行人对象意图确定方法、装置、介质以及自动驾驶车辆与流程

1.本公开涉及计算机技术领域，尤其涉及人工智能、自动驾驶以及智能交通技术领域。


背景技术：

2.随着计算机技术和互联网技术的发展，自动驾驶成为人工智能技术领域的一个重要分支。在自动驾驶技术领域，行人的意图对于控制自动驾驶车辆具有重要的参考意义，因此如何高效地确定行人的意图成为一个亟需解决的问题。


技术实现要素：

3.本公开提供了一种行人对象意图确定方法、装置、设备、存储介质、程序产品以及自动驾驶车辆。
4.根据本公开的一方面，提供了一种行人对象意图确定方法，包括对行人对象数据进行聚类，得到至少一个聚类簇，其中，每一个聚类簇包括至少一个目标行人对象数据；针对任意一个聚类簇，确定每一个目标行人对象数据的意图参考数据，得到至少一个初始意图参考数据；以及根据至少一个初始意图参考数据，确定聚类簇的聚类意图数据，作为聚类簇的每一个目标行人对象的目标意图数据。
5.根据本公开的另一方面，提供了一种行人对象意图确定装置，包括：聚类模块、初始意图参考数据确定模块以及聚类意图数据确定模块。聚类模块，用于对行人对象数据进行聚类，得到至少一个聚类簇，其中，每一个聚类簇包括至少一个目标行人对象数据；初始意图参考数据确定模块，用于针对任意一个聚类簇，确定每一个目标行人对象数据的意图参考数据，得到至少一个初始意图参考数据；聚类意图数据确定模块，用于根据至少一个初始意图参考数据，确定聚类簇的聚类意图数据，作为聚类簇的每一个目标行人对象的目标意图数据。
6.根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器和与至少一个处理器通信连接的存储器。其中，存储器存储有可被至少一个处理器执行的指令，指令被所述至少一个处理器执行，以使至少一个处理器能够执行本公开实施例的方法。
7.根据本公开的另一方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，计算机指令用于使所述计算机执行本公开实施例的方法。
8.根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现本公开实施例的方法。
9.根据本公开的另一方面，提供了一种自动驾驶车辆，包括本公开实施例的电子设备。
10.应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
11.附图用于更好地理解本方案，不构成对本公开的限定。其中：
12.图1示意性示出了根据本公开实施例的对象意图确定方法和装置的系统架构图；
13.图2示意性示出了根据本公开实施例的对象意图确定方法的流程图；
14.图3a示意性示出了根据本公开一实施例的得到至少一个聚类簇的示意图；
15.图3b示意性示出了根据本公开一实施例的距离阈值根据车辆通行条件确定的示意图；
16.图4示意性示出了根据本公开一实施例的得到至少一个初始意图参考数据的示意图；
17.图5示意性示出了根据本公开一实施例的确定聚类簇的聚类意图数据的示意图；
18.图6示意性示出了根据本公开另一实施例的确定聚类簇的聚类意图数据的示意图；
19.图7示意性示出了根据本公开实施例的对象意图确定装置的框图；以及
20.图8示意性示出了可以实现本公开实施例的对象意图确定方法的电子设备的框图。
具体实施方式
21.以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。
22.在此使用的术语仅仅是为了描述具体实施例，而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了所述特征、步骤、操作和/或部件的存在，但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
23.在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义，除非另外定义。应注意，这里使用的术语应解释为具有与本说明书的上下文相一致的含义，而不应以理想化或过于刻板的方式来解释。
