank) in Zusammenhang mit der entsprechenden Spurkennung bereit. Zur Erläuterung sei bemerkt, dass die Spur- und Messdaten 802 für die Hypothese 800 eine Spurkennung für ein oder mehrere interessierende Ziele, die verfolgt werden, und Messungskennungen in Zusammenhang mit Messdaten, die jeder Spurkennung zugewiesen oder damit assoziiert sind, aufweisen. Bei einem Aspekt sind die Spur- und Messdaten als Spurkennung-Messungskennung-Paare in der Art von Spurkennungi.Messungskennungi und Spurkennung2.Messungskennung2 spezifiziert, wobei Spurkennungi.Messungskennungi einer Spur in Zusammenhang mit einem ersten interessierenden Ziel (beispielsweise dem interessierenden Ziel 712 aus 7) entspricht und Spurkennung2.Messungskennung2 einer Spur in Zusammenhang mit einem zweiten interessierenden Ziel (beispielsweise dem interessierenden Ziel 714 aus 7) entspricht.
  • Wie in 8 dargestellt ist, werden nur einige der Hypothesen für die Weiterverfolgung ausgewählt. Beispielsweise ist die Hypothese 800 mit einem Zeitintervall t = x - 4 assoziiert, sind die Hypothesen 804, 808, 812 mit einem Zeitintervall t = x - 3 assoziiert, sind die Hypothesen 816, 820, 824, 828, 832, 836, 840 mit einem Zeitintervall t = x - 2 assoziiert, sind die Hypothesen 844, 848, 852, 856 mit einem Zeitintervall t = x- 1 assoziiert und sind die Hypothesen 860, 864, 868, 872, 876 mit einem Zeitintervall t = x assoziiert. Im Zeitintervall t = x - 4 wird die Hypothese 800 zur Weiterverwendung bei der Verfolgung des einen oder der mehreren interessierenden Ziele ausgewählt. Beispielsweise wird die Hypothese 800 in einen mit einer Rangordnung versehenen Satz von Hypothesen aufgenommen und erfüllt einen Schwellenrang, wobei der Schwellenrang Hypothesen angibt, die verwendet werden sollten, um das eine oder die mehreren interessierenden Ziele während eines nächsten Zeitintervalls (beispielsweise t = x - 3) zu verfolgen. Bei einem Aspekt ist der Schwellenrang durch die oberen 100 Hypothesen gegeben. Bei zusätzlichen oder alternativen Aspekten kann der Schwellenrang durch die oberen 200 Hypothesen, die oberen 500 Hypothesen, die oberen 1000 Hypothesen oder eine andere Rangordnungsmetrik gegeben sein. Bei einem Aspekt wird der Rang unter Verwendung einer abhängigen Wahrscheinlichkeitsstruktur in der Art der Kollisionsstruktur, der Verdeckungsstruktur oder beider, wie hier beschrieben, festgelegt. Es sei bemerkt, dass die abhängige Wahrscheinlichkeitsstruktur zur Bestimmung einer endgültigen Rangordnung eines Satzes von Kandidatenhypothesen verwendet wird, dass jedoch auch andere Metriken und Analysen ausgeführt werden können. Beispielsweise werden, bevor den Kandidatenhypothesen eine Rangordnung zugewiesen wird und eine Teilmenge der Kandidatenhypothesen zur Verwendung bei der Weiterverfolgung ausgewählt wird, die Kandidatenhypothesen individuell beurteilt (beispielsweise ohne Berücksichtigung anderer interessierender Ziele). In einigen Fällen wird die abhängige Wahrscheinlichkeitsstruktur verwendet, um die Ergebnisse der individuellen Beurteilung der Kandidatenhypothesen zu bestätigen oder zu validieren.
  • Zur Erläuterung sei bemerkt, dass die Hypothesen 804, 808, 812 Teil eines Satzes von Kandidatenhypothesen für das Zeitintervall t = x - 3 sind. Die Spuren in Zusammenhang mit jeder der Hypothesen 804, 808, 812 werden individuell beurteilt (beispielsweise ohne Berücksichtigung anderer Spuren oder verfolgter Ziele), um die Wahrscheinlichkeit zu bestimmen, dass eine Messung dem aktuellen Ort des verfolgten Ziels, das zuvor dieser beurteilten Spur zugewiesen war, entspricht. Dies erzeugt einen anfänglichen Satz von Rangordnungen entsprechend der Wahrscheinlichkeit jeder Spur. Anschließend werden die Spuren in Bezug auf wenigstens ein Kriterium beurteilt, um einen mit einer Rangordnung versehenen Satz von Hypothesen zu bestimmen. Wie vorstehend beschrieben und nachstehend in weiteren Einzelheiten mit Bezug auf die 9 und 10 gezeigt, weist der auf der Grundlage des wenigstens einen Kriteriums bestimmte mit einer Rangordnung versehene Satz von Hypothesen eine Teilmenge der Kandidatenhypothesen auf. Beispielsweise führt in 8 die Beurteilung der Kandidatenhypothesen 804, 808, 812 dazu, dass die Kandidatenhypothesen 804 und 812 in den mit einer Rangordnung versehenen Satz von Hypothesen aufgenommen werden, während die Kandidatenhypothese 808 nicht aufgenommen wird. Es sei bemerkt, dass die Kandidatenhypothese 808 aus einer Vielzahl von Gründen aus dem mit einer Rangordnung versehenen Satz von Hypothesen fortgelassen wird, beispielsweise weil sie keine genauen Informationen aufweist oder weil sie einfach niederrangiger ist als andere Hypothesen während des Zeitintervalls t = x - 3.
  • Wie in 8 dargestellt ist, erleichtert die Auswahl des mit einer Rangordnung versehenen Satzes von Hypothesen für ein bestimmtes Zeitintervall die Verfolgung der interessierenden Ziele auf der Grundlage des während vorhergehender Zeitintervalle bestimmten mit einer Rangordnung versehenen Satzes von Hypothesen. Beispielsweise geschieht während des Zeitintervalls t = x - 3 eine Verfolgung auf der Grundlage der Kandidatenhypothesen 804, 812, geschieht während des Zeitintervalls t = x - 2 eine Verfolgung auf der Grundlage der Kandidatenhypothesen 820, 832 und geschieht während des Zeitintervalls t = x- 1 eine Verfolgung auf der Grundlage der Kandidatenhypothesen 848. Es sei bemerkt, dass 8 nicht alle Kandidatenhypothesen in einem gegebenen Zeitintervall zeigt, anhand dessen eine Verfolgung ausgeführt wird, und dass die Verfolgung der interessierenden Ziele viele verschiedene Hypothesen (beispielsweise 10 Hypothesen, 100 Hypothesen, 200 Hypothesen, 1000 Hypothesen oder mehr als 1000 Hypothesen) für ein bestimmtes Zeitintervall berücksichtigt. Wie vorstehend beschrieben, stellen die Verfolgungstechniken gemäß der vorliegenden Offenbarung eine wirksame Technik zum Verringern der Anzahl der zur Ausführung einer Verfolgung verwendeten Hypothesen bereit, während ausreichende Genauigkeitsniveaus durch Aussondern oder Fortlassen von Hypothesen, die weniger genaue oder ungenaue Daten enthalten, beibehalten werden. Das Verringern der Anzahl der Kandidatenhypothesen kann es ermöglichen, dass mehr Ziele verfolgt werden und auch dass die rechnerische Komplexität, die für das Ausführen der Verfolgung erforderlich ist, minimiert wird, wodurch es ermöglicht wird, dass die Verfolgung effizienter (beispielsweise sowohl rechnerisch als auch in Bezug auf die Kosten) ausgeführt wird.
  • 9 zeigt ein Blockdiagramm beispielhafter Aspekte einer Kollisionsstruktur zur Verfolgung von Zielen gemäß der vorliegenden Offenbarung. Insbesondere ist in 9 ein Satz von Kandidatenhypothesen-Rangordnungen 910 dargestellt. Der Satz von Kandidatenhypothesen-Rangordnungen 910 repräsentiert eine Rangordnung von Kandidatenhypothesen für ein Zeitintervall (beispielsweise eines der Zeitintervalle aus 8), und die Rangordnungen werden auf der Grundlage einer individuellen Beurteilung der Spuren bestimmt, so dass die Rangordnungen 910 Abhängigkeiten zwischen verschiedenen verfolgten Zielen nicht berücksichtigen. Wie vorstehend mit Bezug auf 7 beschrieben, kann es, wenn Abhängigkeiten nicht berücksichtigt werden, schwierig sein, implausible Bedingungen in der Art von Kollisionsbedingungen zu erkennen. Um diese Herausforderung zu adressieren, wird der Satz von Kandidatenhypothesen-Rangordnungen 910 auf der Grundlage wenigstens eines Kriteriums in der Art eines Rangordnungskriteriums beurteilt. Das Rangordnungskriterium kann ein Kollisionskriterium sein, das zur Erkennung von Kollisionsbedingungen in der Art der in Kandidatenhypothese 730n aus 7 dargestellten Kollisionsbedingung verwendet wird.
