用于操控执行器的方法和装置制造方法及图纸

本发明专利技术涉及用于操控执行器的方法和装置。用于操控执行器（10）的方法，其中借助于机器学习系统（60）探测对象，其中所述机器学习系统（60）的输入参量（x）包括多个并行的信息通道（r，g，b）、尤其颜色通道，其中根据所述多个并行的信息通道（r，g，b）确定置换不变式参量（p），其中于是根据所述置换不变式参量（p）进行探测，并且其中根据对象探测的结果进行对所述执行器的操控（A）。

Methods and devices for manipulating actuators

The invention relates to a method and a device for controlling an actuator. A method for manipulating an actuator (10) in which an object is detected by means of a machine learning system (60), in which the input parameter (x) of the machine learning system (60) includes a plurality of parallel information channels (r, g, b), especially color channels, in which the displacement invariant parameter (p) is determined according to the plurality of parallel information channels (r, g, b). The permutation invariant parameter (p) is described for detection, and the manipulation (A) of the actuator is performed according to the result of object detection.

【技术实现步骤摘要】
用于操控执行器的方法和装置
本专利技术涉及用于操控执行器的方法；计算机程序，所述计算机程序包括指令，所述指令被设立用于当在计算机上实施计算机程序时实施所述方法；机器可读存储介质，在所述机器可读存储介质上存储有计算机程序；以及执行器控制系统，所述执行器控制系统被设立用于实施所述方法。
技术介绍
由US544848A已知一种用于利用神经网识别车辆在交通场景中的存在的方法。神经网包括输入单元、隐藏单元（versteckteEinheiten）和输出单元，其中，所提到的输入单元中的每一个输入单元的输出端与隐藏单元中的每一个隐藏单元的输入端连接，以及其中，隐藏单元中的每一个隐藏单元的输出端与输出单元中的每一个输出单元的输入端连接。神经网在输出单元中的每一个输出单元处产生输出信号，所述输出信号说明：在探测区中是否探测到了车辆。
技术实现思路
专利技术优点具有独立权利要求1的特征的方法与此相比具有以下优点：用于对象识别的机器学习系统可以更简单和更稳健地被训练，这使执行器的与此相关的操控更可靠。有利的改进方案是独立权利要求的主题。用于探测对象的机器学习方法可以学习训练数据的不相干的统计，所述不相干的统计于是可能导致误分类和因此导致误探测。如果例如对应该识别空地（Freiflächen）（例如，以便在其上驾驶自主行驶的机动车）的功能进行训练，则当颜色“白色”和“黄色”通过行车道标记包含在训练数据组中时，可以例如将这两种颜色与空地相关联。如果穿黄色或白色的人（gekleidete）进入该图像，则存在以下危险：此人被分类为“空地”。为了规避这一点，存在以下可能性：均衡训练图像的相对频度，其方式是，例如将穿黄色或白色的人的许多图像添加至训练数据组。替代地将会也可能的是，移除图像的颜色信息，即将图像转换成灰度级。第一解决方案令人不满意，因为颜色统计仅能以很多的耗费来控制。在第二解决方案情况下，彩色信息不被利用，这降低探测系统的效率。在第一方面，本专利技术因此涉及一种用于操控执行器的方法，其中，借助于机器学习系统探测对象，其中，所述机器学习系统的输入参量（以下也称作输入信号）包括多个并行的信息通道、尤其颜色通道，其中，根据所述多个并行的信息通道确定置换不变式参量，当如此交换多个并行的信息通道使得得出多个并行的信息通道的置换时，所述置换不变式参量不改变它们的值，其中，于是根据所述置换不变式参量进行探测，并且其中根据对象探测的结果进行对所述执行器的操控。由此，显著降低所有可能对象的颜色统计，而不损坏自然对象的颜色信息。所述颜色信息基本上维持。当逐像素地确定置换不变式参量时，可以特别简单地实现该方法。也即，输入参量包括图像信息，所述图像信息逐像素地被构建，并且对于所述像素中的每一个像素，根据多个并行的信息通道在该像素处采用的值来确定置换不变式参量。有利地，根据并行的信息通道的（必要时逐像素地不同的）重排确定所述置换不变式参量，其中，在所述重排中，所述并行的信息通道按照其相对信号强度彼此排序（sortiert）地布置。也即，使信息通道逐像素地按照其相对强度排序，并且根据并行的信息通道在该布置中具有何种优先次序位置（Rangordnungsposition）来确定置换不变式参量。所述方法特别高效，因为颜色信息尽可能地维持。在一种改进方案中，选择所述多个并行的信息通道中的可预给定数目k个具有最大相对信号强度的信息通道，并且然后根据所述k个许多所选择的信息通道来确定所述置换不变式参量。特别简单的是，仅仅根据多个并行的信息通道中的最强的信息通道来实现置换不变式参量。在另一方面可以规定，在确定所述置换不变式参量之前，借助于颜色校正滤波器来将所述多个并行的信息通道中的信息通道映射到多个经改变的并行的信息通道上。这导致更有效率的机器学习方法。这由以下引起：图像的像素的自然颜色分布即使在变换到置换不变式参量上之后也不完全相同。因此，例如红色对象在变换之后可以具有在像素上的与蓝色对象稍微不同的分布。该不均衡性可以利用颜色校正滤波器来校正。一种特别简单的改进方案规定，所述颜色校正滤波器是卷积滤波器（Konvolutionsfilter），优选是将所有并行的信息通道混合的卷积滤波器。替代地可以规定，颜色校正滤波器对一个信息通道的所有项利用分配给该信息通道的函数进行变换，也即例如对于所有像素相同地变换相应的信息通道。这样的方法可以特别简单地被参数化。为了训练所述机器学习系统，可以首先使表征所述颜色校正滤波器的参数保持恒定，并且训练所述机器学习系统的其余参数，以及然后使经训练的其余参数保持恒定并且训练表征所述颜色校正滤波器的参数。通过这种方式可以实现，在其余参数中，统计分布函数的提取（Extraktion）已经被编码，而颜色校正滤波器的参数实际上仅仅执行信息通道的所描述的混合（Mischung）。在本专利技术的另一方面中规定，所述执行器是至少半自主的机器人、尤其是至少半自主的机动车。所述方法恰恰与至少半自主的机动车相结合地是特别有意义的，因为这样的机动车在运行中面对人类创造的多个对象、例如其他机动车或其他交通参与者穿的衣服，其中人类创造的这些对象可以染色成多种颜色，所述颜色一方面在训练数据组中仅能够以很多耗费适宜地被映射，并且另一方面在至少半自主的机动车的寿命期间由于例如流行的发展而可能经受时间上的改变，所述时间上的改变使得在训练数据组中适宜考虑是不可能的。特别有利的是，根据视频传感器的输出信号确定输入参量，因为所述视频传感器典型地并行地具有三个颜色通道并且因此自然特别适合于本专利技术。但本专利技术也可应用到其他通道（例如光学信号的单独地检测的偏振方向）和/或其他传感器、例如雷达传感器、超声传感器或位置传感器上，只要该传感器具有多个并行的信息通道。附图说明下面参考附图更详细地阐述本专利技术的实施方式。在附图中：图1示意性地示出本专利技术的应用可能性；图2示意性地示出机器学习系统（maschinellenLernsystem）的一种实施方式，在所述机器学习系统的实施时可以使用本专利技术；图3示意性地示出机器学习系统的另一实施方式，在所述机器学习系统的实施时可以使用本专利技术；图4示意性地图解本专利技术的方面的示例性结构；图5示出根据本专利技术的方法的又一实施方式的流程图。具体实施方式图1以在执行器的周围环境20中与执行器控制系统40交互的方式示出执行器10。执行器10和周围环境20在下面也共同地被称作执行器系统。以有规律的时间间隔利用一个传感器30检测执行器系统的状态，所述传感器也可以通过多个传感器给定。传感器30的各一个传感器信号S被传送给执行器控制系统40。因此，执行器控制系统40接收传感器信号S的序列。执行器控制系统40从中确定操控信号A的序列，所述执行器10接收所述操控信号。执行器10可以例如是（半）自主（（teil-）autonom）机器人，例如（半）自主机动车。传感器30可以例如是一个或多个视频传感器和/或一个或多个雷达传感器和/或一个或多个超声传感器和/或一个或多个位置传感器（例如GPS）。替代地或附加地，传感器30也可以包括信息系统，所述信息系统确定关于执行器系统的状态的信息，诸如天气信息系统，所述天气信息系统确定在周围环境20中天气的当前状态或将来状态。在另一实施例中，执行器10可以本文档来自技高网...