24.在使用类似于“a、b和c等中至少一个”这样的表述的情况下，一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如，“具有a、b和c中至少一个的系统”应包括但不限于单独具有a、单独具有b、单独具有c、具有a和b、具有a和c、具有b和c、和/或具有a、b、c的系统等)。
25.自动驾驶技术可以理解为依据计算机技术与人工智能技术、可以在无人为操作的情况下，完成完整、安全以及有效的驾驶的一项技术。自动驾驶车辆是自动技术的一项应用。自动驾驶车辆的行驶需要躲避行人等障碍物，因此，行人的意图对于控制自动驾驶车辆具有重要的参考意义，其中，行人的意图例如包括通行和不通行等。
26.图1示意性示出了根据本公开一实施例的行人对象意图确定方法和装置的系统架构。需要注意的是，图1所示仅为可以应用本公开实施例的系统架构的示例，以帮助本领域技术人员理解本公开的技术内容，但并不意味着本公开实施例不可以用于其他设备、系统、环境或场景。
27.如图1所示，根据该实施例的系统架构100包括多个车辆101、102、103，以及服务器104。车辆101、102、103可以是自动驾驶车辆。
28.在一种实施例中，车辆101、102、103可以和服务器104进行数据交互。例如，车辆101、102、103可以将感测数据传输至服务器104中，基于感测数据得到行人对象数据，并基于行人对象数据进行运算，得到聚类簇的每一个目标行人对象的目标意图数据。例如，服务器进行运算得到的根据聚类意图数据，可以确定车辆通行策略数据，车辆通行策略数据用于指示车辆101、102、103的通行策略，通行策略例如可以包括车辆通行或者车辆不通行。根据车辆通行策略数据，可以确定用于对车辆的行驶进行控制的控制数据。控制数据例如可以用于控制车辆的底盘线控系统。
29.在另一种示例中，车辆101、102、103可以进行数据处理。其中，当前车辆的车机系统可以具有数据处理功能，车机系统可以车辆的参考数据进行运算，得到当前车辆的控制数据。
30.示例性地，车辆包括电子设备，电子设备包括但不仅限于车机系统，电子设备可以执行本公开实施例的行人对象意图确定方法。车机系统可以包括底盘线控系统。
31.车辆可以是自动驾驶车辆。
32.应该理解，图1中的车辆和服务器的数目仅仅是示意性的。根据实现需要，可以具有任意数目的车辆和服务器。
33.应注意，本公开的技术方案中，所涉及的用户个人信息的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
34.在本公开的技术方案中，在获取或采集用户个人信息之前，均获取了用户的授权或同意。
35.本公开实施例提供了一种行人对象意图确定方法，下面结合图1的系统架构，参考图2～图6来描述根据本公开示例性实施方式的行人对象意图确定方法。本公开实施例的行人对象意图确定方法例如可以由图1所示的服务器104来执行。
36.图2示意性示出了根据本公开一实施例的行人对象意图确定方法的流程图。
37.如图2所示，本公开实施例的行人对象意图确定方法200例如可以包括操作s210～操作s230。
38.在操作s210，对行人对象数据进行聚类，得到至少一个聚类簇。
39.每一个聚类簇包括至少一个目标行人对象数据。
40.示例性地，可以通过车辆设置的感测设备获取道路上的感测数据，可以通过感测数据得到行人对象数据。以下将以自动驾驶车辆为例进行说明。
41.在操作s220，针对任意一个聚类簇，确定每一个目标行人对象数据的意图参考数据，得到至少一个初始意图参考数据。
42.目标行人对象数据可以理解为聚类簇的个体行人对象数据。例如，在道路上站立30个行人的场景下，行人对象数据包括30个个体行人对象数据，可以对行人对象数据进行聚类，例如得到3个聚类簇，3个聚类簇分别包括6、12以及12个目标行人对象数据。
43.在操作s230，根据至少一个初始意图参考数据，确定聚类簇的聚类意图数据，作为聚类簇的每一个目标行人对象数据的目标意图数据。
44.需要说明的是，实际场景中存在以下两种现象。
45.1)行人的行为会相互影响，例如，某一行人p1的行进速度较慢，则位于该行人p1后方的行人p2的行进速度受限于行人p1的行进速度，行人p2的行进速度也较慢。
46.2)具有相同意图的行人较为集中。例如，行人p3和行人p4的意图为通行，意图通行的行人p5会朝向行人p3和行人p4的方向行进，与行人p3和行人p4形成一个具有相同意图的行人簇。
