车辆交通标志预测的制作方法

本公开涉及车辆的高级驾驶辅助和自动驾驶系统及方法，更具体地涉及车辆交通标志预测系统和方法。

背景技术：

1、为了提高乘员意识和便利性，车辆可能配备高级驾驶辅助系统(adas)和/或自动驾驶系统(ads)。adas系统可以使用诸如摄像头、雷达和lidar(激光成像、检测和测距)等各种传感器来检测和识别车辆周围的物体，包括其他车辆、行人、道路配置和交通标志。ads系统可以基于车辆周围的环境条件采取行动，例如控制车辆在环境中向目的地导航。然而，当前ads系统的性能可能会受到交通标志识别和解释的影响。例如，在某些情况下，交通标志可能缺失、过时或无效或不适用。在其他情况下，交通标志可能会因天气条件等原因被阻碍或遮挡，从而妨碍准确识别和/或辨认。

2、因此，虽然adas和ads系统及方法实现了其预期目的，但是仍需要一种新的、改进的系统和方法用于车辆交通标志预测。

技术实现思路

1、根据几个方面，提供了一种交通标志预测的方法。该方法包括确定多个道路特征。该方法还包括确定多个道路使用者信息。该方法还包括确定多个与天气相关的信息。该方法还包括至少部分基于多个道路特征、多个道路使用者信息和多个与天气相关的信息来确定预测的交通标志。该方法还包括至少部分基于预测的交通标志来执行动作。

2、在本公开的另一方面，确定多个道路特征还可以包括使用感知传感器和从远程服务器检索的数据中的至少一项来确定多个道路特征。多个道路特征包括至少一个道路几何特征、至少一个道路状况特征以及至少一个路侧环境特征。

3、在本公开的另一方面，确定多个道路使用者信息还可以包括检测多个道路使用者。确定多个道路使用者信息还可以包括检测多个路侧使用者。确定多个道路使用者信息还可以包括确定多个道路使用者和多个路侧使用者中每一个的多个预测的路径。确定多个道路使用者信息还可以包括确定多个道路使用者信息。多个道路使用者信息包括至少多个道路使用者的数量、多个路侧使用者的数量以及多个预测的路径。

4、在本公开的另一方面，确定多个与天气相关的信息还可以包括使用感知传感器和从远程服务器检索的数据中的至少一项来确定多个与天气相关的信息。多个与天气相关的信息包括至少一种降水天气状况和至少一种能见度天气状况。

5、在本公开的另一方面，确定预测的交通标志还可以包括使用基于规则的算法来确定预测的交通标志。基于规则的算法将多个道路特征、多个道路使用者信息和多个与天气相关的信息作为输入，并生成预测的交通标志作为输出。

6、在本公开的另一方面，确定预测的交通标志还可以包括使用模糊逻辑算法来确定预测的交通标志。模糊逻辑算法将多个道路特征、多个道路使用者信息以及多个与天气相关的信息作为输入，并生成多个可能的预测的交通标志以及多个相应的置信值作为输出。确定预测的交通标志还可以包括至少部分基于多个相应的置信值，将预测的交通标志确定为多个可能的预测的交通标志中的一个。

7、在本公开的另一方面，确定预测的交通标志还可以包括使用机器学习算法来确定预测的交通标志。机器学习算法将多个道路特征、多个道路使用者信息以及多个与天气相关的信息作为输入，并生成多个可能的预测的交通标志和多个相应的置信值作为输出。确定预测的交通标志还可以包括至少部分基于多个相应的置信值，将预测的交通标志确定为多个可能的预测的交通标志中的一个。

8、在本公开的另一方面，确定预测的交通标志还可以包括使用预定的规则集来验证预测的交通标志。

9、在本公开的另一方面，验证预测的交通标志还可以包括使用预定的规则集来评估预测的交通标志；以及响应于确定预测的交通标志与预定的规则集相悖，修改预测的交通标志。

10、在本公开的另一方面，至少部分基于预测的交通标志来执行动作还可以包括将预测的交通标志传输至远程车辆和远程服务器中的至少一个。至少部分基于预测的交通标志来执行动作还可以包括至少部分基于预测的交通标志来调整自动驾驶系统的路径规划和控制算法。

11、根据几个方面，提供了一种车辆交通标志预测的系统。该系统包括多个车辆传感器。该系统还包括与多个车辆传感器进行电通信的控制器。控制器被编程为使用多个车辆传感器中的至少一个来确定多个道路特征。控制器还被编程为使用多个车辆传感器中的至少一个来确定多个道路使用者信息。控制器还被编程为使用多个车辆传感器中的至少一个来确定多个与天气相关的信息。控制器还被编程为至少部分基于多个道路特征、多个道路使用者信息和多个与天气相关的信息来确定预测的交通标志。控制器还被编程为至少部分基于预测的交通标志来执行动作。

12、在本公开的另一方面，多个车辆传感器还包括至少一个感知传感器。为了确定多个道路特征，控制器还被编程为使用至少一个感知传感器执行车辆周围环境的多个测量。为了确定多个道路特征，控制器还被编程为至少部分基于多个测量值来确定多个道路特征。多个道路特征包括至少一个道路几何特征、至少一个道路状况特征以及至少一个路侧环境特征。

