【技术实现步骤摘要】
用于生成数字图像对作为神经网络的训练数据的方法
本专利技术涉及一种用于生成数字图像对作为神经网络的训练数据的方法，所述神经网络借助于受到噪声干扰的图像来学习将受到噪声干扰的图像恢复原貌。
技术介绍
在借助于例如成像传感器来生成用于自动驾驶的周围环境表示时，由于多种效应而可能对结果产生负面影响。在此，除了由于成像传感器的测量方法的随机性及其探测器设计而造成的常规的测量噪声之外，还有各种各样的环境影响、诸如直接阳光照射、下雨、下雪或起雾都造成对测量结果的影响。这些影响因素导致很多误探测（假阳性（False-Positives））或探测的完全停止（假阴性（False-Negatives））。因此，下游算法的性能降低。如果在所使用的成像方法的情况下由于这种影响因素造成地使结果变差，则这种数据必要时必须被探测并且予以修正或丢弃。因而，可以识别这些错误测量或者将这些错误测量除去的方法特别是在自动驾驶的领域导致周围环境表示的改善。
技术实现思路
本专利技术公开了根据独立权利要求的特征所述的一种用于创建数字图像对来训练神...
【技术保护点】
1.一种用于创建数字图像对来训练神经网络对受到噪声干扰的图像的受到噪声干扰的图像部分进行修正的方法，所述方法具有如下步骤：/n确定（S1）在移动平台的周围环境的所存储的第一数字图像和所存储的第二数字图像的重叠区域之内对象移动的程度；/n确定（S2）所述移动平台、第一和第二数字图像的周围环境的分别检测到的立体角；/n只要所述第一和第二数字图像的周围环境的分别检测到的立体角彼此偏差得不超过所规定的差并且在所述第一和第二数字图像的重叠区域之内所述对象移动的程度低于所规定的值，就创建（S3）由所述第一数字图像和所述第二数字图像构成的数字图像对。/n
【技术特征摘要】
20190425 DE 102019205962.71.一种用于创建数字图像对来训练神经网络对受到噪声干扰的图像的受到噪声干扰的图像部分进行修正的方法，所述方法具有如下步骤：
确定（S1）在移动平台的周围环境的所存储的第一数字图像和所存储的第二数字图像的重叠区域之内对象移动的程度；
确定（S2）所述移动平台、第一和第二数字图像的周围环境的分别检测到的立体角；
只要所述第一和第二数字图像的周围环境的分别检测到的立体角彼此偏差得不超过所规定的差并且在所述第一和第二数字图像的重叠区域之内所述对象移动的程度低于所规定的值，就创建（S3）由所述第一数字图像和所述第二数字图像构成的数字图像对。
2.根据权利要求1所述的方法，其中在所述第一和第二数字图像的重叠区域之内所述对象移动的程度利用所述移动平台的惯性导航系统的数据来确定。
3.根据权利要求1或2所述的方法，其中利用所述移动平台的惯性导航系统的数据来确定所述移动平台、所述第一和第二数字图像的周围环境的分别检测到的立体角。
4.根据上述权利要求之一所述的方法，其中借助于雷达传感器的信号或者光学系统或跟踪系统的图像分析来确定所述对象移动的程度。
5.根据上述权利要求之一所述的方法，其中利用所述移动平台的至少一个惯性传感器的数据来确定所述移动平台、所述第一和第二数字图像的周围环境的分别检测到的立体角的偏差。
6.根据上述权利要求之一所述的方法，其中所存储的第一和第二数字图像通过LIDA...
【专利技术属性】
技术研发人员：M迈因克，
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。