【技术实现步骤摘要】
借助于人工智能基于摄像机对接车辆
本专利技术涉及一种根据权利要求1所述的用于定位对接站的支撑点的评估装置。本专利技术还涉及一种根据权利要求2所述的用于定位对接站的支撑点的方法。本专利技术还涉及一种根据权利要求4所述的用于使车辆自动化地对接到对接站上的评估装置。本专利技术还涉及一种根据权利要求6所述的用于自动化地对接到对接站上的车辆。本专利技术也涉及一种根据权利要求7所述的用于使车辆自动化地对接到对接站上的方法。最后,本专利技术涉及一种根据权利要求13所述的用于将车辆对接到对接站上的计算机程序产品。
技术介绍
自动化行驶的挑战一方面是在道路交通中的灵活驾驶。另一方面,尤其是在商用车领域,自动化行驶的任务是对接过程,其中,例如装卸货物和/或更换工具。出版文献GB2513393描述了一种具有摄像机和靶标的装置。摄像机固定在车辆上。标靶、例如图案面板固定在挂车上。通过在由摄像机摄取的图像中识别和定位标靶而能够计算轨迹。该轨迹描述了朝着拖车的方向的路径,车辆必须经过该路径用以对接拖车。出版文献DE102006035929B4公开了一种用于借助商用车以传感器辅助的方式行驶到对象之下或者驶入对象中、尤其是驶入到变换桥中的方法,其中,由至少一个布置在商用车的尾部上的传感器来检测周围环境信息,并且其中,依据所检测到的周围环境信息来确定对象与商用车之间的相对位置,其中,与距离相关地在至少两个阶段中以传感器控制的方式选择出对象的分级模型的对象特征,其中,在商用车接近该对象期间,依据各个对象特征通过模型适配来实现该对象的单独 ...
【技术保护点】
1.一种用于在对接站(10)的影像(34)中定位对接站(10)的支撑点(11)的评估装置(1),所述评估装置包括:/n·第一入口端口(2),用于获得实际训练数据,其中,所述实际训练数据包括所述对接站(10)的影像,其中,在所述影像(34)中标记有所述支撑点(11);/n·第二入口端口(3),用于获得目标训练数据,其中,所述目标训练数据包括相应的支撑点(11)在所述影像(34)中的目标位置数据,/n其中,所述评估装置(1)实施为:/n·将实际训练数据向前馈送给人造神经元网络(4),并且在所述向前馈送中获得相应的支撑点(11)的利用所述人造神经元网络(4)获知的实际位置数据,并且/n·通过反向馈送所述实际位置数据与所述目标位置数据之间的偏差来调整用于所述人造神经元网络(4)的神经元(7)的连接(6)的权重因子(5)用以使偏差最小化,以便学习所述支撑点(11)的目标位置数据;/n和/n·出口端口(8),用于提供所述实际位置数据。/n
【技术特征摘要】
20180613 DE 102018209382.21.一种用于在对接站(10)的影像(34)中定位对接站(10)的支撑点(11)的评估装置(1),所述评估装置包括:
·第一入口端口(2),用于获得实际训练数据,其中,所述实际训练数据包括所述对接站(10)的影像,其中,在所述影像(34)中标记有所述支撑点(11);
·第二入口端口(3),用于获得目标训练数据,其中,所述目标训练数据包括相应的支撑点(11)在所述影像(34)中的目标位置数据,
其中,所述评估装置(1)实施为:
·将实际训练数据向前馈送给人造神经元网络(4),并且在所述向前馈送中获得相应的支撑点(11)的利用所述人造神经元网络(4)获知的实际位置数据,并且
·通过反向馈送所述实际位置数据与所述目标位置数据之间的偏差来调整用于所述人造神经元网络(4)的神经元(7)的连接(6)的权重因子(5)用以使偏差最小化,以便学习所述支撑点(11)的目标位置数据;
和
·出口端口(8),用于提供所述实际位置数据。
2.一种用于在对接站(10)的影像(34)中定位所述对接站(10)的支撑点(11)的方法,所述方法包括如下方法步骤:
·获得所述支撑点(11)的实际训练数据和位置数据(V1);
·获得目标训练数据,其中,所述目标训练数据包括相应的支撑点(11)在所述影像(34)中的目标位置数据(V2);
·将所述实际训练数据向前馈送给人造神经元网络(4)并且利用所述人造神经元网络(4)来获知相应的支撑点(11)的实际位置数据(V3);
·将所述实际位置数据与所述目标位置数据之间的偏差反向馈送,以便如下地调整用于所述人造神经元网络(4)的神经元(7)的连接(6)的权重因子(5),即,使所述偏差最小化,以便学习所述支撑点(11)的目标位置数据(V4)。
3.根据权利要求2所述的方法,其中,为了执行所述方法,使用根据权利要求1所述的评估装置(10)。
4.一种用于使车辆(30)自动化地对接到对接站(10)上的评估装置(20),所述评估装置包括:
·入口端口(21),用于获得所述对接站(10)的利用能布置在所述车辆(30)上的成像传感器(31)摄取的至少一个影像(34),
·其中,所述评估装置实施为:
o实施人造神经元网络(4),所述人造神经元网络被训练用于根据所述影像(34)获知所述对接站(10)的支撑点(11)的图像坐标,
o根据所述支撑点(11)的已知的几何形状来获知所述成像传感器(31)相对于所述支撑点(11)的位置和/或指向,并且
o根据所述成像传感器(31)的所获知的位置和/或指向以及所述成像传感器(31)在所述车辆(30)上的已知的布置来获知所述对接站(10)相对于所述车辆(30)的位置和/或指向,
和
·出口端口(22),用于根据所述对接站(10)相对于所述车辆(30)的所获知的位置来提供用于车辆控制装置(32)的信号,以便所述车辆(30)自动化地行驶至所述对接站(10)用以对接。
5.根据权利要求4所述的评估装置(20),其中...
【专利技术属性】
技术研发人员:克里斯蒂安·赫尔佐克,马丁·拉普斯,
申请(专利权)人:ZF腓德烈斯哈芬股份公司,
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。