13、在本公开的另一方面，多个车辆传感器还包括车辆通信系统。为了确定多个道路特征，控制器还被编程为使用车辆通信系统接收包括多个道路特征的v2v消息和v2x消息中的至少一者。多个道路特征包括至少一个道路几何特征、至少一个道路状况特征和至少一个路侧环境特征。

14、在本公开的另一方面，为了确定多个道路使用者信息，控制器还被编程为使用多个车辆传感器来检测多个道路使用者。为了确定多个道路使用者信息，控制器还被编程为使用多个车辆传感器来检测多个路侧使用者。为了确定多个道路使用者信息，控制器还被编程为确定多个道路使用者和多个路侧使用者中每一个的多个预测的路径。为了确定多个道路使用者信息，控制器还被编程为确定多个道路使用者信息。多个道路使用者信息包括至少多个道路使用者的数量、多个路侧使用者的数量以及多个预测的路径。

15、在本公开的另一方面，多个车辆传感器还包括感知传感器和车辆通信系统中的至少一个。为了确定多个与天气相关的信息，控制器还被编程为使用感知传感器和车辆通信系统中的至少一者来确定多个与天气相关的信息。多个与天气相关的信息包括至少一种降水天气状况和至少一种能见度天气状况。

16、在本公开的另一方面，为了确定预测的交通标志，控制器还被编程为使用预测算法来确定预测的交通标志。预测算法将多个道路特征、多个道路使用者信息和多个与天气相关的信息作为输入，并生成多个可能的预测的交通标志和多个相应的置信值作为输出。预测算法是基于规则的算法、模糊逻辑算法和机器学习算法中的至少一种。为了确定预测的交通标志，控制器还被编程为至少部分基于多个相应的置信值，将预测的交通标志确定为多个可能的预测的交通标志中的一个。为了确定预测的交通标志，控制器还被编程为通过使用预定的规则集评估预测的交通标志来验证预测的交通标志。为了确定预测的交通标志，控制器还被编程为响应于确定预测的交通标志与预定的规则集相悖，修改预测的交通标志。

17、在本公开的另一方面，该系统还包括与控制器进行电通信的自动驾驶系统。多个车辆传感器还包括车辆通信系统。为了执行动作，控制器还被编程为使用车辆通信系统将预测的交通标志传输至远程车辆和远程服务器中的至少一者。为了执行动作，控制器还被编程为至少部分基于预测的交通标志来调整自动驾驶系统的路径规划和控制算法。

18、根据几个方面，提供了一种车辆交通标志预测系统。该系统包括多个车辆传感器。多个车辆传感器包括至少一个感知传感器。多个车辆传感器还包括至少车辆通信系统。该系统还包括自动驾驶系统。该系统还包括与多个车辆传感器和自动驾驶系统进行电通信的控制器。控制器被编程为使用多个车辆传感器中的至少一个来确定多个道路特征。多个道路特征包括至少一个道路几何特征、至少一个道路状况特征和至少一个路侧环境特征。控制器还被编程为使用多个车辆传感器中的至少一个来确定多个道路使用者信息。控制器还被编程为使用多个车辆传感器中的至少一个来确定多个与天气相关的信息。多个与天气相关的信息包括至少一种降水天气状况和至少一种能见度天气状况。控制器还被编程为至少部分基于多个道路特征、多个道路使用者信息和多个与天气相关的信息来确定预测的交通标志。控制器还被编程为使用车辆通信系统将预测的交通标志传输至远程车辆和远程服务器中的至少一者。控制器还被编程为至少部分基于预测的交通标志来调整自动驾驶系统的路径规划和控制算法。

19、在本公开的另一方面，为了确定多个道路使用者信息，控制器还被编程为使用多个车辆传感器来检测多个道路使用者。为了确定多个道路使用者信息，控制器还被编程为使用多个车辆传感器来检测多个路侧使用者。为了确定多个道路使用者信息，控制器还被编程为确定多个道路使用者和多个路侧使用者每一个的多个预测的路径。为了确定多个道路使用者信息，控制器还被编程为确定多个道路使用者信息。多个道路使用者信息包括至少多个道路使用者的数量、多个路侧使用者的数量以及多个预测的路径。

20、在本公开的另一方面，为了确定预测的交通标志，控制器还被编程为使用预测算法来确定预测的交通标志。预测算法将多个道路特征、多个道路使用者信息和多个与天气相关的信息作为输入，并生成多个可能的预测的交通标志和多个相应的置信值作为输出。预测算法是基于规则的算法、模糊逻辑算法和机器学习算法中的至少一种。为了确定预测的交通标志，控制器还被编程为至少部分基于多个相应的置信值，将预测的交通标志确定为多个可能的预测的交通标志中的一个。为了确定预测的交通标志，控制器还被编程为通过使用预定的规则集评估预测的交通标志来验证预测的交通标志。为了确定预测的交通标志，控制器还被编程为响应于确定预测的交通标志与预定的规则集相悖，修改预测的交通标志。

21、进一步的应用领域将从本文提供的描述中变得显而易见。应当理解，这些描述和具体示例仅用于说明的目的，并非旨在限制本公开的范围。