基于物件交互关系的路径预测方法及电子装置与流程

1.本发明涉及一种自动驾驶决策技术，且特别是有关于一种基于物件交互关系的路径预测方法及电子装置。


背景技术：

2.随着科技的蓬勃发展，自动驾驶的相关研究也越来越兴盛。目前的自驾车于行进中，需要即时分析大量的信息来实现有效的自动驾驶行为。举例来说，自驾车在运行过程中需要能精准地分析地图信息或周遭物件等数据。这些数据的分析结果可作为控制自驾车行进的依据，使自驾车行进中遇到突发状况的决策近似于一般驾驶的行为。
3.然而，自动驾驶的决策能力会影响自驾车的安全性。一但自动驾驶的决策错误，将可能发生交通事故等严重问题。因此，如何改善自动驾驶决策的准确率实为本领域技术人员所关心的议题。


技术实现要素：

4.本发明提供一种基于物件交互关系的路径预测方法及电子装置，能够提升主车周遭物件的轨迹预测精准度。
5.本发明的基于物件交互关系的路径预测方法，适用于包括处理器的电子装置。所述处理器经配置以控制第一车辆。所述方法包括：接收包括多个影像帧的影片；对所述多个影像帧中的特定影像帧执行物件识别，以识别所述特定影像帧内的至少一物件；依据所述至少一物件自交互关系数据库中取得与所述至少一物件相关联的预设交互关系信息；以及依据所述预设交互关系信息来决定导航所述第一车辆的第一轨迹。
6.本发明的电子装置，适用于控制第一车辆。所述电子装置包括存储装置以及处理器。所述存储装置存储交互关系数据库。所述处理器耦接所述存储装置，并且所述处理器经配置以：接收包括多个影像帧的影片；对所述多个影像帧中的一特定影像帧执行物件识别，以识别所述特定影像帧内的至少一物件；依据所述至少一物件自所述交互关系数据库中取得与所述至少一物件相关联的一预设交互关系信息；以及依据所述预设交互关系信息来决定导航所述第一车辆的第一轨迹。
7.基于上述，本发明实施例提供的基于物件交互关系的路径预测方法及电子装置，可依据物件之间的预设交互关系信息来生成预测物件的预测轨迹，而可藉由预测物件的预测轨迹来决定导航主车的轨迹。藉此，透过考量物件之间的预设交互关系来生成预测物件的预测轨迹，本发明可减少主车周遭物件的轨迹预测误差。基此，可提升主车周遭物件的轨迹预测精准度，进而更精准地规划主车的导航轨迹。
8.为让本发明的上述特征和优点能更明显易懂，下文特举实施例，并配合所附附图作详细说明如下。
附图说明
9.图1示出依据本发明一实施例的路径预测系统的方块图；
10.图2示出依据本发明一实施例的基于物件交互关系的路径预测方法的流程图；
11.图3示出依据本发明一实施例的物件识别的示意图；
12.图4示出依据本发明一实施例的物件交互关系的示意图；
13.图5示出依据本发明一实施例的基于物件交互关系的路径预测方法的流程图；
14.图6示出依据本发明一实施例的物件交互关系的示意图；
15.图7示出依据本发明一实施例的物件交互关系的示意图；
16.图8示出依据本发明一实施例的基于物件交互关系的路径预测方法的流程图。
具体实施方式
17.现将详细地参考本发明的示范性实施例，示范性实施例的实例说明于附图中。只要有可能，相同元件符号在附图和描述中用来表示相同或相似部分。
18.图1示出依据本发明一实施例的路径预测系统的方块图。请参照图1，路径预测系统10包括电子装置11以及影像撷取装置12。电子装置11包括但不限于处理器110、存储装置120以及输入输出装置(input/output,i/o)130。本实施例的电子装置11例如是设置在车辆上且具备运算功能的装置。然而，电子装置11也可以是远端服务器以对车辆进行远端控制，本发明不在此限制。
19.处理器110耦接存储装置120以及输入输出装置130，其例如是中央处理单元(central processing unit，cpu)，或是其他可编程的一般用途或特殊用途的微处理器(microprocessor)、数字信号处理器(digital signal processor，dsp)、可编程控制器、专用集成电路(application specific integrated circuits，asic)、可编程逻辑控制器(programmable logic controller，plc)或其他类似装置或这些装置的组合，而可载入并执行存储装置120中存储的程序，以执行本发明实施例的基于物件交互关系的路径预测方法。
