车辆神经网络训练制造技术

本公开提供了“车辆神经网络训练”。一种计算机，其包括处理器和存储器，所述存储器包括指令，所述指令由所述处理器执行以：生成两个或更多个立体对的合成图像，并且使用生成式对抗网络(GAN)基于所述两个或更多个立体对的合成图像生成两个或更多个立体对的真实图像，其中使用基于所述两对或更多对真实图像确定的六轴自由度(DoF)姿态来训练所述GAN。所述指令还可以包括以下指令：基于真实图像序列训练深度神经网络并且使用所述深度神经网络操作车辆以处理由车辆传感器获取的视频图像序列。

【技术实现步骤摘要】
车辆神经网络训练
本公开总体上涉及车辆通信网络。
技术介绍
车辆可配备有计算装置、网络、传感器和控制器以获取关于车辆的环境的数据并且基于所述数据来操作车辆。车辆传感器可提供有关在车辆的环境中要行进的路线和要避开的对象的数据。车辆的操作可依赖于在车辆正在道路上进行操作时获取关于车辆的环境中的对象的准确且及时的数据。
技术实现思路
车辆可以被配备为以自主模式和乘员驾驶模式两者操作。半自主或完全自主模式意指其中车辆可由作为具有传感器和控制器的系统的一部分的计算装置部分地或完全地驾驶的操作模式。车辆可被占用或未被占用，但是在任何一种情况下，都可在没有乘员辅助的情况下部分地或完全地驾驶车辆。出于本公开的目的，自主模式被限定为其中车辆推进(例如，经由包括内燃发动机和/或电动马达的动力传动系统)、制动和转向中的每一者由一个或多个车辆计算机控制的模式；在半自主模式中，一个或多个车辆计算机控制车辆推进、制动和转向中的一者或两者。在非自主车辆中，这些都不由计算机控制。车辆中的计算装置可被编程为获取关于车辆外部环境的数据并使用所述数据来确本文档来自技高网...

【技术保护点】
1.一种方法，其包括：/n生成两个或更多个立体对的合成图像；/n使用生成式对抗网络(GAN)基于所述两个或更多个立体对的合成图像生成两个或更多个立体对的真实图像，其中使用基于所述两对或更多对真实图像确定的六轴自由度(DoF)姿态来训练所述GAN；/n基于真实图像序列训练深度神经网络；以及/n使用所述深度神经网络操作车辆以处理由车辆传感器获取的视频图像序列。/n

【技术特征摘要】
20191008 US 16/595,8491.一种方法，其包括：
生成两个或更多个立体对的合成图像；
使用生成式对抗网络(GAN)基于所述两个或更多个立体对的合成图像生成两个或更多个立体对的真实图像，其中使用基于所述两对或更多对真实图像确定的六轴自由度(DoF)姿态来训练所述GAN；
基于真实图像序列训练深度神经网络；以及
使用所述深度神经网络操作车辆以处理由车辆传感器获取的视频图像序列。


2.如权利要求1所述的方法，其中所述GAN被初始训练以基于不成对的真实图像和模拟图像来生成立体对的真实图像。


3.如权利要求1所述的方法，其中所述指令还包括以下指令：通过将场景描述输入到合成图像渲染引擎来生成两对或更多对合成图像。


4.如权利要求1所述的方法，其还包括通过立体视觉测程法确定所述两个或更多个立体对的合成图像和所述两对或更多对真实图像的六轴DoF姿态。


5.如权利要求4所述的方法，其还包括通过确定所述两个或更多个立体对的合成图像和所述两对或更多对真实图像的六轴DoF姿态的变化来确定姿态损失。


6.如权利要求1所述的方法，其还包括基于使所述两对或更多对合成图像和所述两对或更多对真实图像中的每对的x、y和z平移以及侧倾、俯仰和横摆旋转最小化来确定六轴DoF姿态。


7.如权利要求6所述的方法，其还包...

【专利技术属性】
技术研发人员：普纳杰·查克拉瓦蒂，普拉韦恩·纳拉亚南，尼基塔·斋普里亚，高拉夫·潘迪，
申请(专利权)人：福特全球技术公司，
类型：发明
国别省市：美国;US