使用深度神经网络执行自主路径导航制造技术

公开了一种使用深度神经网络执行自主路径导航的方法、计算机可读介质和系统。所述方法包括以下步骤：在深度神经网络(DNN)处接收图像数据；利用所述图像数据由所述DNN确定运载工具相对于所述路径的方位和所述运载工具相对于所述路径的横向位置两者；以及利用所述运载工具相对于所述路径的方位和所述运载工具相对于所述路径的横向位置来控制所述运载工具的位置。

【技术实现步骤摘要】
使用深度神经网络执行自主路径导航要求优先权本申请要求于2017年4月7日提交的标题为“使用深度神经网络的低飞行自主无人机追踪导航(Low-FlyingAutonomousDroneTrailNavigationusingDeepNeuralNetworks)”的美国临时申请No.62/483,155(代理人卷号NVIDP1162+/17KI0048US01)的权益，其全部内容通过引用并入本文。
本专利技术涉及自主运载工具(autonomousvehicle)导航，并且更具体地涉及使用深度神经网络分析图像数据以便产生运载工具导航信息。
技术介绍
自主控制是用于在运载工具中实现的理想特征。然而，当前的控制实现方式通常不准确且效率低下，并且没有察觉到运载工具周围的环境。因此，具有解决这些问题和/或与现有技术相关联的其他问题的需求。
技术实现思路
公开了一种用于使用深度神经网络执行自主路径导航的方法、计算机可读介质和系统。该方法包括以下步骤：在深度神经网络(DNN)处接收图像数据；利用图像数据由DNN确定运载工具相对于路径的方位(orientation)和运载工具相对于路径的横向位置两者；以及利本文档来自技高网...

【技术保护点】
1.一种方法，包括：在深度神经网络(DNN)处接收图像数据；利用所述图像数据，由所述DNN确定运载工具相对于路径的方位和所述运载工具相对于所述路径的横向位置；以及利用所述运载工具相对于所述路径的所述方位和所述运载工具相对于所述路径的所述横向位置来控制所述运载工具的位置。

【技术特征摘要】
2017.04.07 US 62/483,155;2018.03.28 US 15/939,1161.一种方法，包括：在深度神经网络(DNN)处接收图像数据；利用所述图像数据，由所述DNN确定运载工具相对于路径的方位和所述运载工具相对于所述路径的横向位置；以及利用所述运载工具相对于所述路径的所述方位和所述运载工具相对于所述路径的所述横向位置来控制所述运载工具的位置。2.如权利要求1所述的方法，其中所述图像数据是光学数据、红外数据、光检测和测距(LIDAR)数据、雷达数据、深度数据和声呐数据中的一个或更多个。3.如权利要求1所述的方法，其中所述DNN包括受监督的分类网络。4.如权利要求1所述的方法，其中所述DNN实现损失函数。5.如权利要求1所述的方法，其中相对于所述路径的所述方位包括运载工具当前相对于所述路径向左的可能性、运载工具当前相对于所述路径向右的可能性以及运载工具当前相对于路径直向的可能性。6.如权利要求1所述的方法，其中相对于所述路径的所述横向位置包括运载工具当前相对于所述路径左移的可能性、运载工具当前相对于所述路径右移的可能性以及运载工具相对于路径居中的可能性。7.如权利要求1所述的方法，其中所述方位和横向位置在所述运载工具内实时确定。8.如权利要求1所述的方法，其中控制所述运载工具的位置包括将所述运载工具相对于所述路径的所述方位和所述运载工具相对于所述路径的所述横向位置转换为转向方向。9.如权利要求1所述的方法，其中所述DNN通过利用具有降低的置信度的预测来控制方向稳定性。10.如权利要求1所述的方法，其中第二DNN在所述路径内执行对象检测。11.如权利要求1所述的方法，其中第三DNN执行与所述路径相关...

【专利技术属性】
技术研发人员：N·斯莫良斯基，A·加米涅夫，J·D·史密斯，S·T·伯奇菲尔德，
申请(专利权)人：辉达公司，
类型：发明
国别省市：美国,US