20.存储装置120例如是任何型态的固定式或可移动式随机存取存储器(random access memory，ram)、只读存储器(read-only memory，rom)、快闪存储器(flash memory)、硬盘或类似元件或上述元件的组合，而用以存储可由处理器110执行的程序以及数据。在一实施例中，存储装置120存储交互关系数据库121以及环境信息数据库122。此外，存储装置120例如还存储输入输出装置130自影像撷取装置12接收的影片。
21.输入输出装置130例如是通用串行总线(universal serial bus，usb)、rs232、蓝芽(bluetooth，bt)、无线保真(wireless fidelity，wi-fi)等有线或无线的传输接口，其是用以接收由相机、摄影机等影像撷取装置所提供的影片。
22.影像撷取装置12用以撷取其前方的影像，其可以是采用电荷耦合器件(charge coupled device,ccd)、互补金属氧化物半导体(complementary metal-oxide semiconductor，cmos)器件或其他元件镜头的相机或摄影机。在本实施例中，影像撷取装置12可设置在主车(亦称为第一车辆)中，并设置为撷取主车前方的道路影像。值得注意的是，此主车是由处理器110控制的车辆。
23.在一实施例中，电子装置11可包含上述影像撷取装置，输入输出装置130则是装置
内部用以传输数据的总线，而可将影像撷取装置所拍摄的影片传输至处理器110进行处理，本实施例不限定于上述架构。
24.图2示出依据本发明一实施例的基于物件交互关系的路径预测方法的流程图。请同时参照图1及图2，本实施例的方法适用于上述的电子装置11，以下即搭配电子装置11的各项元件说明本实施例的基于物件交互关系的路径预测方法的详细步骤。
25.首先，在步骤s202中，处理器110可接收包括多个影像帧的影片。具体来说，处理器110利用输入输出装置130自影像撷取装置12接收包括多个影像帧的影片。
26.在步骤s204中，处理器110可对多个影像帧中的特定影像帧执行物件识别，以识别特定影像帧内的至少一物件。在一实施例中，处理器110例如是针对特定影像帧执行物件侦测与识别算法，以识别特定影像帧中的物件。举例来说，处理器110例如是用预先建立且训练好的物件识别模型来撷取特定影像帧中的特征并识别出物件。其中，物件识别模型例如是藉由卷积神经网络(convolutional neural network,cnn)、深度神经网络(deep neural networks,dnn)或其他种类的类神经网络(neural network)结合分类器所建立的机器学习模型。物件识别模型是藉由对大量的输入影像进行学习，而能够撷取出影像中的特征并对这些特征进行分类以识别出对应特定物件类型的物件。本领域技术人员当可知晓如何训练可识别出特定影像帧中的物件的物件识别模型。
27.举例来说，图3示出依据本发明一实施例的物件识别的示意图。请参照图3，处理器110可藉由影像撷取装置12来取得影像帧img，此影像帧img为主车前方的道路影像。处理器110对影像帧img执行物件识别后，可识别出物件obj1及物件obj2。在本实施例中，处理器110可利用物件识别模型而将物件obj1分类为三角锥，并将物件obj2分类为车辆。值得一提的是，处理器110还可分析多个影像帧的影像内容以取得主车与影像帧中的物件的距离、影像帧中多个物件之间的距离以及物件的移动速度。例如，处理器110可分析多个影像帧的影像内容，以取得主车与图3中的物件obj1或物件obj2之间的距离、物件obj1与物件obj2之间的距离或者物件obj2的移动速度。然而，上述有关利用影像帧的影像内容分析距离与速度的技术概念为本领域技术人员的惯用技术手段，不再赘述于此。
