车辆车道定位制造技术

一种一个或多个计算机的系统可以被配置为通过将软件、固件、硬件或其组合安装在系统上而执行特定操作或动作，该软件、固件、硬件或其组合在操作中使系统执行动作。一个或多个计算机程序可以被配置为通过包括指令来执行特定操作或动作，该指令当由数据处理装置执行时使该装置执行动作。一个总体方面包括将视频数据和光检测和测距(LIDAR)数据发送到包括反馈元件的回归神经网络(RNN)以识别道路特征。该系统还将数据发送到动态卷积神经网络(DCNN)以识别特征。输出值被发送到softmax决策网络以对RNN和DCNN输出值进行聚合并且确定道路上的车辆位置定位。

Vehicle lane location

A system of one or more computers can be configured to perform a specific action or action by software, firmware, hardware or a combination thereof are installed in the system, the software, firmware, hardware or a combination thereof in operation make the system perform action. One or more computer programs can be configured to perform a particular operation or action by including instructions, which execute when the data processing device is executing. A general aspect involves transmitting video data and light detection and ranging (LIDAR) data to recurrent neural networks (RNN) including feedback components to identify road characteristics. The system also sends data to the dynamic convolution neural network (DCNN) to identify features. The output value is sent to the softmax decision network to aggregate the RNN and DCNN output values and to locate vehicle locations on the road.

【技术实现步骤摘要】
车辆车道定位
本公开总体上涉及车辆领域，更具体地涉及用于车辆车道定位的系统和方法。
技术介绍
车辆的位置可以以若干方式获取，包括全球导航卫星系统(GNSS)或全球定位系统(GPS)接收器、航位推算系统(deadreckoningsystem)和/或计算轮胎转数以确定距已知的起始参考点的距离的惯性导航系统。然而，这些技术缺乏可以确定车道标记与道路边缘之间的车辆定位的精度。
技术实现思路
根据本专利技术，提供一种系统，该系统包含具有处理器和存储器的计算机，该存储器存储可由处理器执行的指令，该指令包括执行下列操作的指令：接收来自固定到车辆的视频数据源的视频数据；接收来自固定到车辆的LIDAR数据源的光检测和测距(LIDAR)数据；将视频数据发送到回归神经网络(RNN)以识别道路特征，回归神经网络(RNN)包括将来自第一层的反馈提供至第二层的反馈元件；将视频数据发送到动态卷积神经网络(DCNN)以识别特征；将LIDAR数据发送到RNN以识别特征；将LIDAR数据发送到DCNN以识别特征；将RNN输出值和DCNN输出值发送到softmax决策网络以对RNN输出值和DCNN输出值进行聚合；根据sof本文档来自技高网...

【技术保护点】
一种系统，所述系统包含具有处理器和存储器的计算机，所述存储器存储可由所述处理器执行的指令，所述指令包括执行下列操作的指令：接收来自固定到车辆的视频数据源的视频数据；接收来自固定到所述车辆的光检测和测距(LIDAR)数据源的LIDAR数据；将所述视频数据发送到回归神经网络(RNN)以识别道路特征，所述回归神经网络(RNN)包括将来自第一层的反馈提供至第二层的反馈元件；将所述视频数据发送到动态卷积神经网络(DCNN)以识别所述特征；将所述LIDAR数据发送到所述RNN以识别所述特征；将所述LIDAR数据发送到所述DCNN以识别所述特征；将RNN输出值和DCNN输出值发送到softmax决策网络以对...

【技术特征摘要】
2016.03.08 US 15/064,1391.一种系统，所述系统包含具有处理器和存储器的计算机，所述存储器存储可由所述处理器执行的指令，所述指令包括执行下列操作的指令：接收来自固定到车辆的视频数据源的视频数据；接收来自固定到所述车辆的光检测和测距(LIDAR)数据源的LIDAR数据；将所述视频数据发送到回归神经网络(RNN)以识别道路特征，所述回归神经网络(RNN)包括将来自第一层的反馈提供至第二层的反馈元件；将所述视频数据发送到动态卷积神经网络(DCNN)以识别所述特征；将所述LIDAR数据发送到所述RNN以识别所述特征；将所述LIDAR数据发送到所述DCNN以识别所述特征；将RNN输出值和DCNN输出值发送到softmax决策网络以对所述RNN输出值和所述DCNN输出值进行聚合；根据softmax输出来确定所述车辆在道路上的车辆位置定位；将所述道路上的所述车辆位置定位与来自一组训练数据图像的图像进行比较以确定误差率；根据所述误差率来确定用于所述RNN和所述DCNN的权重值的变化；将所述权重值的所述变化应用于所述RNN和所述DCNN；以及至少根据所述车辆的所述车辆位置定位来至少控制所述车辆的转向、制动和加速。2.根据权利要求1所述的系统，其中所述视频数据源至少是固定到所述车辆的摄像机或所述该组训练数据图像。3.根据权利要求1所述的系统，其中所述LIDAR数据源至少是固定到所述车辆的LIDAR图像捕获装置和所述该组训练数据图像。4.根据权利要求1所述的系统，其中所述特征包括车道标记、路沿和道路边缘中的至少一个。5.根据权利要求1所述的系统，其中所述计算机对所述RNN输出值和所述DCNN输出进行聚合以产生softmax输出值。6.根据权利要求1所述的系统，所述计算机从所述视频数据中提取视频帧图像，并且从所述LIDAR数据中提取LIDAR帧图像。7.根据权利要求6所述的系统，所述计算机将所述视频帧图像和所述LIDAR帧图像转换成机器可读图像。8.根据权利要求7所述的系统，所述计算机将所述机器可读图像发送到RNN输入和DCNN输入。9.根据权利要求1所述的系统，所述存储器进一步存储将用于所述RNN和所述DCNN的所述权重值存储在存储器中的指令。10.一种系统，所述系统包含具有处理器和存储器的计算机，所述存储器存储可由所述处理器执行的指令，所述指令包括执行以下操作的指令：接收来自固定到车辆的摄像机的视频数据；接收来自固定到所述车辆的光检测和测距(LIDAR)图像捕获装置的LIDAR数据；将所述视频数据发送到回归神经网络(RNN)以识别道路特征，所述回归神经网络(RNN)包括使来自第一层的信号能够被反馈...

【专利技术属性】
技术研发人员：马哈茂德·A·阿布纳斯尔，迪米塔尔·彼得洛夫·菲尔乌，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：美国,US