47.由于上述现象，聚集在一起的行人具有相同意图的概率较大，因此，本公开实施例的行人对象意图确定方法，通过对行人对象数据进行聚类得到的至少一个聚类簇可以将行人对象数据进行划分，每一个聚类簇的至少一个目标行人对象数据具有相同意图的概率较大；通过针对每一个聚类簇，确定每一个目标行人对象数据的意图参考数据，得到的至少一个初始意图参考数据可以用于确定聚类簇的聚类意图数据，提高行人对象意图确定的准确性；聚类意图数据可以作为聚类簇的每一个目标行人对象数据的目标意图数据，针对任意一个聚类簇，无需根据每一个目标行人对象数据的初始意图参考数据确定相应的每一个目标行人对象数据的目标意图数据，可以有效减少确定对象意图的计算资源。
48.根据本公开又一实施例的行人对象意图确定方法还可以包括：根据聚类意图数据，确定车辆通行策略数据；以及根据车辆通行策略数据，确定用于对车辆的行驶进行控制的控制数据。
49.车辆通行策略数据可以理解为表征车辆的通行策略的数据，通行策略例如可以包括车辆通行和车辆不通行。控制数据例如可以用于控制车辆的底盘线控系统。可以理解，车辆的通行策略与行人对象的通行意图相关，本公开实施例的行人对象意图确定方法，通过根据聚类意图数据，确定车辆通行策略数据；以及根据车辆通行策略数据，确定的控制数据，可以基于行人通行意图对车辆的行驶进行控制，安全性更高，也更加智能。
50.图3a示意性示出了根据本公开另一实施例的行人对象意图确定方法中得到至少一个聚类簇的示意图。
51.如图3a所示，可以利用如下实施例来实现对行人对象数据进行聚类，得到至少一个聚类簇的具体示例。
52.在操作s311，针对行人对象数据pd中的任意一个个体行人对象数据pi，确定个体行人对象数据pi与行人对象数据pd中其他的个体行人对象数据之间的距离参数。
53.在图3a的示例中，行人对象数据pd包括个体行人对象数据p1至个体行人对象数据pn，共计n个个体行人对象数据，针对任意一个个体行人对象数据pi，可以确定个体行人对象数据pi与其他个体行人对象数据之间的包括距离参数di_1至距离参数di_n(不包括距离参数di_i)的共计n-1个距离参数。
54.距离参数可以理解为表征个体行人对象数据之间的距离的参数，距离参数例如可以基于图像坐标系确定。
55.在操作s312，根据距离参数与距离阈值thd，确定个体行人对象数据pi对应的聚类簇ci。
56.可以根据车辆通行条件确定距离阈值。例如，与车辆x最近的聚类簇c的速度为v，聚类簇c与车辆x之间的距离d满足车辆x以当前速度行驶时可顺利通行道路并且不会与聚类簇c冲突时，可以将聚类簇c与车辆之间的距离d作为车辆的通行条件。此时，距离阈值可以是距离d。
57.可以理解，本公开实施例的行人对象意图确定方法可以得到目标行人对象数据的目标意图数据，该目标意图数据表征目标行人对象数据的通行意图，目标行人对象数据的通行意图例如包括通行或者不通行。
58.图3b示意性示出了根据车辆通行条件确定距离阈值的示意图。
59.如图3b所示，例如，沿垂直于车辆行驶方向的方向a，两个个体行人对象数据px和py中，距离车辆car最近的个体行人对象数据px与车辆car之间的间距为dxc。可以根据个体行人对象px的速度和车辆car的速度确定满足车辆car通行道路ro且不与个体行人对象px冲突的距离dp，在个体行人对象数据px与车辆car之间的间距dxc大于距离dp时，车辆可以顺利通行。
60.在以上示例中，可以将dp作为距离阈值。
61.根据车辆通行条件确定的距离阈值可以适应以下的实际应用场景：车辆与最近的行人之间的间距不满足通行条件，但是车辆与另外的行人之间的间距满足通行条件。此时车辆可以等待最近的行人通过后再通行，不会与另外的行人冲突。可以理解，根据距离阈值dp确定的多个聚类簇中，不同的聚类簇之间的距离大于距离阈值dp。类似上述实际应用场景，对于与车辆最近的聚类簇相应的行人，可以根据该聚类簇的聚类意图数据和车辆的通行条件确定车辆通行策略，例如，与车辆最近的聚类簇的聚类意图数据为通行，该聚类簇与车辆的距离不满足通行条件，则车辆的通行策略是不通行，车辆可以等待最近的聚类簇通过后再通行，不会与其他的聚类簇冲突。