28.在步骤s206中，处理器110可依据至少一物件自交互关系数据库121中取得与至少一物件相关联的预设交互关系信息。在本实施例中，交互关系数据库中可包括多个预设物件之间的预设交互关系信息。
29.在一实施例中，预设物件可以是指道路影像中的特定交通物件，并且预设交互关系信息可以是指多个特定交通物件之间的物件交互关系。以自驾车行驶在道路上的情境为例，特定交通物件可为三角锥、皮球、路树、车辆、施工标志、人、车辆等物件，本发明不限于此。换言之，特定交通物件是指道路上可能出现且一般驾驶看到时可能会驾驶行为的物体。
30.在本实施例中，特定交通物件之间的物件交互关系可区分为两种类型的物件交互关系。第一类型的物件交互关系记录一实际物件与一虚拟物件之间的物件交互关系。基于第一类型的物件交互关系，可依据侦测到的一实际物件预测生成一虚拟物件及生成此虚拟物件的轨迹。另一方面，第二类型的物件交互关系记录两个实际物件之间的物件交互关系。基于第二类型的物件交互关系，可依据侦测到的两个实际物件中的其中一实际物件预测另一实际物件的轨迹。换言之，第一类型的物件交互关系可包括车道上未出现但预测可能会因为车道上出现的实际物件而出现的虚拟物件与该实际物件之间的物件交互关系。另一方
面，第二类型的物件交互关系可包括在车道上出现的两个实际物件之间的物件交互关系。
31.以下将以实际车道上可能会出现的情况进行说明。举例而言，物件交互关系例如包括皮球和人之间的物件交互关系、三角锥/路树/施工标志和车辆之间的物件交互关系等，本发明不限于此。在本实施例中，皮球(即实际物件)和人(即虚拟物件)之间的物件交互关系属于第一类型的物件交互关系。一般来说，当皮球滚到车道上时，很有可能会有追着球冲到车道上的小孩(人)。因此，交互关系数据库中可存储皮球和人之间具有物件交互关系“在侦测到皮球时，n秒后会出现以与皮球相同之路径并以m秒移动的人”，其中n、m为预设数值。另一方面，三角锥/路树/施工标志(即实际物件)和车辆(即实际物件)之间的物件交互关系属于第二类型的物件交互关系。一般驾驶在驾驶车辆的过程中，如果看到车道前方出现三角锥/路树/施工标志等障碍物，会转弯绕过这些障碍物。因此，交互关系数据库中可存储三角锥/路树/施工标志和车辆之间具有物件交互关系“在侦测到三角锥/路树/施工标志及车辆时，车辆会在距离三角锥/路树/施工标志j公尺时将行驶速度减慢至时速k来切换车道”，其中j、k为预设数值。值得注意的是，驾驶在驾驶车辆的过程中还有可能遇到其他不同情境，因此本发明并不限于上述物件交互关系。本领域人员当可经由上述范例实施例的启示，自行设计其他特定交通物件之间的物件交互关系。
32.在步骤s208中，处理器110可依据预设交互关系信息来决定导航主车的轨迹(亦称为第一轨迹)。在本实施例中，轨迹可包括路径及路径中每一轨迹点的速度。具体来说，处理器110可依据预设交互关系信息生成预测物件的预测轨迹。之后，处理器110可依据预测轨迹决定主车的第一轨迹。
33.在一实施例中，处理器110会先判断预设交互关系信息包括第一类型或第二类型的物件交互关系，以产生判断结果。接着，处理器110可依据判断结果生成预测物件的预测轨迹。
34.在本实施例中，响应于判定预设交互关系信息包括第一类型的物件交互关系，处理器110可依据步骤s204识别出的物件自交互关系数据库121中取得与识别出的物件相关联的预设交互关系信息对应的预设物件作为预测物件。如前述例子，假设皮球和人之间具有第一类型的物件交互关系，处理器110可依据识别出的皮球自交互关系数据库121中取得“人”作为预测物件。接着，处理器110可依据预设交互关系信息以及识别出的物件的轨迹计算预测物件的预测轨迹。
35.图4示出依据本发明一实施例的物件交互关系的示意图。为方便说明，图4示例出主车1及其他物件映射到车道上的示意图。在本实施例中，假设交互关系数据库121中存储有实际物件“皮球”与虚拟物件“人”之间的预设交互关系信息“在侦测到皮球时，n秒后会出现以与皮球相同的路径并以m秒移动的人”。
