自主交通工具系统技术方案

根据一个实施例，设备包括用于接收来自自主交通工具的多个传感器的传感器数据的接口。该设备还包括：处理电路，用于将传感器抽象过程应用于传感器数据，以产生经抽象的场景数据，并在用于自主交通工具的控制过程的感知阶段中使用该经抽象的场景数据。传感器抽象过程可包括以下各项中的一项或多项：将响应标准化过程应用于传感器数据、将翘曲过程应用于传感器数据、以及将滤波过程应用于传感器数据。以及将滤波过程应用于传感器数据。以及将滤波过程应用于传感器数据。

【技术实现步骤摘要】
【国外来华专利技术】自主交通工具系统
相关申请的交叉引用
[0001]本申请要求于2019年3月29日提交的题为自主交通工具系统(“Autonomous Vehicle System)”的美国临时专利申请第62/826,955号的权益和优先权，该临时专利申请的全部内容通过引用结合于此。


[0002]本公开总体上涉及计算机系统领域，并且更具体地涉及实现自主交通工具的计算系统。

技术介绍

[0003]一些交通工具被配置成用于在自主模式下操作，在自主模式下，交通工具在几乎没有或没有来自驾驶员的输入的情况下导航通过环境。此类交通工具通常包括被配置成用于感测与交通工具的内部和外部环境有关的信息的一个或多个传感器。交通工具可以使用感测到的信息导航通过环境或确定乘客状态。例如，如果传感器感测到交通工具正在接近障碍物，则交通工具可以导航绕开障碍物。作为另一示例，如果传感器感测到驾驶员变得昏昏欲睡，交通工具可能会发出警报声或减速或停车。
附图说明
[0004]图1是示出示例自主驾驶环境的简化示图。
[0005]图2是图示出配备有自主驾驶功能的交通工具(和对应的车载计算系统)的示例实现方式的简化框图。
[0006]图3图示出根据某些实施例的神经网络的示例部分。
[0007]图4是图示出在各种交通工具中可支持的(例如，由它们的对应车载计算系统支持的)示例自主驾驶级别的简化框图。
[0008]图5是图示出可在一些自主驾驶系统中实现的示例自主驾驶流程的简化框图。
[0009]图6是示出根据至少一个实施例的评级和验证众包自主交通工具传感器数据的示例过程的简化图。
[0010]图7是根据至少一个实施例的对自主交通工具的传感器数据进行评级的示例过程的流程图。
[0011]图8是根据至少一个实施例的对自主交通工具的传感器数据进行评级的示例过程的流程图。
[0012]图9是根据至少一个实施例的用于自主交通工具数据收集的示例环境的简化图。
[0013]图10是根据至少一个实施例的用于自主交通工具的示例众包数据收集环境的简化框图
[0014]图11是根据至少一个实施例的用于计算传感器数据良好性得分的示例热图的简化图。
[0015]图12是根据至少一个实施例的计算自主交通工具传感器数据的良好性得分的示例过程的流程图。
[0016]图13描述了根据某些实施例的数据分类、评分和处置的流程。
[0017]图14描绘了根据某些实施例的用于处置基于归类的数据的示例流程。
[0018]图15描绘了根据某些实施例的智能地生成合成数据的系统。
[0019]图16描绘了根据某些实施例的用于生成合成数据的流程。
[0020]图17描绘了用于生成对抗性样本和基于对抗性样本来训练机器学习模型的流程。
[0021]图18描绘了根据某些实施例的用于生成模拟攻击数据集和使用模拟攻击数据集训练分类模型的流程。
[0022]图19图示出根据某些实施例的非线性分类器的操作。
[0023]图20图示出根据某些实施例的线性分类器的操作。
[0024]图21描绘了用于基于线性分类器的准确性而触发动作的流程。
[0025]图22是图示出示例门控循环单元(GRU)和长短时记忆(LSTM)架构的图示。
[0026]图23描绘了根据某些实施例的用于异常检测的系统。
[0027]图24描绘了根据某些实施例的用于检测异常的流程。
[0028]图25图示出根据一个实施例的在道路的一部分上限制交通工具的自主性级别的方法的示例。
[0029]图26图示出地图的示例，其中列出的道路的每个区域示出道路的该部分的道路安全性得分。
[0030]图27图示出根据本文所述的至少一个实施例的用于保护交通工具的计算机视觉系统中的隐私的通信系统。
[0031]图28A
‑
图28B图示出鉴别器的示例。
[0032]图29图示出根据至少一个实施例的GAN配置系统的附加的可能组件和操作细节。
[0033]图30示出通过使用基于StarGAN的模型来修改输入图像的不同面部属性而生成的示例经伪装的图像。
[0034]图31示出由基于StarGAN的模型从真实面部的输入图像生成的示例经伪装的图像，以及评估真实图像和经伪装的图像的面部识别引擎的结果。
[0035]图32A示出由基于StarGAN的模型从真实面部的输入图像生成的示例经伪装的图像，以及评估真实图像和经伪装的图像的情绪检测引擎的结果。
[0036]图32B是与图32A所图示出的情感检测引擎针对输入图像和经伪装的图像的示例处理相对应的输入参数和输出结果的列表。
[0037]图33示出由基于IcGAN的模型执行的真实面部的输入图像到经伪装的图像的示例转换。