62.根据本公开实施例的行人对象意图确定方法，根据车辆通行条件确定的距离阈值还可以使得确定车辆的通行决策时，不会出现车辆通行决策不一致的情况，尤其是在人流量较大的应用场景下。具体地，聚类簇的聚类意图数据作为聚类簇的每一个目标行人对象数据的目标意图数据，在距离阈值为距离dp时，被分类至同一聚类簇的目标行人对象数据的目标意图数据相同，由此可以使得后续针对该聚类簇的目标行人对象数据的车辆通行策略是一致的。在任意一个时刻，可以根据与车辆最近的聚类簇的聚类意图数据和当前时刻车辆的通行条件确定车辆的唯一的通行决策。
63.本公开实施例的行人对象意图确定方法，根据任意一个个体行人对象数据与其他个体行人对象数据之间的距离参数作为个体行人对象数据聚类的依据，根据距离参数与距离阈值确定的个体行人对象对应的聚类簇更加符合聚集的行人之间的间距较小的实际场景。由于聚集的行人具有相同意图的概率更大，因此，后续将聚类簇的聚类意图数据作为聚类簇的每一个目标行人对象数据的目标意图数据的准确性更高。
64.示例性地，上述实施例中，根据聚类意图数据，确定车辆通行策略数据例如可以包括：根据聚类意图数据和车辆通行条件数据，确定车辆通行策略数据。车辆通行条件数据例如可以包括上述的：与车辆x最近的聚类簇c的速度为v，聚类簇c与车辆x之间的距离d满足车辆x以当前速度行驶时可顺利通行道路并且不会与聚类簇c冲突时，可以将聚类簇c与车辆之间的距离d作为车辆的通行条件。
65.图4示意性示出了根据本公开又一实施例的行人对象意图确定方法的得到至少一个初始意图参考数据的示意图。
66.行人对象数据是根据感测数据se得到的，感测数据se包括图像数据和无线信号数据。初始意图参考数据包括以下中的至少一个：速度参考数据、位置参考数据以及形态参考
数据。
67.示例性地，图像数据可以由自动驾驶车辆上设置的摄像头得到。无线信号数据可以由自动驾驶车辆上设置的无线信号设备得到，无线信号设备例如可以包括雷达。
68.如图4所示，可以根据以下实施例来实现针对任意一个聚类簇，确定每一个目标行人对象数据的意图参考数据，得到至少一个初始意图参考数据的具体示例。
69.在操作s421，对图像数据g进行形态目标检测，得到每一个目标行人对象数据的形态参考数据rs。
70.形态参考数据rs用于表征目标行人对象数据的形态，形态参考数据rs与初始意图参考数据in映射。
71.例如，形态参考数据可以包括表征行人作出示意自动驾驶车辆停车手势的数据，停车手势对应通行的初始意图参考数据。形态参考数据还可以包括表征行人的面部转向自动驾驶车辆的数据，行人的面部转向自动驾驶车辆对应通行的初始意图参考数据。
72.在操作s422，根据无线信号数据g，确定目标行人对象数据的速度参考数据rv、位置参考数据rp中的至少一个。
73.图4示意性示出了初始意图参考数据包括速度参考数据、位置参考数据以及形态参考数据三者的示例。
74.本公开实施例的行人对象意图确定方法，通过图像数据和无线信号数据可以得到例如包括速度参考数据、位置参考数据以及形态参考数据的初始意图参考数据，初始意图参考数据从例如速度、位置、形态等多个方面作为确定意图数据的参考，后续根据初始意图参考数据得到的目标意图数据的准确性更高。
75.图5示意性示出了根据本公开又一实施例的行人对象意图确定方法中确定聚类簇的聚类意图数据的示意图。
76.如图5所示，可以根据以下实施例实现根据至少一个初始意图参考数据，确定聚类簇的聚类意图数据的具体示例。
77.在操作s531，对至少一个初始意图参考数据进行分类，得到至少一个意图参考类别。
78.图5示意性示出了针对某一个聚类簇ci，确定聚类簇ci的聚类意图数据ic_i的示例。图5示意性示出了针对该聚类簇ci的包括初始意图参考数据in_1至初始意图参考数据in_n共计n个初始意图参考数据、对初始意图参考数据进行分类得到的意图参考类别c1至意图参考类别cm共计m个意图参考类别。
79.在操作s532，根据每一个意图参考类别与至少一个初始意图参考数据，确定每一个意图参考类别的意图参考类别占比。
80.意图参考类别占比表征意图参考类别占聚类簇中全量的初始意图参考数据的比例。
81.图5示意性示出了意图参考类别占比r1_i至意图参考类别占比rm_i共计m个意图参考类别占比。