36.请参照图4，本实施例的主车1由处理器110控制以轨迹d1行驶，此轨迹d1为主车1的原始目标轨迹。假设处理器110从特定影像帧中识别出物件2，而此物件2被分类为皮球。在本实施例中，处理器110会依据物件2自交互关系数据库121中取得与物件2关联的预设交互关系信息“在侦测到皮球时，n秒后会出现以与皮球相同的路径并以m秒移动的人”。由所述预设交互关系信息可知，交互关系数据库121中存储有物件2与虚拟物件“人”之间的交互关系，因此处理器110可判断与物件2关联的预设交互关系信息包括第一类型物件交互关系。接着，处理器110可依据物件2自交互关系数据库121中取得与物件2关联的预设交互关
系信息对应的预设物件4作为预测物件。在本实施例中，预设物件4为“人”。因此，处理器110可依据预设交互关系信息“在侦测到皮球时，n秒后会出现以与皮球相同的路径并以m秒移动的人”以及物件2的轨迹d2计算预设物件4的轨迹d4。
37.在本实施例中，若处理器110判定预设交互关系信息包括第二类型的物件交互关系，其可采取与第一类型的物件交互关系不同的预测轨迹生成流程。具体来说，请参照图5，图5示出依据本发明一实施例的基于物件交互关系的路径预测方法的流程图。在步骤s2081中，响应于判定预设交互关系信息包括第二类型的物件交互关系，处理器110可判断步骤s204识别出的物件是否包括第二车辆。在步骤s2082中，响应于判定识别出的物件包括第二车辆，处理器110可判断识别出的物件是否包括与第二车辆之间具有预设交互关系信息的第一物件。在步骤s2083中，响应于判定识别出的物件包括第一物件，处理器110会设定第二车辆作为预测物件。之后，在步骤s2084中，处理器110会依据预设交互关系信息、第一物件相对于预测物件的位置以及预测物件的移动速度计算预测物件的预测轨迹。
38.图6示出依据本发明一实施例的物件交互关系的示意图。为方便说明，图6示例出主车3及其他物件映射到车道上的示意图。在本实施例中，假设交互关系数据库121中存储有实际物件“车辆”与实际物件“三角锥”之间的预设交互关系信息“在侦测到三角锥及车辆时，车辆会在距离三角锥j公尺时将行驶速度减慢至时速k来切换车道”。
39.请参照图6，本实施例的主车3由处理器110控制以轨迹d3行驶，此轨迹d3为主车3的原始目标轨迹。处理器110从特定影像帧中识别出物件6及物件8，而物件6被分类为三角锥，物件8被分类为车辆。在本实施例中，处理器110会依据物件6及物件8自交互关系数据库121中取得与物件6、物件8分别关联的预设交互关系信息。在本实施例中，处理器110可依据物件6或物件8自交互关系数据库121中取得的预设交互关系信息包括实际物件“车辆”与实际物件“三角锥”之间的交互关系。因此，处理器110会判断与物件6或物件8关联的预设交互关系信息包括第二类型的物件交互关系。接着，响应于判定预设交互关系信息包括第二类型的物件交互关系，处理器110会判断识别出的物件6及物件8是否包括车辆。在本实施例中，处理器110响应于判定识别出的物件8为车辆，会进一步判断识别出的其他物件是否包括与物件8之间具有第二类型的物件交互关系的物件。在本实施例中，处理器110可判定识别出的其他物件中的物件6与物件8之间具有第二类型的物件交互关系，因此会设定物件8(车辆)作为预测物件。并且，处理器110会依据预设交互关系信息“在侦测到三角锥及车辆时，车辆会在距离三角锥j公尺时将行驶速度减慢至时速k来切换车道”、物件6相对于物件8的位置以及物件8的移动速度计算物件8的预测轨迹d8。
40.图7示出依据本发明一实施例的物件交互关系的示意图。为方便说明，图7示例出主车5及其他物件映射到车道上的示意图。在本实施例中，假设交互关系数据库121中存储有实际物件“车辆”与实际物件“车辆”之间的预设交互关系信息“在侦测到两台车辆时，后车会在距离前车x公尺时将行驶速度加速至时速y来切换车道”，其中x、y为预设数值。
41.请参照图7，本实施例的主车5由处理器110控制以轨迹d5行驶，此轨迹d5为主车5的原始目标轨迹。处理器110从特定影像帧中识别出物件10及物件12，而物件10及物件12皆被分类为车辆。其中物件10为前车，物件12为后车，且物件10以轨迹d10行驶。在本实施例中，处理器110会依据物件10及物件12自交互关系数据库121中取得与物件10、物件12分别关联的预设交互关系信息。在本实施例中，处理器110可依据物件10或物件12自交互关系数