  • Das wenigstens eine Kriterium, das bei diesem Beispiel ein Kollisionskriterium ist, wird zur Beurteilung des Satzes von Kandidatenhypothesen-Rangordnungen 910 auf der Grundlage von Abhängigkeiten zwischen den verschiedenen Spuren verwendet. Diese Beurteilung oder Analyse ermöglicht es, dass bei der Verfolgung Erkenntnisse in Bezug darauf berücksichtigt werden, ob bestimmte Spuren und Bewegungen der interessierenden Ziele, die durch die betrachteten Kandidatenhypothesen repräsentiert werden, plausibel sind, wie in den Hypothesen 730A und 730B aus 7, oder implausibel sind, wie in Hypothese 730n aus 7. Beispielsweise weist der Satz von Kandidatenhypothesen-Rangordnungen die Rangordnungen 912, 914, 916, 918, 920 auf. Jede der Rangordnungen ist mit einer Rangordnungsmetrik assoziiert. Beispielsweise weist die Rangordnung 912 einen Rangordnungsmetrikwert von 42,5 auf, weist die Rangordnung 914 einen Rangordnungsmetrikwert von 31,2 auf, weist die Rangordnung 916 einen Rangordnungsmetrikwert von 25,4 auf, weist die Rangordnung 918 einen Rangordnungsmetrikwert von 19,7 auf usw. Weil die Rangordnungsmetriken für die Rangordnungen 912 - 920 auf der Grundlage einer Struktur unabhängiger Annahmen, wobei jede Spur individuell berücksichtigt wird, bestimmt werden, reflektieren die Rangordnungsmetriken gewisse Bedingungen in der Art von Kollisionsbedingungen nicht.
  • Zur Abmilderung dieses Problems wird der Satz von Kandidatenhypothesen-Rangordnungen 910 unter Verwendung des Rangordnungskriteriums, wobei es sich bei diesem Beispiel um ein Kollisionskriterium handelt, beurteilt. Während der Beurteilung des Satzes von Kandidatenhypothesen-Rangordnungen 910 auf der Grundlage des Rangordnungskriteriums werden Abhängigkeiten berücksichtigt. Falls die Rangordnungsmetrik genau ist und keine Kollisionsbedingungen erkannt werden, werden diese Kandidatenhypothesen zu einem mit einer Rangordnung versehenen Satz von Hypothesen 930 hinzugefügt. Beispielsweise wird in 9 festgestellt, dass die Rangordnung 912 keine Kollisionsbedingung aufweist, und sie wird zum mit einer Rangordnung versehenen Satz von Hypothesen 930 hinzugefügt. Bei einem Aspekt wird der Satz von Kandidatenhypothesen-Rangordnungen 910 gemäß den Rangordnungsmetriken geordnet oder nach dem Rang sortiert und wird als Ergebnis in einer bestimmten Reihenfolge (beispielsweise vom höchsten zum niedrigsten) nach dem Rang sortiert, wenn die Kandidatenhypothesen zum mit einer Rangordnung versehenen Satz von Hypothesen 930 hinzugefügt werden. Für Kandidatenhypothesen in Zusammenhang mit Kollisionsbedingungen in der Art der Hypothese in Zusammenhang mit der Rangordnung 914 wird der Rangordnungsmetrik ein Wert von null (0) zugewiesen, und sie wird zum unteren Teil des mit einer Rangordnung versehenen Satzes von Hypothesen 930 verschoben. Bei einem zusätzlichen oder alternativen Aspekt werden Hypothesen, die auf der Grundlage des Rangordnungskriteriums (beispielsweise des Kollisionskriteriums) als mit Kollisionsbedingungen assoziiert identifiziert werden, aus dem mit einer Rangordnung versehenen Satz von Hypothesen 930 fortgelassen, als mit Kollisionsbedingungen assoziiert ausgezeichnet, oder es werden andere Typen von Zuweisungen oder Verarbeitungen verwendet, um anzuweisen, dass diese Hypothesen nicht zur Ausführung einer Weiterverfolgung verwendet werden sollten.
  • Wie in 9 ferner dargestellt ist, wird die Rangordnung 916 auf der Grundlage des Rangordnungskriteriums so festgelegt, dass sie mit keiner Kollisionsbedingung assoziiert ist, und zum mit einer Rangordnung versehenen Satz von Hypothesen 930 hinzugefügt. Ähnlich wird die Rangordnung 918 auf der Grundlage des Rangordnungskriteriums so festgelegt, dass sie mit keiner Kollisionsbedingung assoziiert ist, und zum mit einer Rangordnung versehenen Satz von Hypothesen 930 hinzugefügt. Es sei bemerkt, dass die vorstehend mit Bezug auf die Rangordnungen 912 - 918 beschriebene Verarbeitung für jede zusätzliche Rangordnung 920 oder zumindest bis eine Schwellenanzahl von Hypothesen zum mit einer Rangordnung versehenen Satz von Hypothesen 930 hinzugefügt wurde, wiederholt werden kann. Bei einem Aspekt ist die Schwellenanzahl von Hypothesen durch 100 Hypothesen, 200 Hypothesen, 500 Hypothesen, 1000 Hypothesen oder eine andere Anzahl von Hypothesen, die keine Kollisionsbedingung enthalten, gegeben. Bei einem zusätzlichen oder alternativen Aspekt wird der mit einer Rangordnung versehene Satz von Hypothesen 930 auf der Grundlage anderer Faktoren als einer Schwellenanzahl von Hypothesen bestimmt. Beispielsweise wird der mit einer Rangordnung versehene Satz von Hypothesen 930 auf der Grundlage einer Schwellen-Rangordnungsmetrik bestimmt, wobei Hypothesen in Zusammenhang mit einer Rangordnungsmetrik oberhalb der Schwellen-Rangordnungsmetrik und jene, die nicht mit Kollisionsbedingungen assoziiert sind, zum mit einer Rangordnung versehenen Satz von Hypothesen 930 hinzugefügt werden.
  • Es sei bemerkt, dass Verfolgungsoperationen unabhängig vom Schwellentyp, der zur Erzeugung des mit einer Rangordnung versehenen Satzes von Hypothesen 930 verwendet wird, verbessert werden. Beispielsweise sei angenommen, dass 10000 Kandidatenhypothesen zu berücksichtigen sind und dass die Schwellenanzahl von Hypothesen dafür ausgelegt ist, einen mit einer Rangordnung versehenen Satz von Hypothesen 930 zu erzeugen, der die oberen „X“ Hypothesen aufweist, die keine Kollisionsbedingung aufweisen, wobei „X“ < 501 ist. Statt alle 10000 Kandidatenhypothesen beurteilen zu müssen, um eine Verfolgung während jedes Zeitintervalls auszuführen, wird nur ein Bruchteil der Gesamtzahl der Kandidatenhypothesen berücksichtigt. Dies verringert die Zeit, die benötigt wird, um die im mit einer Rangordnung versehenen Satz von Hypothesen 930 enthaltenen Positionsinformationen für ein bestimmtes Zeitintervall zu beurteilen, und dies verringert die rechnerische Komplexität der Verfolgung (erfordert beispielsweise weniger Speicher, verbraucht weniger Prozessorbandbreite usw.), was es ermöglichen kann, dass die Verfolgung schneller ausgeführt wird, oder es ermöglichen kann, dass Navigationsoperationen schneller auf der Grundlage von Änderungen des Orts des einen oder der mehreren verfolgten Ziele (beispielsweise ansprechend darauf) bestimmt werden. Ähnlich brauchen, wenn die Schwelle eine Schwellen-Rangordnungsmetrik ist, jegliche Kandidatenhypothesen unterhalb der Schwellen-Rangordnungsmetrik nicht berücksichtigt zu werden.
