The invention discloses a lossy data compressor for a vehicle control system. The lossy data compressor (1) for physical measurement data (3) includes a parameterized mapping network (2) which generates point Z in a lower dimensional manifold Z when applied to measurement data point X in space X, and is configured to provide point Z as output on Z in response to the received data point x as input, wherein the manifold Z is a continuous hypersurface, which only allows A completely continuous path between any two points on a hypersurface; and the parameter \u03b8 of the mapping network (2) can be trained or trained towards the target, which includes a given set P of physical measurement data (3) from space X by using the mapping network (2) according to a given distance measure
【技术实现步骤摘要】
用于车辆控制系统的有损数据压缩器
本专利技术涉及一种有损数据压缩器（lossydatacompressor），其特别适合用于物理测量数据，该物理测量数据将由至少部分自动化的车辆对于对象或情况的存在进行评估。
技术介绍
当驾驶车辆时，人类驾驶员使用他的眼睛捕捉大量信息并对可见对象进行分类。例如，驾驶员识别车道边界、交通标志、其它车辆和行人，并且在车辆的手动控制器上开始适当的动作。对于以至少部分自动化的方式在交通中移动的车辆，需要功能来对来自物理测量数据的对象和情况进行分类，该物理测量数据已经由传感器从车辆的环境捕获。EP1752362B1公开了一种用于车辆的车道保持辅助系统，其根据标线带（tape）对车道边界进行分类并且对将跨越边界的可能性以及与这种跨越相关的潜在危险进行评定。US8,682,821B2公开了一种评估来自车辆的环境的雷达数据的方法，以便于对某些类型的对象或非人类动物是否正在环境中移动进行分类。对于该分类，使用机器学习。
技术实现思路
本专利技术提供了一种用于物理测量数...
【技术保护点】
1.一种用于物理测量数据（3）的有损数据压缩器（1），包括参数化映射网络（2），所述映射网络（2）在应用于存在于空间X中的所述物理测量数据（3）的数据点x时，在具有比空间X的维度更低的维度的黎曼流形Z中产生点z，并且所述映射网络（2）被配置为响应于接收数据点x作为输入而在Z上提供点z作为输出，其中/n所述流形Z是连续超曲面，所述超曲面只允许所述超曲面上任何两点之间的完全连续路径；以及/n映射网络（2）的参数θ朝向目标可训练或被训练，所述目标包括根据给定的距离测度通过使用所述映射网络（2）将来自空间X的物理测量数据（3）的给定集合P
【技术特征摘要】
20180530 EP 18175062.11.一种用于物理测量数据（3）的有损数据压缩器（1），包括参数化映射网络（2），所述映射网络（2）在应用于存在于空间X中的所述物理测量数据（3）的数据点x时，在具有比空间X的维度更低的维度的黎曼流形Z中产生点z，并且所述映射网络（2）被配置为响应于接收数据点x作为输入而在Z上提供点z作为输出，其中
所述流形Z是连续超曲面，所述超曲面只允许所述超曲面上任何两点之间的完全连续路径；以及
映射网络（2）的参数θ朝向目标可训练或被训练，所述目标包括根据给定的距离测度通过使用所述映射网络（2）将来自空间X的物理测量数据（3）的给定集合PD映射到流形Z上而在所述流形Z上最小化给定的先验分布PZ与在流形Z上诱导的分布PQ之间的距离，
其中，所述距离测度对于分布之间的距离和单独点之间的距离两者都是明确限定的。
2.根据权利要求1所述的数据压缩器（1），其中，所述流形Z是超球面或超椭球体。
3.根据权利要求1或2所述的数据压缩器（1），其中，所述距离测度包括Wasserstein距离。
4.根据权利要求1至3中任一项所述的数据压缩器，其中，所述映射网络（2）包括至少一个神经网络（2a）。
5.根据权利要求4所述的数据压缩器（1），其中，所述神经网络（2a）包括同一个夹层结构的至少两个实例（21a、21b），其中，该夹层结构（21a、21b）包括多个不同的层（22a、23a、24a；22b、23b、24b），并且其中，这些层（22a、23a、24a；22b、23b、24b）中的每一个被配置为执行指数函数的计算、矩阵乘法、矩阵的元素级除法或者Frobenius积的计算中的至少一个。
6.根据权利要求1至5中任一项所述的数据压缩器（1），其中，给定的先验PZ包括所述流形Z上的至少两个不同的聚类。
7.一种用于对车辆（50）的环境中的对象或情况进行分类的系统（51），包括：
至少一个根据权利要求1至6中任一项所述的有损数据压缩器（1、1a-1d），所述有损数据压缩器（1、1a-1d）被通信地联接到至少一个传感器（52a-52d），所述至少一个传感器（52a-52d）被配置为从所述车辆（50）的环境的至少部分（53a-53d）获得物理测量数据（3）；以及
分类器模块（54），所述分类器模块（54）被通信地联接到所述有损数据压缩器（1）并且被配置为对所述有损数据压缩器（1）的输出是否指示所述车辆（50）的所述环境中的至少一个对象或至少一种情况的存在进行分类。
8.根据权利要求7所述的系统（51），其中所述分类器模块（54）经由共享介质总线网络（55）通信地联接到所述有损数据压缩器（1a-1d），所述车辆（50）的另外的系统被联接到所述共享介质总线网络（55），...
【专利技术属性】
技术研发人员：C马塞洛，G帕特里尼，M韦林，P福雷，T格内魏因，
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。