据库121中取得的预设交互关系信息包括实际物件“车辆”与实际物件“车辆”之间的交互关系。因此，处理器110会判断与物件10或物件12关联的预设交互关系信息包括第二类型的物件交互关系。接着，响应于判定预设交互关系信息包括第二类型的物件交互关系，处理器110会判断识别出的物件10及物件12是否包括车辆。在本实施例中，处理器110响应于判定识别出的物件12为车辆，会判断识别出的其他物件是否包括与物件12之间具有第二类型的物件交互关系的物件。在本实施例中，处理器110可判定识别出的其他物件中的物件10与物件12之间具有第二类型的物件交互关系，因此会设定物件12(后车)作为预测物件。并且，处理器110会依据预设交互关系信息“在侦测到两台车辆时，后车会在距离前车x公尺时将行驶速度加速至时速y来切换车道”、物件10相对于物件12的位置以及物件12的移动速度计算物件12的预测轨迹d12。
42.在计算出主车以外的预测物件的预测轨迹之后，处理器110会依据预测轨迹决定导航主车的第一轨迹。在一实施例中，处理器110可计算生成的预测轨迹与主车的原始目标轨迹之间的预计碰撞时间，并依据预计碰撞时间调整主车的原始目标轨迹以生成第一轨迹。例如，处理器110调整原始目标轨迹中主车的行驶速度(例如，加减速)或行驶方向(例如，转弯)以生成第一轨迹。值得注意的是，处理器110可依据主车调整后的行驶速度或行驶方向来更新原始目标轨迹包括的路径及路径中每一轨迹点的速度，从而生成第一轨迹。藉此，透过考量物件之间的预设交互关系，本发明实施例可更精准地预测主车周遭物件的轨迹，从而更精准地规划主车的导航轨迹。
43.请再回到图4。举例来说，在计算出物件4的轨迹d4后，处理器110可计算轨迹d4与主车1的轨迹d1之间的预计碰撞时间t，并依据此预计碰撞时间t减少主车1的轨迹d1中主车1的行驶速度。换言之，处理器110可减少轨迹d1中特定轨迹点的速度，以更新原始目标轨迹来生成用于导航所述主车1的第一轨迹。如此一来，可避免主车1撞上可能会冲出的预设物件4。
44.图8示出依据本发明一实施例的基于物件交互关系的路径预测方法的流程图。在一实施例中，处理器110还可依据周遭物件的物件特征值或周遭环境信息决定预测物件的预测轨迹。
45.请参照图8，在步骤s801中，处理器110可感测特定影像帧中的物件作为预测物件。在步骤s8021中，处理器110可对特定影像帧执行影像识别操作以取得预测物件的物件特征值。物件特征值例如是车辆的方向灯的灯号或车速。例如，影像识别操作可实施为利用预先建立且训练好的物件识别模型来取得特定影像帧中预测物件的物件特征值，本发明不在此限制。在步骤s8022中，处理器110可依据从特定影像帧中识别出的物件，自交互关系数据库121取得与该物件相关联的预设交互关系信息。取得预设交互关系信息的详细实施内容可参照前述步骤s206的描述，于此不再赘述。
46.在步骤s8023，处理器110可依据主车的定位数据自环境信息数据库122取得车道几何信息。环境信息数据库122可存储地图信息，地图信息可包括道路信息及路口信息。处理器110可自环境信息数据库122取得车道缩减、弯道等车道几何信息。具体来说，本实施例的电子装置11还可耦接定位装置(未示出)。定位装置例如是全球定位系统(global positioning system,gps)装置，其可接收目前主车所在位置的定位数据，包括经度及纬度数据。
47.在步骤s803中，处理器110可依据物件特征值、预设交互关系信息以及车道几何信息至少其中之一计算预测物件的预测轨迹。请参照图7，假设取得物件12的物件特征值为方向灯的右侧灯号亮起，处理器110可判断物件12即将要右转。于此，处理器110可依据此物件特征值计算物件12的轨迹d12。在车道几何信息的范例中，假设取得车道几何信息为前方道路缩减，处理器110可在预测物件为车辆时，判断此预测物件会往未缩减的车道行驶。于此，处理器110可依据此车道几何信息“前方道路缩减”计算预测物件的轨迹。
