分类对象的方法和装置制造方法及图纸

提供了一种用于分类对象的方法(100)，所述方法(100)包括用于特征提取单元(13)的来自传感器的测量数据的提供(106)，以及通过所述特征提取单元(13)从所述测量数据中提取(107)与模态无关的特征(24)，其中，所述模态无关的特征(24)与所述传感器的传感器模态无关，从而不可能从与模态无关的特征得出所述传感器的传感器模态。传感器模态。传感器模态。

【技术实现步骤摘要】
【国外来华专利技术】分类对象的方法和装置


[0001]本专利技术涉及一种用于分类对象的方法和装置。

技术介绍

[0002]为了在车辆的无人驾驶导航中使用，必须要知道哪些类型的道路使用者围绕着车辆，以及哪些类型的基础设施位于周围区域。换句话说，对对象进行分类是至关重要的。从现有技术中可知，将不同传感器模态的测量数据用于对象分类或对象检测。由于不同传感器模态的测量数据可以部分地提供与周围区域有关的补充信息，因此这是特别有利的。来自各个传感器的数据因此通常被分别处理并且随后也被分别分类。只有后来数据才能再次合并并被进一步处理。
[0003]根据现有技术，从测量数据中提取的数据还与模态是相关的，因此有必要为每一传感器模态提供单独的分类模块，并因此也必须要对每一分类模块进行训练。这将涉及极大的工作量，尤其是在不涉及图像数据的情况下，因为用于训练分类模块的激光雷达或雷达数据集的注释非常耗时且容易出错。其原因在于，所测量的数据对于人类而言是难以理解的，并且注释相应数据集的人员在能够开始执行任务之前必须以费时的方式进行培训。此外，关于激光雷达和雷达，可用的带注释的数据集要本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于分类对象的方法(100)，其中，所述方法(100)包括用于特征提取单元(13)的来自传感器的测量数据的提供(106)，其特征在于，所述方法(100)包括从所述测量数据中提取(107)与模态无关的特征(24)，其中，所述模态无关的特征(24)与所述传感器的传感器模态无关，从而不可能从与模态无关的特征得出所述传感器的传感器模态。2.根据权利要求1所述的方法(100)，其特征在于，至少有一个第一传感器模态和一个第二传感器模态，其中，所述方法(100)被配置为以能够重建来自所述第二测量模态的传感器的测量数据的方式，从来自所述第一传感器模态的传感器的测量数据中提取与模态无关的特征(24)。3.根据前述权利要求中任一项所述的方法(100)，其特征在于，所述特征提取单元(13)包括用于每个传感器模态的至少一个特征提取器(14、15、16)，其中，所述特征提取器(14、15、16)从测量数据中提取(108)特征。4.根据权利要求3所述的方法(100)，其特征在于，所述特征提取器(14、15、16)是神经网络。5.根据权利要求4所述的方法(100)，其特征在于，所述第一传感器模态是激光雷达，其中，所述第一传感器模态的所述特征提取器(14)是多层感知器(MLP)网络。6.根据权利要求3或4所述的方法(100)，其特征在于，所述第二传感器模态是图像，其中，所述第二传感器模态的所述特征提取器(15)是卷积神经网络。7.根据权利要求3至6中任一项所述的方法(100)，其特征在于，所述特征提取单元(13)包括特征变换单元(17)，其中，所述特征变换单元(17)包括用于每一传感器模态的神经网络，其中，所述特征变换单元(17)从至少两个特征提取器的特征中提取(109)与模态无关的特征(24)。8...

【专利技术属性】
技术研发人员：朱莉娅，
申请(专利权)人：爱贝欧汽车系统有限公司，
类型：发明
国别省市：