  • Überdies können Verfolgungsoperationen durch Fortlassen oder Verringern des Rangs von Kandidatenhypothesen in Zusammenhang mit Kollisionsbedingungen genauer werden (beispielsweise weil nicht plausible oder unwahrscheinliche Änderungen in der relativen Position oder im Ort der verfolgten Ziele in künftigen Zeiträumen nicht berücksichtigt werden können). Zur Erläuterung sei im Beispiel aus 7 angenommen, dass die Kandidatenhypothesen 730n weiter getragen werden (beispielsweise zu dem mit einer Rangordnung versehenen Satz von Hypothesen 930 hinzugefügt werden). Während eines nächsten Zeitraums dienen Kandidatenhypothesen 730n als neuer Schnappschuss (beispielsweise ähnlich dem Schnappschuss 710 aus 7) und werden zur Beurteilung von Abhängigkeiten für die interessierenden Ziele auf der Grundlage während des nächsten Zeitraums erhaltener Messungen verwendet. Es sei bemerkt, dass die Verwendung unwahrscheinlicher oder nicht plausibler Informationen über den Ort der interessierenden Ziele 712, 714 anhand der Hypothese 730n die Genauigkeit der Verfolgung während des nächsten Zeitraums verringern kann. Demgemäß kann die Gesamtgenauigkeit der Verfolgung während nachfolgender Zeiträume durch Beseitigen von Kollisionsbedingungen aus dem mit einer Rangordnung versehenen Satz von Hypothesen 930 verbessert werden.
  • 10 zeigt ein Blockdiagramm beispielhafter Aspekte einer Verdeckungsstruktur zur Verfolgung von Zielen gemäß der vorliegenden Offenbarung. Wie vorstehend erklärt, kann ein interessierendes Ziel während der Verfolgung verdeckt werden. Dies kann beispielsweise geschehen, wenn ein erstes Fahrzeug zwei vor dem ersten Fahrzeug und in gleicher Richtung wie das erste Fahrzeug fahrende Fahrzeuge verfolgt und eines der verfolgten Fahrzeuge das andere überholt. Wenn dies geschieht, kann das überholende Fahrzeug durch das andere verfolgte Fahrzeug verdeckt werden, wodurch es schwierig wird, das überholende Fahrzeug durch die Sensoren des ersten Fahrzeugs, die zur Ausführung der Verfolgung verwendet werden, zu erfassen. Zur Überwindung dieser Herausforderung verwenden Verfolgungsoperationen gemäß der vorliegenden Offenbarung eine Verdeckungsstruktur zur Beurteilung von Kandidatenhypothesen, wie nachstehend in weiteren Einzelheiten beschrieben.
  • In 10 ist ein Satz von Kandidatenhypothesen-Rangordnungen 1010 dargestellt. Der Satz von Kandidatenhypothesen-Rangordnungen 1010 repräsentiert eine Rangordnung von Kandidatenhypothesen für ein Zeitintervall (beispielsweise eines der Zeitintervalle aus 8), und die Rangordnungen werden auf der Grundlage einer individuellen Beurteilung der Spuren bestimmt, so dass die Rangordnungen 1010 Abhängigkeiten zwischen verschiedenen verfolgten Zielen nicht berücksichtigen. Wenn Abhängigkeiten nicht berücksichtigt werden, kann es schwierig sein, Verdeckungsbedingungen zu erkennen. Um diese Herausforderung zu adressieren, wird der Satz von Kandidatenhypothesen-Rangordnungen 1010 auf der Grundlage wenigstens eines Kriteriums in der Art eines Rangordnungskriteriums beurteilt. Das Rangordnungskriterium kann ein Verdeckungskriterium sein, das zur Erkennung von Verdeckungsbedingungen in der Art der in Kandidatenhypothese 740 aus 7 dargestellten Verdeckungsbedingung verwendet wird.
  • Das wenigstens eine Kriterium, das bei diesem Beispiel ein Verdeckungskriterium ist, wird zur Beurteilung des Satzes von Kandidatenhypothesen-Rangordnungen 1010 auf der Grundlage von Abhängigkeiten zwischen den verschiedenen Spuren verwendet. Diese Beurteilung oder Analyse ermöglicht es, dass bei der Verfolgung Erkenntnisse in Bezug darauf berücksichtigt werden, ob bestimmte Spuren und Bewegungen der interessierenden Ziele, die durch die betrachteten Kandidatenhypothesen repräsentiert sind, verdeckt sind, wie in Hypothese 740 aus 7. Beispielsweise weist der Satz von Kandidatenhypothesen-Rangordnungen 1010 die Rangordnungen 1012, 1014, 1016, 1018, 1020 auf. Jede der Rangordnungen ist mit einer Rangordnungsmetrik assoziiert. Beispielsweise weist die Rangordnung 1012 einen Rangordnungsmetrikwert von 42,5 auf, weist die Rangordnung 1014 einen Rangordnungsmetrikwert von 31,2 auf, weist die Rangordnung 1016 einen Rangordnungsmetrikwert von 25,4 auf, weist die Rangordnung 1018 einen Rangordnungsmetrikwert von 19,7 auf usw. Weil die Rangordnungsmetriken für die Rangordnungen 1012 - 1020 auf der Grundlage einer Struktur unabhängiger Annahmen, wobei jede Spur individuell berücksichtigt wird, bestimmt werden, können die Rangordnungsmetriken gewisse Bedingungen in der Art von Verdeckungsbedingungen nicht genau widerspiegeln. Zur Erläuterung sei bemerkt, dass eine einem interessierenden Ziel entsprechende Spur infolge von Verdeckungsbedingungen oder infolge einer verpassten Erfassung (beispielsweise haben der eine oder die mehreren Sensoren das interessierende Ziel nicht erfasst, obwohl es in der vom einen oder von den mehreren Sensoren überwachten Umgebung vorhanden war) während eines bestimmten Zeitintervalls in den Messungen nicht angegeben wird, oder dass es sein kann, dass das Fahrzeug nicht mehr in der überwachten Umgebung ist (beispielsweise ein Fahrzeug die Straße verlassen hat). Eine Unterscheidung zwischen diesen verschiedenen Möglichkeiten kann schwierig sein, wenn sie unter Verwendung der Struktur unabhängiger Wahrscheinlichkeiten berücksichtigt werden.
  • Zur Abmilderung dieses Problems wird der Satz von Kandidatenhypothesen-Rangordnungen 1010 unter Verwendung eines Rangordnungskriteriums, wobei es sich bei diesem Beispiel um das Verdeckungskriterium handelt, beurteilt. Das Rangordnungs- oder Verdeckungskriterium berücksichtigt Abhängigkeiten, wodurch wirksamer festgestellt werden kann, ob sich ein interessierendes Ziel innerhalb der Umgebung befindet, jedoch verdeckt ist, oder sich nicht in der Umgebung befindet. Das Verdeckungskriterium gibt an, ob ein bestimmtes interessierendes Ziel für eine Hypothese eine Verdeckungsbedingung unter Berücksichtigung von Abhängigkeiten erfüllt. Beispielsweise wird in 8 in den Hypothesen 820 zunächst ohne Berücksichtigung von Abhängigkeiten eine Verdeckung erkannt und wird das Verdeckungskriterium dann verwendet, um unter Berücksichtigung der Hypothese 804, von der die Hypothese 820 abhängt, zu beurteilen, ob ein bestimmtes in der Hypothese 820 repräsentiertes Ziel enthalten ist. Wenn eine Verdeckungsbedingung nicht existiert oder ein interessierendes Ziel tatsächlich verdeckt ist, wird die Rangordnungsmetrik nicht geändert und wird die Rangordnung zum mit einer Rangordnung versehenen Satz von Hypothesen 1030 hinzugefügt. Beispielsweise wird in 10 korrekt festgestellt, dass die Rangordnung 1012 eine Kollisionsbedingung aufweist (beispielsweise wurde eine Spur als durch die unabhängige Struktur verdeckt und durch das Verdeckungskriterium unter Berücksichtigung von Abhängigkeiten als verdeckt identifiziert), und zum mit einer Rangordnung versehenen Satz von Hypothesen 1030 hinzugefügt. Bei einem Aspekt wird der Satz von Kandidatenhypothesen-Rangordnungen 1010 gemäß den Rangordnungsmetriken geordnet oder nach dem Rang sortiert und wird als Ergebnis in einer bestimmten Reihenfolge (beispielsweise vom höchsten zum niedrigsten) nach dem Rang sortiert, wenn die Kandidatenhypothesen zum mit einer Rangordnung versehenen Satz von Hypothesen 1030 hinzugefügt werden.