82.在操作s533，根据意图参考类别占比和比例阈值thr，确定聚类簇ci的参考数据rc。
83.在操作s534，根据聚类簇的参考数据rc，确定聚类意图数据ic_i。
84.示例性地，比例阈值可以由相关人员设定，或者，针对一个聚类簇，可以选择数值最高的意图参考类别占比作为比例阈值thr，在意图参考类别占比等于比例阈值时，将对应的意图参考类别作为聚类簇的聚类意图数据。
85.例如，针对初始意图参考数据包括形态参考数据的场景，某一聚类簇ci包括20个初始意图参考数据，20个初始意图参考数据包括15个表征通行的初始意图参考数据和5个表征不通行的初始意图参考数据，对初始意图参考数据进行分类后得到通行的意图参考类别c1和不通行的意图参考类别c2，则可以确定通行的意图参考类别占比r1_i为0.75，不通行的意图参考类别占比r2_i为0.25。比例阈值可以设置为0.75，此时聚类簇的参考数据表征“通行”，可以确定聚类簇的聚类意图数据为通行。
86.例如，针对初始意图参考数据包括速度参考数据的场景，某一聚类簇包括20个初始意图参考数据，可以根据速度参考数据的数值进行分段分类，得到速度数值在0.5m/s-1m/s段内的15个初始意图参考数据以及速度数值在0-0.5m/s段内的5个初始意图参考数据。则可以确定速度数值在0.5m/s-1m/s段内的意图参考类别占比r1_i为0.75，速度数值在0-0.5m/s段内的意图参考类别占比r2_i为0.25。比例阈值可以设置为0.75，此时聚类簇的参考数据表征“聚类簇的速度为0.5m/s-1m/s，，聚类簇的速度方向为正北至正西”。或者，可以选择对应速度段的最大值或者均值作为聚类簇的参考数据，以对应速度段的最大值作为聚类簇的参考数据为例，例如聚类簇的参考数据表征“聚类簇的速度大小为1m/s，聚类簇的速度方向为正北”。例如可以根据历史的统计结果得到一个通用的通行速度范围，参考数据在满足速度大小在通用的通行速度范围内以及速度方向与车辆的行驶方向垂直的条件时，可以确定聚类簇的聚类意图数据为通行。
87.针对初始意图参考数据包括位置参考数据的场景，可以根据位置参考数据的数值进行分段分类，类似于上述的初始意图参考数据包括速度参考数据的场景，在此不再赘述。
88.示例性地，在聚类簇的参考数据包括形态参考数据、速度参考数据以及位置参考数据中的多个时，可以根据实际场景，对各个参考数据分别赋予权重，根据三者的加权和综合确定聚类簇的聚类意图数据，聚类簇的聚类意图数据以及相应的目标意图数据具有更高的准确性。
89.本公开实施例的行人对象意图确定方法，通过对初始意图参考数据进行分类并根据占比确定的聚类簇的参考数据可以准确地体现该聚类簇的特点，根据聚类簇的参考数据确定的聚类簇意图数据以及目标意图数据更加准确，聚类簇意图数据作为聚类簇的每一个目标行人对象数据的目标意图数据，可以减少因计算每一个目标行人对象的目标意图数据的资源。
90.图6示意性示出了根据本公开又一实施例的行人对象意图确定方法中确定聚类簇的聚类意图数据的示意图。
91.初始意图参考数据包括以下中的至少一个：速度参考数据、位置参考数据。
92.如图6所示，可以根据以下实施例来实现根据至少一个初始意图参考数据，确定聚类簇的聚类意图数据的具体示例。
93.在操作s631，对至少一个初始意图参考数据进行数值排序，得到意图参考序列rk。
94.示例性地，位置参考数据可以表征行人对象数据的位置坐标与自动驾驶车辆的位置坐标沿垂直于自动驾驶车辆的行驶方向的距离。
95.在操作s632，根据意图参考序列rk和顺序阈值thk，确定聚类簇的参考数据rc。
96.示例性地，顺序阈值可以设置为1，即，将意图参考序列中数值排序最前的初始意图参考数据作为聚类簇的参考数据。
97.在操作s633，根据聚类簇的参考数据rc，确定聚类簇的聚类意图数据ic_i。
98.本公开实施例的行人对象意图确定方法，通过对初始意图参考数据进行数值排序得到意图参考序列，并根据顺序阈值确定的聚类簇的参考数据可以更好地表征该聚类簇的特点，根据聚类簇的参考数据确定的聚类簇意图数据以及目标意图数据更加准确，聚类簇意图数据作为聚类簇的每一个目标行人对象数据的目标意图数据，可以减少因计算每一个目标行人对象的目标意图数据的资源。
99.图7示意性示出了根据本公开一实施例的行人对象意图确定装置的框图。
