用于确定与对象的间距的方法、设备和计算机程序技术

本发明专利技术涉及一种用于确定与对象的间距的方法（20），该方法包括如下步骤：检测至少两个图像（12a、12b），其中为了检测所述至少两个图像其中的至少一个第一图像（12b），使用布置在摄像机前面的偏振滤波器（13）。借助于机器学习系统（11）依据所检测到的至少两个图像其中的第二图像（12b）来确定所述间距，其中该机器学习系统（11）在确定所述间距期间也使用所检测到的所述至少两个图像其中的第一图像（12a），以便在确定所述间距时不考虑在所检测到的所述至少两个图像（12a、12b）之一中的反射。本发明专利技术还涉及用于实施该方法（20）的设备和计算机程序以及机器可读存储元件（16），在其上存储有该计算机程序。

Method, equipment and computer program for determining the distance from the object

【技术实现步骤摘要】
【国外来华专利技术】用于确定与对象的间距的方法、设备和计算机程序
本专利技术涉及一种用于确定与对象的间距的方法。本专利技术同样涉及一种分别被设立为实施该方法的计算机程序和设备。
技术介绍
DE102011081384B4公开了一种用于确定间距的方法，该方法具有如下步骤：确定在车辆的头灯的辐射特性的变化与该辐射特性的变化对图像的图像区域产生的影响之间的时间偏移。基于该时间偏移，确定与在车辆环境中的通过该图像区域所成像的对象的间距。DE102011005368A1公开了一种用于利用视频摄像机来对车辆进行操纵和/或对车辆进行停放的驾驶员辅助系统。确定具有处在车辆的周围环境中的对象的视频图像并且利用其它所确定的信息（例如与该对象的间距）来使该视频图像丰富。
技术实现思路
本专利技术的优点与此相对地，具有独立权利要求1的特征的方法和具有独立权利要求6的特征的设备具有如下优点：依据所检测到的图像来实现对与对象的间隔的更可靠的确定，其中该确定没有受到反射的负面影响。对象在光滑的或进行映照的表面上的反射可能导致：仅仅依据图像来进行的测距提供了错误结果。因而，该方法和该设备构成一种用于执行更鲁棒且更可靠的测距的简单且成本低廉的可能性，其中该测距并不受反射所影响或误导。另一优点是：由于机器学习系统而无需研发复杂的图像处理算法，这些图像处理算法首要地探测图像中的对象，其次地从该图像中确定其所属的间距或所属的深度信息并且在此相对于反射鲁棒。该机器学习系统通过所提供的训练数据独立地发展方法学，以便确定与对象的间距并且也在所检测到的图像中识别反射并且相对应地考虑到所述反射。这导致：该方法和该设备在确定间距期间不受反射所误导并且因此更可靠地确定间距。在第一方面，本专利技术涉及一种用于确定与对象的间距的方法。该方法包括如下步骤：-检测至少两个图像。为了检测所述至少两个图像其中的至少一个第一图像，使用布置在摄像机前面的偏振滤波器。-借助于机器学习系统依据所检测到的所述至少两个图像其中的第二图像来确定间距。该机器学习系统在确定间距期间也使用所检测到的所述至少两个图像其中的第一图像，以便在确定间距时不考虑在所检测到的所述至少两个图像之一中的反射。“确定与对象的间距”可以被理解为：确定在可预先给定的参考点与该对象之间的间距、尤其是距离。优选地，该参考点对应于摄像机所处的位置。但是，该参考点也可以处在摄像机前面或后面。应注意：该方法与该参考点的位置无关，因为可以根据所选择的参考点而定地适当地训练该机器学习系统。反射可以被理解为对象的出现的任何类型的镜像。示例性地，由于反射表面而可能出现在下文用术语反射来表示的对象的镜像或者该镜像的失真和/或扭曲。所检测到的所述至少两个图像要么可以同时地要么可以紧接着相继地尤其是在可预先给定的时间点被检测。这些图像也可以借助于多个不同地定位的摄像机来检测。按照该方法的优点是：通过所检测到的被不同地滤波的至少两个图像来将足以使反射并不影响间距确定的信息提供给该机器学习系统。例如，所检测到的图像之一是以未经滤波的方式所检测的，而另一图像是以用偏振滤波器进行滤波的方式所检测的，或者两者都是以用偏振滤波器进行滤波的方式所检测的，其中偏振滤波器分别具有偏振平面的不同的取向。特别有利的是：该机器学习系统被训练为使得该机器学习系统依据所检测到的所述至少两个图像其中的第二图像来确定间距。在该实施方式中，该机器学习系统还可以被训练为使得该机器学习系统依据所检测到的所述至少两个图像其中的第一图像而在确定间距时不考虑反射。按照该方法的优点是：通过训练机器学习系统，该机器学习系统独立地学习间距确定。因而，不必为此研发复杂的算法以便解决该复杂的图像处理任务。此外，被训练的机器学习系统在运行时与用于依据所检测到的图像进行测距的传统的图像处理算法相比而言计算更高效或更快速。因为对机器学习系统的训练等同于鉴于每方面来对机器学习系统的优化，而且机器学习系统、尤其是神经网络还可以通过在机器学习系统中的计算操作的链接来实现更高的效率。特别有利的是：该机器学习系统附加地被训练成：依据所检测到的所述至少两个图像其中的第二图像来确定对象分类并且在确定该对象分类时依据所检测到的所述至少两个图像其中的第一图像而不考虑反射。还有利的是：机器学习系统在确定间距时也确定对象分类。这具有如下优点：在该机器学习系统的处理步骤之内，除了测距之外，也执行对象分类，由此从所检测到的图像中可以同时提取多个信息。同样特别有利的是：在可预先给定的一个接一个的时间点分别检测至少两个图像并且附加地对该机器学习系统进行训练，以便确定光流，而且也对该机器学习系统进行训练，使得在确定该光流时不考虑反射。此外，该机器学习系统依据在可预先给定的一个接一个的时间点所检测到的图像来确定光流。该光流可以被理解为参量、尤其是矢量，该参量表征了在图像中的点的运动，例如该点相对于所选择的基准点的方向和/或速度。有利的是：该光流的基准点和确定间距的参考点处在同一位置。有利的是：所检测到的图像被存储并且该机器学习系统借助于所存储的、所检测到的图像来再学习。这具有如下优点：利用所检测到的图像来进一步改善用于确定间距的方法，以便实现间距测量的更高的精度。有利的是：根据确定间距的结果来操控执行器。该执行器可以是至少部分自主的机器，诸如机器人或车辆。还有利的是：该机器学习系统是深度神经网络、尤其是“卷积神经网络（ConvolutionalNeuralNetwork）”或“递归神经网络（RecurrentNeuralNetwork）”。在另一方面，本专利技术涉及一种设备，该设备被设立为实施根据本专利技术的第一方面的方法。该设备包括如下特征：至少一个用于检测所述至少两个图像的摄像机；和至少一个偏振滤波器。该偏振滤波器布置在该摄像机前面并且被使用用于检测所述至少两个图像其中的第一图像。该设备也包括该机器学习系统。有利的是：该设备也包括执行器，尤其是至少部分自主的机器、诸如机器人或车辆。还有利的是：该机器学习系统是深度神经网络、尤其是“卷积神经网络（ConvolutionalNeuralNetwork）”或“递归神经网络（RecurrentNeuralNetwork）”。该设备的优点是：借助于偏振滤波器、尤其是线性的偏振滤波器将未偏振的反射滤出，使得所检测到的图像是至少部分地无反射的图像。因此，借助于该机器学习系统可以执行精确的间距确定，该间距确定不受反射所影响。有利的是：使用多个不同的偏振滤波器，并且该摄像机分别借助于这些不同的偏振滤波器之一来检测经滤波的图像。在这方面有利的是：由于多个分别利用不同的偏振滤波器而不同地偏振滤波的图像而存在如下图像，该图像是以偏振滤波器的适合取向所记录的，使得该图像是无反射的图像或者该图像的片段是无反射的。由此，多个不同地滤波的图像可供使用，由此可以附加地提高间距确定的精度和可靠性。同样有利的是：这些偏振滤波器之一的偏振平面与其它偏振滤波器的偏振平面不同地取向。还有利的是：该偏振滤波器包括本文档来自技高网...