  • Für Kandidatenhypothesen in Zusammenhang mit Spuren, die Rangordnungen aufweisen, die inkorrekt als Verdeckungsbedingungen repräsentierend identifiziert werden, wie die Hypothese in Zusammenhang mit der Rangordnung 1014, wird eine Strafmetrik auf den entsprechenden Metrikwert angewendet und wird die Hypothese dann zur geeigneten Position innerhalb des mit einer Rangordnung versehenen Satzes von Hypothesen 1030 verschoben. Die Strafmetrik verringert den entsprechenden Metrikwert, der zur Rangabstufung des Satzes von Hypothesen 1010 verwendet wird, bevor die Hypothese in den mit einer Rangordnung versehenen Satz von Hypothesen 1030 aufgenommen wird. Beispielsweise weist die Rangordnung 1014 in 10 einen Metrikwert von 31,2 auf, wird der Metrikwert jedoch nach der Beurteilung der Informationen in Zusammenhang mit der Rangordnung 1014 unter Verwendung der Strafmetrik modifiziert, was zu einem Metrikwert von 14,9 führt. Die Hypothese in Zusammenhang mit dem Metrikwert 14,9 wird dann zum mit einer Rangordnung versehenen Satz von Hypothesen 1030 hinzugefügt, jedoch mit einem niedrigeren Rang als dies andernfalls auf der Grundlage des im Satz von Kandidatenhypothesen-Rangordnungen 1010 bereitgestellten Metrikwerts (beispielsweise des Metrikwerts 31,2) der Fall wäre. Durch Anwenden der Strafmetrik auf Hypothesen in Zusammenhang mit Verdeckungsbedingungen, die im Satz von Kandidatenhypothesen 1010 inkorrekt identifiziert wurden, können inkorrekte oder weniger genaue Hypothesen weiter unten im mit einer Rangordnung versehenen Satz von Hypothesen 1030 auftreten. Weil die Rangmetrik für weniger genaue Hypothesen (beispielsweise Hypothesen in Zusammenhang mit inkorrekt identifizierten Verdeckungsbedingungen) verringert werden, können im Laufe der Zeit (über mehrere Zeitintervalle, beispielsweise von t = x - 4 bis t = x in 7) genauere Hypothesen oben im Satz mit einer Rangordnung versehener Hypothesen 1030 auftreten und fallen die weniger genauen Hypothesen nach unten. Wie vorstehend mit Bezug auf den Satz mit einer Rangordnung versehener Hypothesen 930 beschrieben, kann durch die Verwendung nur einer Teilmenge des Satzes mit einer Rangordnung versehener Hypothesen 1030, beispielsweise der oberen „X“ Hypothesen, die Verfolgung interessierender Ziele genauer sein (beispielsweise weil weniger genaue Hypothesen weiter unten im mit einer Rangordnung versehenen Satz von Hypothesen liegen und während nachfolgender Zeitintervalle weniger wahrscheinlich verwendet werden).
  • Wie in 10 ferner dargestellt, wird die Rangordnung 1018 auf der Grundlage des Rangordnungskriteriums so bestimmt, dass sie nicht mit einer Verdeckungsbedingung assoziiert ist oder dass sie eine Verdeckungsbedingung korrekt identifiziert, und ohne Strafe für die Rangordnungsmetrik 19,7 zum mit einer Rangordnung versehenen Satz von Hypothesen 1030 hinzugefügt. Zusätzlich wird auf der Grundlage des Rangordnungskriteriums festgestellt, dass die Rangordnung 1016 mit einer inkorrekt identifizierten Verdeckungsbedingung assoziiert ist, und wird die Strafmetrik angewendet, um die Rangordnungsmetrik von 25,4 auf 8,6 zu ändern, bevor die Rangordnung 1016 in den mit einer Rangordnung versehenen Satz von Hypothesen 1030 aufgenommen wird. Es sei bemerkt, dass die vorstehend mit Bezug auf die Rangordnungen 1012 - 1018 beschriebene Verarbeitung für jede zusätzliche Rangordnung 1020 oder zumindest bis eine Schwellenanzahl von Hypothesen zum mit einer Rangordnung versehenen Satz von Hypothesen 1030 hinzugefügt wurde, wiederholt werden kann. Bei einem Aspekt kann die Schwellenanzahl von Hypothesen durch 100 Hypothesen, 200 Hypothesen, 500 Hypothesen, 1000 Hypothesen oder eine andere Anzahl von Hypothesen gegeben sein. Bei einem zusätzlichen oder alternativen Aspekt kann der mit einer Rangordnung versehene Satz von Hypothesen 1030 auf der Grundlage anderer Faktoren als einer Schwellenanzahl von Hypothesen bestimmt werden. Beispielsweise wird der mit einer Rangordnung versehene Satz von Hypothesen 1030 auf der Grundlage einer Schwellen-Rangordnungsmetrik bestimmt, wobei Hypothesen in Zusammenhang mit einer Rangordnungsmetrik oberhalb der Schwellen-Rangordnungsmetrik und jene, die nicht mit Kollisionsbedingungen assoziiert sind, zum mit einer Rangordnung versehenen Satz von Hypothesen 1030 hinzugefügt werden.
  • Es sei bemerkt, dass Verfolgungsoperationen unabhängig vom Schwellentyp, der zur Erzeugung des mit einer Rangordnung versehenen Satzes von Hypothesen 1030 verwendet wird, verbessert werden. Beispielsweise sei angenommen, dass 10000 Kandidatenhypothesen zu berücksichtigen sind und dass die Schwellenanzahl von Hypothesen dafür ausgelegt ist, einen mit einer Rangordnung versehenen Satz von Hypothesen 1030 zu erzeugen, der die oberen „X“ Hypothesen aufweist, wobei „X“ < 501 ist. Statt alle 10000 Kandidatenhypothesen beurteilen zu müssen, um eine Verfolgung während jedes Zeitintervalls auszuführen, kann nur ein Bruchteil der Gesamtzahl der Kandidatenhypothesen berücksichtigt werden. Überdies können wegen der Strafmetrik Hypothesen, die ungenaue Informationen (beispielsweise inkorrekt identifizierte Verdeckungen) bereitstellen, eine niedrigere Rangordnungsmetrik aufweisen, so dass es weniger wahrscheinlich ist, dass sie in den Satz von Hypothesen aufgenommen werden, auf dem die Verfolgung für künftige Zeitintervalle beruht. Dies verringert die für die Beurteilung der Positionsinformationen für ein bestimmtes Zeitintervall erforderliche Zeit und die rechnerische Komplexität der Verfolgung, was es ermöglichen kann, dass die Verfolgung schneller ausgeführt wird, oder es ermöglichen kann, dass Navigationsoperationen schneller auf der Grundlage von Änderungen des Orts des einen oder der mehreren verfolgten Ziele (beispielsweise ansprechend darauf) bestimmt werden. Ähnlich brauchen, wenn die Schwelle eine Schwellen-Rangordnungsmetrik ist, jegliche Kandidatenhypothesen unterhalb der Schwellen-Rangordnungsmetrik nicht berücksichtigt zu werden. Überdies können Verfolgungsoperationen durch Fortlassen oder Verringern des Rangs von Kandidatenhypothesen in Zusammenhang mit inkorrekt identifizierten Verdeckungsbedingungen genauer werden.
  • 11 zeigt eine Auftragung 1100 zur Veranschaulichung einer Verfolgung gemäß der vorliegenden Offenbarung. Die Auftragung 1100 wurde anhand einer eindimensionalen Simulation, die zwei interessierende Ziele betrifft, erzeugt. Die beiden für die Simulation verwendeten interessierenden Ziele waren auf einer einspurigen Straße fahrende Fahrzeuge, und die Verfolgung jedes Fahrzeugs wurde als Punktreihe modelliert. Wie in der Auftragung 1100 ersichtlich ist, fuhr das erste Fahrzeug entlang dem durch die Linie 1102, welche die verschiedenen in Bezug auf das erste Fahrzeug während der Verfolgung beobachteten Punkte verbindet, angegebenen Weg, und fuhr das zweite Fahrzeug entlang dem durch die Linie 1104, welche die verschiedenen in Bezug auf das zweite Fahrzeug während der Verfolgung beobachteten Punkte verbindet, angegebenen Weg. Punkte 1106 in der Auftragung repräsentieren im modellierten Szenario vorhandenes Rauschen.
  • Die 12A und 12B zeigen eine Auftragung 1200 zur Veranschaulichung einer Verfolgung auf der Grundlage einer Unabhängigkeitsannahme. Die Auftragung 1200 wurde ähnlich der zur Erzeugung der Auftragung 1100 aus 11 verwendeten Simulation anhand einer zwei interessierende Ziele betreffenden eindimensionalen Simulation erzeugt, wobei das erste Fahrzeug durch eine Linie 1202 repräsentiert war und das zweite Fahrzeug durch eine Linie 1204 repräsentiert war. Punkte 1206 in der Auftragung repräsentieren im modellierten Szenario vorhandenes Rauschen. Die zur Erzeugung der Auftragung 1100 verwendeten Messungen wurden unter Verwendung einer Kollisionsstruktur, wie vorstehend mit Bezug auf die 7 und 9 beschrieben, verarbeitet, während die zur Erzeugung der Auftragung 1200 verwendeten Messungen unter Verwendung eines Verfolgungsalgorithmus, der Unabhängigkeit angenommen hat (beispielsweise Abhängigkeiten nicht berücksichtigt), verarbeitet wurden. In Auftragung 1100 ist ersichtlich, dass beide verfolgten Fahrzeuge einem im Wesentlichen linearen Weg folgen und kein Fahrzeug Positionen gewechselt hat. Dagegen zeigt die Auftragung 1200, dass die beiden Fahrzeuge ähnlich den Hypothesen 730n aus 7 einander zu überholen scheinen oder Positionen zu wechseln scheinen. Das Wechseln der Positionen der beiden Fahrzeuge ist in 12B, die eine hereingezoomte Ansicht 1208 der Auftragung 1200 aus 12A zeigt, klarer dargestellt.