48.在步骤s804中，处理器110可依据预测物件的预测轨迹决定导航主车的第一轨迹，此决定第一轨迹的具体说明可参照前述实施例，于此不再赘述。在决定第一轨迹后，处理器110即可依据此第一轨迹控制主车移动。
49.值得注意的是，图2、5、8与上述实施例中各步骤可以实作为多个程式码或电路，本发明不加以限制。此外，图2、5、8的方法可以搭配以上范例实施例使用，也可以单独使用，本发明不加以限制。
50.综上所述，本发明实施例提供的基于物件交互关系的路径预测方法及电子装置，可依据物件之间的预设交互关系信息来生成预测物件的预测轨迹，而可藉由预测物件的预测轨迹来决定导航主车的轨迹。藉此，透过考量物件之间的预设交互关系来生成预测物件的预测轨迹，本发明可减少主车周遭物件的轨迹预测误差，从而提升此些周遭物件的轨迹预测精准度。此外，本发明还可透过周遭物件的物件特征值以及车道几何信息来更精确地计算预测物件的预测轨迹。基此，本发明可藉由有效预测周遭物件对于主车的影响，来更精准地规划主车的导航轨迹。
51.最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。

技术特征：
1.一种基于物件交互关系的路径预测方法，适用于包括处理器的电子装置，所述电子装置经配置以控制第一车辆，所述方法包括：接收包括多个影像帧的影片；对所述多个影像帧中的特定影像帧执行物件识别，以识别所述特定影像帧内的至少一物件；依据所述至少一物件自交互关系数据库中取得与所述至少一物件相关联的预设交互关系信息；以及依据所述预设交互关系信息来决定导航所述第一车辆的第一轨迹。2.根据权利要求1所述的基于物件交互关系的路径预测方法，其中依据所述预设交互关系信息来决定导航所述第一车辆的所述第一轨迹的步骤包括：依据所述预设交互关系信息生成预测物件的预测轨迹；以及依据所述预测轨迹决定所述第一车辆的所述第一轨迹。3.根据权利要求2所述的基于物件交互关系的路径预测方法，其中依据所述预设交互关系信息生成所述预测物件的所述预测轨迹的步骤包括：判断所述预设交互关系信息包括第一类型或第二类型的物件交互关系，以产生判断结果；以及依据所述判断结果生成所述预测物件的所述预测轨迹。4.根据权利要求3所述的基于物件交互关系的路径预测方法，其中依据所述判断结果生成所述预测物件的所述预测轨迹的步骤包括：响应于判定所述预设交互关系信息包括所述第一类型的物件交互关系，依据所述至少一物件自所述交互关系数据库中取得与所述预设交互关系信息对应的预设物件作为所述预测物件；以及依据所述预设交互关系信息以及所述至少一物件的轨迹计算所述预测物件的所述预测轨迹。5.根据权利要求3所述的基于物件交互关系的路径预测方法，其中依据所述判断结果生成所述预测物件的所述预测轨迹的步骤包括：响应于判定所述预设交互关系信息包括所述第二类型的物件交互关系，判断所述至少一物件是否包括第二车辆；响应于判定所述至少一物件包括所述第二车辆，判断所述至少一物件是否包括与所述第二车辆之间具有所述预设交互关系信息的第一物件；响应于判定所述至少一物件包括所述第一物件，设定所述第二车辆作为所述预测物件；以及依据所述预设交互关系信息、所述第一物件相对于所述预测物件的位置以及所述预测物件的移动速度计算所述预测物件的所述预测轨迹。6.根据权利要求2所述的基于物件交互关系的路径预测方法，其中依据所述预测轨迹决定所述第一车辆的所述第一轨迹的步骤包括：计算所述预测轨迹与所述第一车辆的原始目标轨迹之间的预计碰撞时间，并依据所述预计碰撞时间调整所述原始目标轨迹以生成所述第一轨迹。7.根据权利要求6所述的基于物件交互关系的路径预测方法，其中依据所述预计碰撞
