VEHICLE LIGHTING STATE DETERMINATION

Techniques for determining lighting states of a tracked object, such as a vehicle, are discussed herein. An autonomous vehicle can include an image sensor to capture image data of an environment. Objects such can be identified in the image data as objects to be tracked. Frames of the image data representing the tracked object can be selected and input to a machine learning algorithm (e.g., a convolutional neural network, a recurrent neural network, etc.) that is trained to determine probabilities associated with one or more lighting states of the tracked object. Such lighting states include, but are not limited to, a blinker state(s), a brake state, a hazard state, etc. Based at least in part on the one or more probabilities associated with the one or more lighting states, the autonomous vehicle can determine a trajectory for the autonomous vehicle and/or can determine a predicted trajectory for the tracked object. L'invention concerne des techniques de détermination des états d'éclairage d'un objet suivi, tel qu'un véhicule. Un véhicule autonome peut comprendre un capteur d'image destiné à capturer des données d'image d'un environnement. De tels objets peuvent être identifiés dans les données d'image en tant qu'objets à suivre. Des trames des données d'image représentant l'objet suivi peuvent être sélectionnées et entrées dans un algorithme d'apprentissage automatique (par exemple, un réseau neuronal convolutif, un réseau neuronal récurrent, etc.) qui est entraîné pour déterminer des probabilités associées à un ou plusieurs états d'éclairage de l'objet suivi. De tels états d'éclairage comprennent, de manière non exhaustive, un ou plusieurs états de clignotant, un état de frein, un état de danger, etc. Sur la base, au moins en partie, desdites probabilités associées auxdits états d'éclairage, le véhicule autonome peut déterminer une trajectoire pour le véhicule autonome et/ou peut déterminer une trajectoire prédite pour l'objet suivi.