  • Es sei bemerkt, dass die 11, 12A und 12B zeigen, dass die Kollisionsstruktur die Position interessierender Ziele genauer als bei anderen Verfolgungstechniken verfolgt. Insbesondere zeigen die 11 - 12B, dass durch die Verwendung eines Vorschlagen-und-Verifizieren-Ansatzes mit der Kollisionsstruktur, wobei anfängliche Rangordnungen unter Verwendung unabhängiger Wahrscheinlichkeitsstrukturen bestimmt und dann auf der Grundlage des Vorhandenseins einer Kollisionsbedingung verifiziert werden, um die für die Verfolgung verwendeten endgültigen Rangordnungen zu erzeugen, die Genauigkeit von Verfolgungssystemen verbessert werden kann und ein besseres Situationsbewusstsein darüber bereitgestellt werden kann, wie sich interessierende Ziele innerhalb einer Umgebung bewegen. Solche Fähigkeiten können für autonome Systeme besonders relevant sein. Zur Erläuterung sei bemerkt, dass autonome Fahrzeuge Sensordaten verwenden, um eine Umgebung zu beobachten und auf der Grundlage der Analyse der Sensordaten und der beobachteten Umgebung Navigationsentscheidungen zu treffen oder Manöver auszuführen. Das Bereitstellen einer genaueren Verfolgung ermöglicht es dem autonomen Fahrzeug (beispielsweise einem oder mehreren Systemen, nachgeschalteten Systemen usw. des autonomen Fahrzeugs oder eines am Steuern des Betriebs des autonomen Fahrzeugs beteiligten Systems), bessere Entscheidungen in Bezug auf die Navigation des Fahrzeugs zu treffen und die Wahrscheinlichkeit eines Unfalls zu verringern.
  • Es sei bemerkt, dass, wenngleich die Beschreibung vorstehend unter Verwendung eines Kollisionskriteriums oder eines Verdeckungskriteriums getrennt erfolgte, das Kollisionskriterium und das Verdeckungskriterium bei einigen Implementationen der vorliegenden Offenbarung gemeinsam verwendet werden können. Beispielsweise wird ein Satz von Kandidatenhypothesen wie mit Bezug auf 9 beschrieben beurteilt, um Hypothesen in Zusammenhang mit Kollisionsereignissen zu identifizieren. Die Hypothesen in Zusammenhang mit Kollisionsereignissen werden dann aus dem Satz betrachteter Hypothesen entfernt, und das Verdeckungskriterium wird verwendet, um die restlichen Hypothesen zu beurteilen, wie vorstehend mit Bezug auf 10 beschrieben. Auf diese Weise werden Hypothesen in Zusammenhang mit Kollisionsbedingungen entsprechende Rangordnungen auf null verringert, was bedeutet, dass sie durch das Verdeckungskriterium nicht berücksichtigt zu werden brauchen, und es können dann restliche Hypothesen beurteilt werden, um Hypothesen zu identifizieren, die mit keiner Verdeckungsbedingung oder tatsächlichen Verdeckungsbedingungen assoziiert sind, und um den Rang von Hypothesen zu verringern, bei denen Verdeckungsbedingungen inkorrekt identifiziert wurden. Es sei bemerkt, dass das vorstehende Beispiel zur Erläuterung und nicht als Einschränkung die Beurteilung der Kandidatenhypothesen beschreibt, wobei zuerst das Kollisionskriterium verwendet wird und die Hypothesen dann unter Verwendung des Verdeckungskriteriums beurteilt werden, und dass das Verdeckungskriterium verwendet werden kann, um die Hypothesen zu beurteilen, bevor eine Beurteilung unter Verwendung des Kollisionskriteriums erfolgt, falls dies erwünscht ist, oder dass beide gleichzeitig verwendet werden können, um die Kandidatenhypothesen zu beurteilen.
  • Die vorstehende Beschreibung zeigt konzeptionell beispielhafte Aspekte der Verwendung einer Kollisionsstruktur (beispielsweise des Kollisionskriteriums) und/oder einer Verdeckungsstruktur (beispielsweise des Verdeckungskriteriums) zur Ausführung einer Verfolgung mehrerer Ziele mit abhängigen Wahrscheinlichkeitsstrukturen gemäß Ausführungsformen der vorliegenden Offenbarung. Die vorstehend beschriebenen Konzepte der Kollisionsstruktur und der Verdeckungsstruktur können jedoch auch mathematisch erläutert werden, wie nachstehend in weiteren Einzelheiten gezeigt wird.
  • Wie vorstehend erklärt wurde, wird bei gegenwärtigen Verfolgungstechniken die Unabhängigkeit individueller Ziel-Messung-Assoziationen angenommen. Bei Verwendung eines solchen Ansatzes werden Messungen Spuren einer Hypothese ohne Berücksichtigung anderer Spuren in der Hypothese und ohne Berücksichtigung von Messungen und Spuren anderer Hypothesen (beispielsweise einer übergeordneten Hypothese oder anderer Hypothesen für ein aktuelles Zeitintervall) zugewiesen. Zur Erläuterung dieses Ansatzes einer Unabhängigkeitsannahme seien (gelabelt) RFS X der globale Zielzustand und Z die globale Messung. Dann wird die Filterdichte π rekursiv durch Mengenintegrale erhalten: π κ = ( X κ | Z κ ) = g κ ( Z κ | X κ ) π ( κ | κ − 1 ) ( x κ − 1 ) ∫ g κ ( Z κ | X ) π κ | κ − 1 ( X ) δ X
    Figure DE102021132849A1_0001
     π κ − 1 | κ ( X κ + 1 ) = ∫ ƒ κ + 1 | κ ( X κ + 1 | X κ ) π κ ( X | Z κ ) δ X ,
    Figure DE102021132849A1_0002
    wobei f(·) der Verschiebungsübergang ist und g(·) die Messwahrscheinlichkeit ist.
  • Bei einer gegebenen Menge von Messungen Z = {zj,j = 1,..., |Z|}, weist eine Datenassoziationshypothese 0 für ein gelabeltes RFS X jedem Label ℓ entweder einen Messungsindex eineindeutig oder den speziellen Index 0 zur Angabe einer verpassten Erfassung zu. Die Annahme einer bedingten Unabhängigkeit führt zur folgenden faktorisierten Form der Wahrscheinlichkeitsfunktion: g ( Z / X ) ∝ ∑ θ : g u ¨ ltig ∏ ( x , l ) ∈ X ψ Z ( θ ( l ) ) ( x , l ) ,
    Figure DE102021132849A1_0003
    wobei ψ Z ( j ) ( x , l ) = { P D ( x , l ) g ( z j | x , l ) κ ( z j ) ,  falls  j ∈ { 1, … , | Z | } 1 − P D ( x , l ) ,  falls  j = 0   ,
    Figure DE102021132849A1_0004
    wobei κ(·) die Clutter-Dichte bezeichnet und PD(·) die Erfassungswahrscheinlichkeit bezeichnet.
  • Anhand der vorstehenden beiden Gleichungen ist ersichtlich, dass, sobald das Label ℓ der Messung θ(ℓ), zugewiesen wurde, seine Assoziationswahrscheinlichkeit fest ist, so dass es ihm „egal“ ist, wie andere Labels in derselben Hypothese zugewiesen werden. Die faktorisierte Form der Wahrscheinlichkeitsfunktion hat zwei Vorteile:
    • 1) Die Aktualisierung der kinematischen Verteilung jeder Spur wird nur mit „ihrer eigenen“ Messung ausgeführt, und
    • 2) durch Bilden des negativen Logarithmus können die „Kosten“ einer Hypothese als Summe von Auswahlen aus einer Kostenmatrix, deren Einträge unabhängig von den Hypothesen gebildet werden, definiert werden.
  • Der zweite Vorteil führt zu einem Rangordnungsproblem, das unter Verwendung des Murty-Algorithmus effizient gelöst werden kann. Es kann jedoch vorteilhaft sein, Wahrscheinlichkeitsstrukturen zu verwenden, welche die Wechselwirkungen zwischen den Spuren berücksichtigen, jedoch noch eine faktorisierte Form behalten (erster Vorteil). Ein effizienter Rangordnungsalgorithmus für solche Strukturen, der den zweiten Vorteil erreicht, während der erste beibehalten wird, gemäß den hier offenbarten Konzepten, wird nachstehend bereitgestellt.