时间调整所述原始目标轨迹以生成所述第一轨迹的步骤包括：依据所述预计碰撞时间调整所述原始目标轨迹中所述第一车辆的行驶速度以生成所述第一轨迹。8.根据权利要求6所述的基于物件交互关系的路径预测方法，其中依据所述预计碰撞时间调整所述原始目标轨迹以生成所述第一轨迹的步骤包括：依据所述预计碰撞时间调整所述原始目标轨迹中所述第一车辆的行驶方向以生成所述第一轨迹。9.根据权利要求2所述的基于物件交互关系的路径预测方法，其中所述方法还包括：执行影像识别操作以识别所述预测物件的物件特征值；以及依据所述物件特征值计算所述预测物件的所述预测轨迹。10.根据权利要求2所述的基于物件交互关系的路径预测方法，其中所述方法还包括：依据所述第一车辆的定位数据自环境信息数据库取得车道几何信息；以及依据所述车道几何信息计算所述预测物件的所述预测轨迹。11.一种电子装置，适用于控制第一车辆，所述电子装置包括：存储装置，存储交互关系数据库；以及处理器，耦接所述存储装置，并且所述处理器经配置以：接收包括多个影像帧的影片；对所述多个影像帧中的特定影像帧执行物件识别，以识别所述特定影像帧内的至少一物件；依据所述至少一物件自所述交互关系数据库中取得与所述至少一物件相关联的预设交互关系信息；以及依据所述预设交互关系信息来决定导航所述第一车辆的第一轨迹。12.根据权利要求11所述的电子装置，其中依据所述预设交互关系信息来决定导航所述第一车辆的所述第一轨迹的操作包括：依据所述预设交互关系信息生成预测物件的预测轨迹；以及依据所述预测轨迹决定所述第一车辆的所述第一轨迹。13.根据权利要求12所述的电子装置，其中依据所述预设交互关系信息生成所述预测物件的所述预测轨迹的操作包括：判断所述预设交互关系信息包括第一类型或第二类型的物件交互关系，以产生判断结果；以及依据所述判断结果生成所述预测物件的所述预测轨迹。14.根据权利要求13所述的电子装置，其中依据所述判断结果生成所述预测物件的所述预测轨迹的操作包括：响应于判定所述预设交互关系信息包括所述第一类型的物件交互关系，依据所述至少一物件自所述交互关系数据库中取得与所述预设交互关系信息对应的预设物件作为所述预测物件；以及依据所述预设交互关系信息以及所述至少一物件的轨迹计算所述预测物件的所述预测轨迹。15.根据权利要求13所述的电子装置，其中依据所述判断结果生成所述预测物件的所
述预测轨迹的操作包括：响应于判定所述预设交互关系信息包括所述第二类型的物件交互关系，判断所述至少一物件是否包括第二车辆；响应于判定所述至少一物件包括所述第二车辆，判断所述至少一物件是否包括与所述第二车辆之间具有所述预设交互关系信息的第一物件；响应于判定所述至少一物件包括所述第一物件，设定所述第二车辆作为所述预测物件；以及依据所述预设交互关系信息、所述第一物件相对于所述预测物件的位置以及所述预测物件的移动速度计算所述预测物件的所述预测轨迹。16.根据权利要求12所述的电子装置，其中依据所述预测轨迹决定所述第一车辆的所述第一轨迹的操作包括：计算所述预测轨迹与所述第一车辆的原始目标轨迹之间的预计碰撞时间，并依据所述预计碰撞时间调整所述原始目标轨迹以生成所述第一轨迹。17.根据权利要求16所述的电子装置，其中依据所述预计碰撞时间调整所述原始目标轨迹以生成所述第一轨迹的操作包括：依据所述预计碰撞时间调整所述原始目标轨迹中所述第一车辆的行驶速度以生成所述第一轨迹。18.根据权利要求16所述的电子装置，其中依据所述预计碰撞时间调整所述原始目标轨迹以生成所述第一轨迹的操作包括：依据所述预计碰撞时间调整所述原始目标轨迹中所述第一车辆的行驶方向以生成所述第一轨迹。19.根据权利要求12所述的电子装置，其中所述处理器还经配置以：执行影像识别操作以识别所述预测物件的物件特征值；以及依据所述物件特征值计算所述预测物件的所述预测轨迹。20.根据权利要求12所述的电子装置，其中所述存储装置存储环境信息数据库，并且所述处理器还经配置以：依据所述第一车辆的定位数据自所述环境信息数据库取得车道几何信息；以及依据所述车道几何信息计算所述预测物件的所述预测轨迹。

技术总结
本发明提供一种基于物件交互关系的路径预测方法及电子装置。此方法包括：接收包括多个影像帧的影片；对多个影像帧中的特定影像帧执行物件识别，以识别特定影像帧内的至少一物件；依据至少一物件自交互关系数据库中取得与至少一物件相关联的预设交互关系信息；以及依据预设交互关系信息来决定导航第一车辆的第一轨迹。一轨迹。一轨迹。


技术研发人员：曾蕙如 柳青浩 郑安凯
受保护的技术使用者：财团法人工业技术研究院
技术研发日：2021.12.14
技术公布日：2023/5/23