100.如图7所示，本公开实施例的行人对象意图确定装置700例如包括聚类模块710、初始意图参考数据确定模块720以及聚类意图数据确定模块730。
101.聚类模块，用于对行人对象数据进行聚类，得到至少一个聚类簇，其中，每一个聚类簇包括至少一个目标行人对象数据；
102.初始意图参考数据确定模块，用于针对任意一个聚类簇，确定每一个目标行人对象数据的意图参考数据，得到至少一个初始意图参考数据；以及
103.聚类意图数据确定模块，用于根据至少一个初始意图参考数据，确定聚类簇的聚类意图数据，作为聚类簇的每一个目标行人对象数据的目标意图数据。
104.根据本公开实施例的行人对象意图确定装置，其中，聚类模块包括：距离参数确定子模块和聚类簇确定子模块。
105.距离参数确定子模块，用于针对行人对象数据中的任意一个个体行人对象数据，确定个体行人对象数据与行人对象数据中其他的个体行人对象数据之间的距离参数。
106.聚类簇确定子模块，用于根据距离参数与距离阈值，确定个体行人对象数据对应的聚类簇，其中，距离阈值根据车辆通行条件确定。
107.根据本公开实施例的行人对象意图确定装置，其中，行人对象数据是根据感测数据得到的，感测数据包括图像数据和无线信号数据；初始意图参考数据包括以下中的至少一个：速度参考数据、位置参考数据以及形态参考数据；初始意图参考数据确定模块包括以下中的至少一个：第一确定子模块和第二确定子模块。
108.第一确定子模块，用于对图像数据进行形态目标检测，得到每一个目标行人对象数据的形态参考数据，其中，形态参考数据用于表征目标行人对象数据的形态，形态参考数据与初始意图参考数据映射。
109.第二确定子模块，用于根据无线信号数据，确定目标行人对象数据的速度参考数据、位置参考数据中的至少一个。
110.根据本公开实施例的行人对象意图确定装置，其中，聚类意图数据确定模块包括：分类子模块、意图参考类别占比确定子模块、参考数据第一确定子模块以及聚类意图数据确定子模块。
111.分类子模块，用于对至少一个初始意图参考数据进行分类，得到至少一个意图参考类别。
112.意图参考类别占比确定子模块，用于根据每一个意图参考类别与至少一个初始意
图参考数据，确定每一个意图参考类别的意图参考类别占比，其中，意图参考类别占比表征意图参考类别占聚类簇中全量的初始意图参考数据的比例。
113.参考数据第一确定子模块，用于根据意图参考类别占比和比例阈值，确定聚类簇的参考数据。
114.聚类意图数据确定子模块，用于根据聚类簇的参考数据，确定聚类意图数据。
115.根据本公开实施例的行人对象意图确定装置，其中，初始意图参考数据包括以下中的至少一个：速度参考数据、位置参考数据；聚类意图数据确定模块包括：意图参考序列确定子模块、参考数据第二确定子模块以及聚类意图数据确定子模块。
116.意图参考序列确定子模块，用于对至少一个初始意图参考数据进行数值排序，得到意图参考序列。
117.参考数据第二确定子模块，用于根据意图参考序列和顺序阈值，确定聚类簇的参考数据。
118.聚类意图数据确定子模块，用于根据聚类簇的参考数据，确定聚类意图数据。
119.根据本公开实施例的行人对象意图确定装置还包括：车辆通行策略数据确定模块以及控制数据确定模块。
120.车辆通行策略数据确定模块，用于根据聚类意图数据，确定车辆通行策略数据。
121.控制数据确定模块，用于根据车辆通行策略数据，确定用于对车辆的行驶进行控制的控制数据。
122.应该理解，本公开装置部分的实施例与本公开方法部分的实施例对应相同或类似，所解决的技术问题和所达到的技术效果也对应相同或类似，本公开在此不再赘述。
123.根据本公开的实施例，本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
124.根据本公开的实施例，本公开还提供了一种自动驾驶车辆，自动驾驶车辆例如包括电子设备，电子设备包括至少一个处理器和与至少一个处理器通信连接的存储器。存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行以使至少一个处理器能够执行上述的方法。示例性地，本公开实施例的电子设备例如与图8所示的电子设备类似。