  • Durch Einführen eines Faktors λ(X,θ,ℓ) für jede Spur (x,ℓ) nimmt die Wahrscheinlichkeitsfunktion die folgende Form an: g ( Z / X ) ∝ ∑ θ : g u ¨ ltig ∏ ( x , l ) ∈ X λ Z ( θ ( l ) ) ( x , l ) .
    Figure DE102021132849A1_0005
  • In dieser Form wird jeder Spur bewusst gemacht, was in Bezug auf andere Spuren innerhalb einer gegebenen Hypothese „geschieht“, und ihr eigener Wahrscheinlichkeitsterm wird dementsprechend angepasst. Dies berücksichtigt nicht die gesamte, aber eine gewisse Abhängigkeit zwischen den Spuren, während eine faktorisierte Form beibehalten wird, so dass die spätere Verteilung jeder Spur getrennt berechnet wird.
  • Anhand der vorstehenden Gleichung (3) wird eine Kollisionsstruktur (oder ein Kollisionskriterium) gemäß der vorliegenden Offenbarung definiert. Beispielsweise wird eine Kollisionsstruktur als
    kollidieren(X, 0)
    definiert, welche eine Prüfprozedur bezeichnet, die wahr zurückgibt, falls die betrachtete Hypothese eine Kollision zwischen den Spuren induziert, wie die Hypothese 730n aus 7. In der vorstehenden Kollisionsstruktur ist der Term ψ Z ( θ ( l ) ) ( x , l )
    Figure DE102021132849A1_0006
    wie in der vorstehenden Gleichung (3) definiert und ist der Faktor λ(X, θ,ℓ) folgendermaßen definiert: λ ( X , θ , l ) = { 0,  falls kollidieren ( X , θ ) . 1,  sonst .
    Figure DE102021132849A1_0007
  • Durch die Verwendung einer solchen Kollisionsstruktur wird eine Hypothese 6 beurteilt, und falls eine Kollision gefunden wird, kann die Hypothese aus der weiteren Überlegung fallen gelassen werden. Andernfalls gleich die Wahrscheinlichkeit für die Hypothese, wenn keine Kollision gefunden wird, jener im Fall, in dem Unabhängigkeit angenommen wird.
  • Anhand der vorstehenden Gleichung (3) wird eine Verdeckungsstruktur gemäß der vorliegenden Offenbarung auch als
    verdeckt(X, θ, ℓ)
    definiert, wodurch eine Prüfprozedur bereitgestellt wird, die wahr zurückgibt, falls die Spur ℓ in dieser Hypothese verdeckt ist.
  • Für die Verdeckungsstruktur wird der Term ψ Z ( θ ( l ) ) ( x , l )
    Figure DE102021132849A1_0008
    als ψ Z ( j ) ( x , l ) = { P D ( x , l ) g ( z j | x , l ) κ ( z j ) ,  falls  j ∈ { 1, … , | Z | } 1,  falls  j = 0  
    Figure DE102021132849A1_0009
    definiert.
  • Die Modifikation von ψ Z ( j ) ( x , l )
    Figure DE102021132849A1_0010
    ermöglicht es, dass Spuren, bei denen eine verpasste Erfassung auftritt, optimistisch als sich unter einer Verdeckung befindend angenommen werden. Der Faktor λ(X,θ,ℓ) aus Gleichung (3) wird dann folgendermaßen definiert: λ ( X , θ , l ) = { 1 − P D ( x , l ) ,  falls j = 0 und nicht verdeckt ( X , θ , l ) ,  oder   1,  sonst .
    Figure DE102021132849A1_0011
  • Durch die Verwendung einer solchen Verdeckungsstruktur kann nun, wenn eine Hypothese beurteilt wird, der „Vorteil des Zweifels“, der zuvor einer verpassten Erfassung gegeben wurde, verifiziert werden. Falls dies nicht gewährleistet ist, muss die Wahrscheinlichkeit auf den wahren Wert verringert werden. Andernfalls gleicht die Wahrscheinlichkeit für die Hypothese jener im Fall, in dem Unabhängigkeit angenommen wird und ein Orakel die korrekte Wahrscheinlichkeit einer Erfassung für verpasste Erfassungen liefert.
  • Wie vorstehend beschrieben, wird die Kollisionsstruktur und/oder die Verdeckungsstruktur zum Bereitstellen eines Vorschlagen-und-Verifizieren-Algorithmus verwendet, der eine effiziente Technik zur Rangeinstufung von Hypothesen bereitstellt, wodurch es auch ermöglicht werden kann, dass eine verringerte Anzahl von Hypothesen, die genaue Informationen enthalten, für die Ausführung der Verfolgung verwendet wird. Bei einem Aspekt kann der Vorschlagen-und-Verifizieren-Algorithmus den Faktor λ(X, θ,ℓ) folgendermaßen beschränken: 0 ≤ λ ( X , θ , l ) ≤ 1.
    Figure DE102021132849A1_0012
  • Für den Vorschlagen-und-Verifizieren-Algorithmus kann die Verarbeitung Folgendes aufweisen: 1) Festlegen von λ(X,θ,ℓ) = 1 und Bilden eines Iterators über die Hypothesen in absteigender Reihenfolge optimistischer Wahrscheinlichkeiten. Dies bedeutet das Auflisten der Hypothesen durch bequeme Beurteilung in der Art einer Verwendung von Methodenaufrufen has_next() und get _next(). Bei einem Aspekt wird der Iterator durch die Verwendung des Murty-Algorithmus gebildet. Dadurch wird ein Satz von Kandidatenhypothesen erzeugt und gemäß einer vorgeschlagenen Rangordnung sortiert, wie vorstehend in Bezug auf das Rangordnungskriterium beschrieben und wie im Satz von Kandidatenhypothesen-Rangordnungen 910 aus 9 und im Satz von Kandidatenhypothesen-Rangordnungen 1010 aus 10 dargestellt ist. 2) Beurteilen jeder Hypothese und Berechnen der Werte von λ(X,θ,ℓ). Jede Hypothese wird dann in absteigender Reihenfolge wahrer Wahrscheinlichkeiten in ein Ergebnis einer getrennten sortierten Liste eingesetzt, wie im mit einer Rangordnung versehenen Satz von Hypothesen 930 aus 9 (beispielsweise für die Kollisionsstruktur) und im mit einer Rangordnung versehenen Satz von Hypothesen 1030 aus 10 (beispielsweise für die Verdeckungsstruktur) dargestellt ist. 3) Immer dann, wenn Π(x,ℓ)∈xλ(X,θ,ℓ)= 1 geschieht, gleich die wahre Wahrscheinlichkeit der optimistischen Wahrscheinlichkeit, weshalb die Rangordnung dieser Hypothese und jener davor im Ergebnis verifiziert wird (weil neue Einträge nie davor auftreten können). 4) Anhalten, wenn die gewünschte Anzahl oberer K Hypothesen erhalten wurde oder wenn keine weiteren Hypothesen verfügbar sind.
  • In der vorhergehenden Beschreibung wurden Aspekte und Ausführungsformen der vorliegenden Offenbarung mit Bezug auf zahlreiche spezifische Einzelheiten, die von Implementation zu Implementation variieren können, beschrieben. Dementsprechend sind die Beschreibung und die Zeichnungen als erläuternd und nicht als einschränkend anzusehen. Der einzige und ausschließliche Indikator des Schutzumfangs der Erfindung und dessen, was von den Anmeldern als der Schutzumfang der Erfindung vorgesehen ist, ist der buchstäbliche und gleichwertige Schutzumfang des Anspruchssatzes, der sich aus dieser Anmeldung ergibt, in der spezifischen Form, in der diese Ansprüche erteilt werden, einschließlich jeder späteren Korrektur. Jegliche Definitionen, die hier ausdrücklich für in diesen Ansprüchen enthaltene Begriffe dargelegt sind, sollen die Bedeutung dieser Begriffe, wie in den Ansprüchen verwendet, bestimmen. Zusätzlich kann, wenn wir den Begriff „ferner umfassend“ in der folgenden Beschreibung oder den folgenden Ansprüchen verwenden, das, was diesem Ausdruck folgt, ein zusätzlicher Schritt oder eine zusätzliche Entität oder ein Unterschritt/eine Unterentität eines zuvor erwähnten Schritts oder einer zuvor erwähnten Entität sein.