【技术保护点】
1.一种用于确定与对象的间距的方法（20），所述方法包括：/n- 检测至少两个图像（12a、12b）；/n其中为了检测所述至少两个图像其中的第一图像（12b），使用布置在摄像机前面的偏振滤波器（13）；和/n- 借助于机器学习系统（11）依据所检测到的所述至少两个图像其中的第二图像（12b）来确定所述间距，/n其中所述机器学习系统（11）在确定所述间距期间也使用所检测到的所述至少两个图像其中的第一图像（12a），以便在确定所述间距时不考虑在所检测到的所述至少两个图像（12a、12b）之一中的反射。/n

【技术特征摘要】
【国外来华专利技术】20171129 DE 102017221381.71.一种用于确定与对象的间距的方法（20），所述方法包括：
-检测至少两个图像（12a、12b）；
其中为了检测所述至少两个图像其中的第一图像（12b），使用布置在摄像机前面的偏振滤波器（13）；和
-借助于机器学习系统（11）依据所检测到的所述至少两个图像其中的第二图像（12b）来确定所述间距，
其中所述机器学习系统（11）在确定所述间距期间也使用所检测到的所述至少两个图像其中的第一图像（12a），以便在确定所述间距时不考虑在所检测到的所述至少两个图像（12a、12b）之一中的反射。


2.根据权利要求1所述的方法，其中所述机器学习系统（11）被训练为使得所述机器学习系统（11）依据所检测到的所述至少两个图像其中的第二图像（12b）来确定所述间距，
其中所述机器学习系统（11）还被训练为使得所述机器学习系统（11）依据所检测到的所述至少两个图像其中的第一图像（12b）而在确定所述间距时不考虑所述反射。


3.根据上述权利要求之一所述的方法，其中所述机器学习系统（11）附加地被训练成：依据所检测到的所述至少两个图像其中的第二图像（12a）来确定对象分类并且在确定所述对象分类时依据所检测到的所述至少两个图像其中的第一图像（12b）而不考虑所述反射，
其中所述机器学习系统（11）在确定所述间距时也确定对象分类。


4.根据上述权利要求之一所述的方法，其中在可预先给定的一个接一个的时间点分别检测至少两个图像（12a、12b），
其中所述机器学习系统（11）附加地被训练，以便确定光流并且也在确定所述光流时不考虑所述反射，
其中所述机器学习系统（11）依据在可预先给定的一个接一个的时间...

【专利技术属性】
技术研发人员：JM德林格，J瓦格纳，
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