【技术实现步骤摘要】
用于识别车辆环境中的对象的方法
本专利技术涉及用于识别车辆环境中的对象的方法、评估单元、计算机程序产品和计算机可读介质。本专利技术还涉及一种具有这种评估单元的车辆系统。
技术介绍
在自动驾驶中以及在驾驶员辅助系统中,通常使用车辆环境的表示,例如以对象列表的形式。这些对象描述了例如其他交通参与者、行人或车辆。功能基于所述对象的(动态)状态决定自身车辆应当如何运行。例如,如果自动车辆在多车道的道路上应当变换车道,则为此需要其他交通参与者的各自速度和各自方向,以便能够识别潜在的碰撞并相应地做出反应。可以想到用机器学习方法来改善对象识别。目前已经可以使用神经网络来从相机图像和激光雷达测量中提取对象实例。例如可以从激光雷达测量中提取3D对象盒。然而,为此必须相应地注释(也称为标记)大量数据,由此例如可以训练神经网络。这样的标记可能带来高昂的成本和时间开销。此外,在此主要学习可直接测量的状态变量,如位置、伸展或定向。DE102016215314A1和US2019/0243371A1公开了使用机器学习(MachineLearning)来识别对象的系统。
技术实现思路
在这种背景下,利用这里提出的方案提出了根据独立权利要求的方法、评估单元、计算机程序产品、计算机可读介质和车辆系统。这里提出的方案的有利扩展和改进从说明书中得出并且在从属权利要求中加以描述。本专利技术的优点本专利技术的实施方式有利地使得可以基于未注释的传感器数据借助于机器学习算法来估计与对象有关的变量。在此,除了估计可 ...
【技术保护点】
1.一种用于识别车辆(100)环境中的对象(114)的方法(300),其中所述车辆(100)具有传感器系统(104)以及评估单元(106),所述传感器系统具有用于检测所述环境的至少一个传感器单元(118,120;Sa,Sb,Sx),所述评估单元用于评估由所述至少一个传感器单元(118,120;Sa,Sb,Sx)提供的传感器数据(108),其中所述方法(300)包括:/n在所述评估单元(106)中接收(301)所述传感器数据(108),其中所述传感器数据(108)包括时间上彼此跟随的多个测量(z_k-m...,z_k+n);/n将所述传感器数据(108)输入(302)到机器学习算法中;/n通过所述机器学习算法输出(303)基于所述传感器数据(108)估计的至少一个对象(114)的对象状态(x_k);/n基于所估计的对象状态(x_k)确定(304)在时间上彼此跟随的多个未来对象状态(x_k+1_p,...,x_k+n_p);/n基于所述传感器数据(108)确定(305)所述未来对象状态(x_k+1_p,...,x_k+n_p)与时间上对应于所述未来对象状态(x_k+1_p,...,x_k+ ...
【技术特征摘要】
20200127 DE 102020200911.21.一种用于识别车辆(100)环境中的对象(114)的方法(300),其中所述车辆(100)具有传感器系统(104)以及评估单元(106),所述传感器系统具有用于检测所述环境的至少一个传感器单元(118,120;Sa,Sb,Sx),所述评估单元用于评估由所述至少一个传感器单元(118,120;Sa,Sb,Sx)提供的传感器数据(108),其中所述方法(300)包括:
在所述评估单元(106)中接收(301)所述传感器数据(108),其中所述传感器数据(108)包括时间上彼此跟随的多个测量(z_k-m...,z_k+n);
将所述传感器数据(108)输入(302)到机器学习算法中;
通过所述机器学习算法输出(303)基于所述传感器数据(108)估计的至少一个对象(114)的对象状态(x_k);
基于所估计的对象状态(x_k)确定(304)在时间上彼此跟随的多个未来对象状态(x_k+1_p,...,x_k+n_p);
基于所述传感器数据(108)确定(305)所述未来对象状态(x_k+1_p,...,x_k+n_p)与时间上对应于所述未来对象状态(x_k+1_p,...,x_k+n_p)的测量(z_k+1,...,z_k+n)之间的偏差(d_1,...,d_n);以及
基于所述偏差(d_1,...,d_n)校正(306)所述机器学习算法。
2.根据权利要求1所述的方法(300),还包括:
将所述未来对象状态(x_k+1_p,...,x_k+n_p)变换到所述至少一个传感器单元(118,120;Sa,Sb,Sx)的坐标系中,以便针对每个未来对象状态(x_k+1_p,...,x_k+n_p)获得变换后的未来对象状态(z_k+1_p,...,z_k+n_p);
其中基于所述传感器数据(108)确定所述变换后的未来对象状态(z_k+1_p,...,z_k+n_p)与时间上对应于所述变换后的未来对象状态(z_k+1_p,...,z_k+n_p)的测量(z_k+1,...,z_k+n)之间的偏差(d_1,...,d_n)。
3.根据权利要求2所述的方法(300),
其中所述传感器数据(108)包括所述传感器系统(104)的至少两个不同传感器单元(118,120;Sa,Sb,Sx)的测量(z_k-m,...,z_k+n);
其中将所述未来对象状态(x_k+1_p,...,x_k+n_p)变换到所述至少两个不同传感器单元(118,120;Sa,Sb,Sx)的坐标系中;
其中变换后的未来对象状态(z_k+1_p,...,z_k+n_...
【专利技术属性】
技术研发人员:V·D·阮,
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。