Claims (20)

  1. Verfahren, umfassend: Empfangen von Sensordaten in Zusammenhang mit einer Umgebung, in der sich ein Fahrzeug befindet, mit wenigstens einem Prozessor, Erhalten eines Satzes von Kandidatenhypothesen auf der Grundlage der Sensordaten mit dem wenigstens einen Prozessor, wobei jede Kandidatenhypothese im Satz von Kandidatenhypothesen einer Spur entspricht, die einen Kandidatenort eines oder mehrerer Ziele repräsentiert, Beurteilen des Satzes von Kandidatenhypothesen in Bezug auf wenigstens ein Kriterium mit dem wenigstens einen Prozessor, Bestimmen eines mit einer Rangordnung versehenen Satzes von Hypothesen auf der Grundlage der Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das wenigstens eine Kriterium mit dem wenigstens einen Prozessor, wobei der mit einer Rangordnung versehene Satz von Hypothesen eine Teilmenge von Hypothesen umfasst, die auf der Grundlage des wenigstens einen Kriteriums aus dem Satz von Kandidatenhypothesen ausgewählt wurden, und Schätzen des Orts jedes von dem einen oder den mehreren Zielen auf der Grundlage des mit einer Rangordnung versehenen Satzes von Hypothesen mit dem wenigstens einen Prozessor.
  2. Verfahren nach Anspruch 1, wobei das wenigstens eine Kriterium ein Rangordnungskriterium umfasst und wobei die Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das wenigstens eine Kriterium Folgendes umfasst: Einstufen des Satzes von Kandidatenhypothesen auf der Grundlage des Rangordnungskriteriums.
  3. Verfahren nach Anspruch 2, wobei das wenigstens eine Kriterium ein Kollisionskriterium oder ein Verdeckungskriterium umfasst.
  4. Verfahren nach Anspruch 3, wobei das wenigstens eine Kriterium das Kollisionskriterium umfasst und wobei die Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das Kollisionskriterium Folgendes umfasst: Feststellen, ob eine Kollisionsbedingung in Bezug auf wenigstens einen Teil des Satzes von Kandidatenhypothesen erfüllt ist, und selektives Aufnehmen von Kandidatenhypothesen in den mit einer Rangordnung versehenen Satz von Hypothesen auf der Grundlage davon, ob die Kollisionsbedingung erfüllt ist.
  5. Verfahren nach Anspruch 4, wobei das Rangordnungskriterium eine Metrik umfasst, welche die Wahrscheinlichkeit repräsentiert, dass eine bestimmte Kandidatenhypothese des Satzes von Kandidatenhypothesen den Ort des einen oder der mehreren Ziele korrekt identifiziert, ohne dass andere Kandidatenhypothesen des Satzes von Kandidatenhypothesen berücksichtigt werden, und wobei das Kollisionskriterium unter Berücksichtigung wenigstens einer Hypothese aus einem vorhergehenden Zeitintervall angibt, ob die bestimmte Kandidatenhypothese des Satzes von Kandidatenhypothesen den Ort des einen oder der mehreren Ziele korrekt identifiziert.
  6. Verfahren nach Anspruch 4, wobei Kandidatenhypothesen, welche die Kollisionsbedingung erfüllen, nicht im mit einer Rangordnung versehenen Satz von Hypothesen enthalten sind.
  7. Verfahren nach Anspruch 3, wobei das Kriterium das Verdeckungskriterium umfasst und wobei die Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das Verdeckungskriterium Folgendes umfasst: Feststellen für jede Kandidatenhypothese, ob eine Verdeckungsbedingung in Bezug auf jegliche von dem einen oder den mehreren Zielen erfüllt ist, und Anwenden einer Strafmetrik auf Kandidatenhypothesen, die eine Verdeckungsbedingung erfüllen, wobei die Strafmetrik die Rangordnung der Kandidatenhypothesen, welche die Verdeckungsbedingung erfüllen, verringert.
  8. Verfahren nach Anspruch 7, wobei das Rangordnungskriterium eine Metrik umfasst, welche die Wahrscheinlichkeit repräsentiert, dass wenigstens ein Ziel von dem einen oder den mehreren Zielen in Zusammenhang mit einer bestimmten Kandidatenhypothese des Satzes von Kandidatenhypothesen verdeckt ist, ohne dass andere Kandidatenhypothesen des Satzes von Kandidatenhypothesen berücksichtigt werden, und wobei das Verdeckungskriterium unter Berücksichtigung wenigstens einer Hypothese aus einem vorhergehenden Zeitintervall angibt, ob das wenigstens eine Ziel in Zusammenhang mit der bestimmten Kandidatenhypothese verdeckt ist, wobei die Verdeckungsbedingung nach dem Erkennen einer Verdeckung auf der Grundlage des Rangordnungskriteriums, jedoch nicht des Verdeckungskriteriums, erfüllt ist.
  9. Verfahren nach Anspruch 8, ferner umfassend: Feststellen, ob die bestimmte Kandidatenhypothese mit einer verpassten Erfassung auf der Grundlage des Verdeckungskriteriums assoziiert ist, wobei die Strafmetrik nicht auf Kandidatenhypothesen in Zusammenhang mit verpassten Erfassungen angewendet wird.
  10. Verfahren nach Anspruch 3, wobei das wenigstens eine Kriterium sowohl das Kollisionskriterium als auch das Verdeckungskriterium umfasst.
  11. Verfahren nach Anspruch 1, wobei die Sensordaten von einem Sensor erhalten werden, der wenigstens einen von einem LiDAR-Sensor, einer Kamera oder einem Mikroskop umfasst.
  12. Verfahren nach Anspruch 1, wobei das eine oder die mehreren Ziele wenigstens eines von Fahrzeugen, Zellen, Personen, Robotern oder Tieren umfassen.
  13. System, umfassend: wenigstens einen Prozessor und wenigstens ein nichtflüchtiges Speichermedium, das Befehle speichert, die, wenn sie durch den wenigstens einen Prozessor ausgeführt werden, den wenigstens einen Prozessor veranlassen, Folgendes auszuführen: Empfangen von Sensordaten in Zusammenhang mit einer Umgebung, in der sich ein Fahrzeug befindet, Erhalten eines Satzes von Kandidatenhypothesen auf der Grundlage der Sensordaten, wobei jede Kandidatenhypothese im Satz von Kandidatenhypothesen einer Spur entspricht, die einen Kandidatenort eines oder mehrerer Ziele repräsentiert, Beurteilen des Satzes von Kandidatenhypothesen in Bezug auf wenigstens ein Kriterium, Bestimmen eines mit einer Rangordnung versehenen Satzes von Hypothesen auf der Grundlage der Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das wenigstens eine Kriterium, wobei der mit einer Rangordnung versehene Satz von Hypothesen eine Teilmenge von Hypothesen umfasst, die auf der Grundlage des wenigstens einen Kriteriums aus dem Satz von Kandidatenhypothesen ausgewählt wurden, und Schätzen des Orts jedes von dem einen oder den mehreren Zielen auf der Grundlage des mit einer Rangordnung versehenen Satzes von Hypothesen.
  14. System nach Anspruch 13, wobei das wenigstens eine Kriterium ein Rangordnungskriterium umfasst und wobei die Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das wenigstens eine Kriterium Folgendes umfasst: Einstufen des Satzes von Kandidatenhypothesen auf der Grundlage des Rangordnungskriteriums, wobei das Rangordnungskriterium eine Metrik umfasst, welche die Wahrscheinlichkeit repräsentiert, dass eine bestimmte Kandidatenhypothese des Satzes von Kandidatenhypothesen den Ort des einen oder der mehreren Ziele korrekt identifiziert, ohne dass andere Kandidatenhypothesen des Satzes von Kandidatenhypothesen berücksichtigt werden.
  15. System nach Anspruch 14, wobei das wenigstens eine Kriterium ein Kollisionskriterium umfasst, das angibt, ob eine bestimmte Kandidatenhypothese des Satzes von Kandidatenhypothesen den Ort des einen oder der mehreren Ziele unter Berücksichtigung wenigstens einer Hypothese aus einem vorhergehenden Zeitintervall korrekt identifiziert, und wobei die Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das Kollisionskriterium Folgendes umfasst: Feststellen, ob eine Kollisionsbedingung in Bezug auf wenigstens einen Teil des Satzes von Kandidatenhypothesen erfüllt ist, und selektives Aufnehmen von Kandidatenhypothesen in den mit einer Rangordnung versehenen Satz von Hypothesen auf der Grundlage davon, ob die Kollisionsbedingung erfüllt ist, wobei Kandidatenhypothesen, welche die Kollisionsbedingung erfüllen, nicht in den mit einer Rangordnung versehenen Satz von Hypothesen aufgenommen werden.