125.图8示出了可以用来实施本公开的实施例的示例电子设备800的示意性框图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本公开的实现。
126.如图8所示，设备800包括计算单元801，其可以根据存储在只读存储器(rom)802中的计算机程序或者从存储单元808加载到随机访问存储器(ram)803中的计算机程序，来执行各种适当的动作和处理。在ram 803中，还可存储设备800操作所需的各种程序和数据。计算单元801、rom 802以及ram 803通过总线804彼此相连。输入/输出(i/o)接口805也连接至总线804。
127.设备800中的多个部件连接至i/o接口805，包括：输入单元806，例如键盘、鼠标等；
输出单元807，例如各种类型的显示器、扬声器等；存储单元808，例如磁盘、光盘等；以及通信单元809，例如网卡、调制解调器、无线通信收发机等。通信单元809允许设备800通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
128.计算单元801可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元801的一些示例包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。计算单元801执行上文所描述的各个方法和处理，例如行人对象意图确定方法。例如，在一些实施例中，行人对象意图确定方法可被实现为计算机软件程序，其被有形地包含于机器可读介质，例如存储单元808。在一些实施例中，计算机程序的部分或者全部可以经由rom 802和/或通信单元809而被载入和/或安装到设备800上。当计算机程序加载到ram 803并由计算单元801执行时，可以执行上文描述的行人对象意图确定方法的一个或多个步骤。备选地，在其他实施例中，计算单元801可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行行人对象意图确定方法。
129.本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、复杂可编程逻辑设备(cpld)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
130.用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器或控制器，使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
131.在本公开的上下文中，机器可读介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦除可编程只读存储器(eprom或快闪存储器)、光纤、便捷式紧凑盘只读存储器(cd-rom)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
132.为了提供与用户的交互，可以在计算机上实施此处描述的系统和技术，该计算机具有：用于向用户显示信息的显示装置(例如，crt(阴极射线管)或者lcd(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用
任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
133.可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(lan)、广域网(wan)和互联网。
134.计算机系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。
135.应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本公开公开的技术方案所期望的结果，本文在此不进行限制。
136.上述具体实施方式，并不构成对本公开保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等，均应包含在本公开保护范围之内。