【技术保护点】
1.一种用于操控执行器（10）的方法，其中，借助于机器学习系统（60）探测对象，其中所述机器学习系统（60）的输入参量（x）包括多个并行的信息通道（r，g，b）、尤其颜色通道，其中根据所述多个并行的信息通道（r，g，b）确定置换不变式参量（p），其中于是根据所述置换不变式参量（p）进行探测，并且其中根据对象探测的结果进行对所述执行器的操控（A）。

【技术特征摘要】
2017.09.27 DE 102017217233.9;2017.10.20 DE 10201721.一种用于操控执行器（10）的方法，其中，借助于机器学习系统（60）探测对象，其中所述机器学习系统（60）的输入参量（x）包括多个并行的信息通道（r，g，b）、尤其颜色通道，其中根据所述多个并行的信息通道（r，g，b）确定置换不变式参量（p），其中于是根据所述置换不变式参量（p）进行探测，并且其中根据对象探测的结果进行对所述执行器的操控（A）。2.根据权利要求1所述的方法，其中，逐像素地确定所述置换不变式参量（p）。3.根据权利要求1或2所述的方法，其中根据所述并行的信息通道（r，g，b）的重排（p1，p2，p3）实现所述置换不变式参量（p），其中在所述重排（p1，p2，p3）中，所述并行的信息通道（r，g，b）按照其相对信号强度彼此排序地布置。4.根据权利要求3所述的方法，其中选择所述多个并行的信息通道（r，g，b）中的可预给定数目个具有最大相对信号强度的信息通道，并且然后根据这些所选择的信息通道（p1，p2）确定所述置换不变式参量（p）。5.根据权利要求4所述的方法，其中仅仅根据所述多个并行的信息通道（r，g，b）中的最强的信息通道（p1）实现所述置换不变式参量（p）。6.根据权利要求1至...

【专利技术属性】
技术研发人员：K格罗，
申请(专利权)人：罗伯特·博世有限公司，
类型：发明
国别省市：德国,DE