  16. System nach Anspruch 14, wobei das Kriterium das Verdeckungskriterium umfasst, wobei das Verdeckungskriterium unter Berücksichtigung wenigstens einer Hypothese aus einem vorhergehenden Zeitintervall angibt, ob das wenigstens eine Ziel in Zusammenhang mit der bestimmten Kandidatenhypothese verdeckt ist, und wobei die Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das Verdeckungskriterium Folgendes umfasst: Feststellen für jede Kandidatenhypothese, ob eine Verdeckungsbedingung in Bezug auf jegliche von dem einen oder den mehreren Zielen erfüllt ist, wobei die Verdeckungsbedingung nach dem Erkennen einer Verdeckung auf der Grundlage des Rangordnungskriteriums, jedoch nicht des Verdeckungskriteriums, erfüllt ist, und Anwenden einer Strafmetrik auf Kandidatenhypothesen, welche die Verdeckungsbedingung erfüllen, wobei die Strafmetrik die Rangordnung der Kandidatenhypothesen, welche die Verdeckungsbedingung erfüllen, verringert.
  17. Wenigstens ein nichtflüchtiges computerlesbares Speichermedium, das Befehle speichert, die, wenn sie durch einen oder mehrere Prozessoren ausgeführt werden, den einen oder die mehreren Prozessoren veranlassen, Operationen zur Verfolgung mehrerer Ziele auszuführen, wobei die Operationen Folgendes umfassen: Empfangen von Sensordaten in Zusammenhang mit einer Umgebung, in der sich ein Fahrzeug befindet, Erhalten eines Satzes von Kandidatenhypothesen auf der Grundlage der Sensordaten, wobei jede Kandidatenhypothese im Satz von Kandidatenhypothesen einer Spur entspricht, die einen Kandidatenort eines oder mehrerer Ziele repräsentiert, Beurteilen des Satzes von Kandidatenhypothesen in Bezug auf wenigstens ein Kriterium, Bestimmen eines mit einer Rangordnung versehenen Satzes von Hypothesen auf der Grundlage der Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das wenigstens eine Kriterium, wobei der mit einer Rangordnung versehene Satz von Hypothesen eine Teilmenge von Hypothesen umfasst, die auf der Grundlage des wenigstens einen Kriteriums aus dem Satz von Kandidatenhypothesen ausgewählt wurden, und Schätzen des Orts jedes von dem einen oder den mehreren Zielen auf der Grundlage des mit einer Rangordnung versehenen Satzes von Hypothesen.
  18. Wenigstens ein nichtflüchtiges computerlesbares Speichermedium nach Anspruch 17, wobei die Operationen ferner Folgendes umfassen: Bestimmen einer oder mehrerer Navigationsoperationen auf der Grundlage des Orts jedes von dem einen oder den mehreren Zielen und Steuern der Navigation des Fahrzeugs zumindest teilweise auf der Grundlage der einen oder der mehreren Navigationsoperationen.
  19. Wenigstens ein nichtflüchtiges computerlesbares Speichermedium nach Anspruch 18, wobei das wenigstens eine Kriterium ein Kollisionskriterium umfasst und wobei die Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das Kollisionskriterium Folgendes umfasst: Feststellen, ob eine Kollisionsbedingung in Bezug auf wenigstens einen Teil des Satzes von Kandidatenhypothesen auf der Grundlage eines Unabhängigkeitskriteriums erfüllt ist, und selektives Aufnehmen von Kandidatenhypothesen in den mit einer Rangordnung versehenen Satz von Hypothesen auf der Grundlage davon, ob die Kollisionsbedingung erfüllt ist, wobei das Kollisionskriterium unter Berücksichtigung wenigstens einer Hypothese aus einem vorhergehenden Zeitintervall angibt, ob die bestimmte Kandidatenhypothese des Satzes von Kandidatenhypothesen den Ort des einen oder der mehreren Ziele korrekt identifiziert.
  20. Wenigstens ein nichtflüchtiges computerlesbares Speichermedium nach Anspruch 18, wobei das wenigstens eine Kriterium ein Verdeckungskriterium umfasst und wobei die Beurteilung des Satzes von Kandidatenhypothesen in Bezug auf das Verdeckungskriterium Folgendes umfasst: Feststellen für jede Kandidatenhypothese, ob eine Verdeckungsbedingung in Bezug auf jegliche von dem einen oder den mehreren Zielen erfüllt ist, auf der Grundlage einer anfänglichen Rangordnung des Satzes von Kandidatenhypothesen, wobei die anfängliche Rangordnung des Satzes von Kandidatenhypothesen ohne Berücksichtigung anderer Kandidatenhypothesen des Satzes von Kandidatenhypothesen bestimmt wurde, und Anwenden einer Strafmetrik auf Kandidatenhypothesen, von denen festgestellt wurde, dass sie die Verdeckungsbedingung ohne Berücksichtigung anderer Kandidatenhypothesen des Satzes von Kandidatenhypothesen erfüllen, die Verdeckungsbedingung jedoch nicht auf der Grundlage des Verdeckungskriteriums erfüllen.
DE102021132849.7A 2021-05-19 2021-12-13 Verfolgung mehrerer ziele mit abhängigen wahrscheinlichkeitsstrukturen Pending DE102021132849A1 (de)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US17/324,960 US20220374734A1 (en) 2021-05-19 2021-05-19 Multi-target tracking with dependent likelihood structures
US17/324,960 2021-05-19

Publications (1)

Publication Number Publication Date
DE102021132849A1 true DE102021132849A1 (de) 2022-11-24

Family

ID=79270345

Family Applications (1)

Application Number Title Priority Date Filing Date
DE102021132849.7A Pending DE102021132849A1 (de) 2021-05-19 2021-12-13 Verfolgung mehrerer ziele mit abhängigen wahrscheinlichkeitsstrukturen

Country Status (5)

Country Link
US (1) US20220374734A1 (de)
KR (1) KR20220156736A (de)
CN (1) CN115375728A (de)
DE (1) DE102021132849A1 (de)
GB (1) GB2606789A (de)

Also Published As

Publication number Publication date
US20220374734A1 (en) 2022-11-24
GB202117356D0 (en) 2022-01-12
GB2606789A (en) 2022-11-23
CN115375728A (zh) 2022-11-22
KR20220156736A (ko) 2022-11-28

Similar Documents

Publication Publication Date Title
DE112020000487T5 (de) Automatisches wählen von datenproben zur annotation
DE102020133744A1 (de) Vordergrundextraktion unter verwendung von flächenanpassung
DE102022102189A1 (de) Multimodales Segmentierungsnetz für ein verbessertes semantisches Labelingbei einer Kartenerzeugung
DE102021124913A1 (de) Metrik-backpropagation für die beurteilung der leistung von untersystemen
DE102021132853A1 (de) Auf deep learning basierende kamerakalibrierung
DE102022100218A1 (de) Umgebungsbeschränkungs- und Sensoranomaliesystem und -verfahren
DE102022100041A1 (de) Betriebseinhüllendenerkennung mit situationsbeurteilung unter verwendung von metriken
DE102021133340A1 (de) Modalitätsübergreifendes aktives lernen zur objekterkennung
DE102020134835A1 (de) Langzeit-objektverfolgung zur unterstützung autonomer fahrzeugnavigation
DE102023111485A1 (de) Nachverfolgungssegmentbereinigung nachverfolgter objekte
DE102021133739A1 (de) Steuern eines autonomen fahrzeugs unter verwendung einer näheregel
DE102022131625A1 (de) Bordsteinbasierte merkmalsextraktion für lokalisierung und fahrspurerkennung mittels radar
DE102022122456A1 (de) Auf maschinellem lernen basierte klassifizierung einer punktwolkenausrichtung
DE102022105579A1 (de) Graphenerkundung zur regelbuchtrajektorieerzeugung
DE102022106461A1 (de) Systeme und verfahren zur kameraausrichtung
DE102021133533A1 (de) Immobilitätsdetektion innerhalb eines situativen kontexts
DE102021132096A1 (de) Fahrzeugortsbestimmung unter verwendung kombinierter eingaben redundanter ortsbestimmungs-pipelines
DE102023108247A1 (de) Tracker-Positionsaktualisierungen zur Erzeugung von Fahrzeugtrajektoren
DE102020120128A1 (de) Zusammenführungs-/aufteilungstechniken für sensordatenfilterung
DE102022133254A1 (de) Antennenüberwachung und -auswahl
DE102022100059A1 (de) Detektion der operativen hüllkurve mit situativer beurteilung
DE102021133740A1 (de) Erlernen der identifikation sicherheitskritischer szenarien für ein autonomes fahrzeug
DE102022102187A1 (de) High-fidelity-daten-getriebene multimodale simulation
DE102022104716A1 (de) Kalibrierkurse und -objekte
DE102022104054A1 (de) Die fahrzeugzustandsschätzung verbessernde sensordaten zur fahrzeugsteuerung und zum autonomen fahren