[0038]图34图示出在交通工具中实现的经配置的GAN模型的附加的可能操作细节。
[0039]图35图示出根据至少一个实施例的交通工具中的经配置的GAN模型2730生成经伪装的图像以及在机器学习任务中使用经伪装的图像的示例性操作。
[0040]图36是图示出与配置生成对抗网络(GAN)相关联的可能操作流程的高级别流程的简化的流程图，该生成对抗网络被训练成用于在面部的图像上执行属性转移。
[0041]图37是图示出当经配置的GAN模型在系统中实现时、与交通工具的隐私保护计算
机视觉系统的操作相关联的可能操作流程的高级别流程的简化流程图。
[0042]图38是图示出与当经配置的GAN模型被应用于输入图像时可能发生的操作相关联的可能操作流程的高级别流程的简化流程图。
[0043]图39图示出用于自主交通工具的按需隐私符合性系统。
[0044]图40图示出由交通工具收集的数据和被定义为确保数据的隐私符合性的对象的表示。
[0045]图41示出根据至少一个实施例的用于按需隐私符合性系统的示例策略模板。
[0046]图42是图示出交通工具数据系统的可能组件和一般操作流程的简化框图。
[0047]图43从各种可能的人类行为者和硬件和/或软件行为者的角度图示出边缘或云交通工具数据系统的特征和活动。
[0048]图44是用于针对由自主交通工具收集到的数据创建策略的按需隐私符合性系统的示例门户屏幕显示。
[0049]图45示出在对图像应用车牌模糊策略之前和之后从交通工具收集到的示例图像。
[0050]图46示出在对图像应用面部模糊策略之前和之后从交通工具收集到的示例图像。
[0051]图47是图示出与按需隐私符合性系统中在交通工具处收集到的加标签数据相关联的高级别的可能操作流程的简化流程图。
[0052]图48是图示出与按需隐私符合性系统中的策略实施相关联的高级别的可能操作流程的简化流程图。
[0053]图49是图示出与按需隐私符合性系统中的策略实施相关联的高级本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种设备，包括：接口，所述接口用于接收来自自主交通工具的多个传感器的传感器数据；以及处理电路，所述处理电路耦合到所述接口，所述处理电路用于：对所述传感器数据进行抽象以产生经抽象的传感器数据，其中，所述处理电路用于通过以下各项中的一项或多项对所述传感器数据进行抽象：使所述传感器数据的传感器响应值标准化；对所述传感器数据进行翘曲；以及对所述传感器数据进行滤波；以及在用于所述自主交通工具的控制过程的感知阶段中使用所述经抽象的传感器数据。2.如权利要求1所述的设备，其特征在于，所述传感器数据包括来自第一传感器的第一传感器数据和来自第二传感器的第二传感器数据，所述第一传感器和所述第二传感器是相同的传感器类型，并且所述处理电路用于通过以下各项中的一项或多项对传感器数据进行抽象：分别对所述第一传感器数据和所述第二传感器数据的传感器响应值进行标准化；分别对所述第一传感器数据和所述第二传感器数据进行翘曲；以及对所述第一传感器数据和所述第二传感器数据的组合进行滤波。3.如权利要求1所述的设备，其特征在于，所述传感器数据包括来自第一传感器的第一传感器数据和来自第二传感器的第二传感器数据，所述第一传感器和所述第二传感器是不同的传感器类型，所述处理电路用于：对所述传感器数据进行抽象，以产生与所述第一传感器数据相对应的第一经抽象的传感器数据和与所述第二传感器数据相对应的第二经抽象的传感器数据，其中，所述处理电路通过以下各项中的一项或多项对传感器数据进行抽象：分别对所述第一传感器数据和所述第二传感器数据中每一者的传感器响应值进行标准化；对所述第一传感器数据和所述第二传感器数据中每一者进行翘曲；以及对所述第一传感器数据和所述第二传感器数据中每一者进行滤波；以及使所述第一经抽象的传感器数据和所述第二经抽象的传感器数据融合，其中经融合的第一经抽象的传感器数据和第二经抽象的传感器数据用于所述感知阶段。4.如权利要求1
‑
3中任一项所述的设备，其特征在于，所述处理电路用于通过以下各项中的一项或多项来对传感器响应值进行标准化：将图像的像素值进行标准化、将图像的位深度进行标准化、将图像的色彩空间进行标准化、以及将激光雷达数据中的深度值或距离值的范围进行标准化。5.如权利要求1
‑
3中任一项所述的设备，其特征在于，所述处理电路用于基于所述多个传感器的一个或多个传感器响应模型来对传感器响应值进行标准化。6.如权利要求1
‑
3中任一项所述的设备，其特征在于，所述处理电路用于通过执行以下各项中的一项或多项来对所述传感器数据进行翘曲：空间升尺度操作、降尺度操作、与所述传感器相关联的几何效应的校正过程、和所述传感器的运动的校正过程。7.如权利要求1
‑
3中任一项所述的设备，其特征在于，所述处理电路用于基于所述多个传感器的传感器配置信息来对所述传感器数据进行翘曲。
8.如权利要求1
‑
3中任一项所述的设备，其特征在于，所述处理电路用于通过应用以下各项中的一项或多项来对所述传感器数据进行滤波：卡尔曼滤波器、卡尔曼滤波器的变型、粒子滤波器、直方图滤波器、信息滤波器、贝叶斯滤波器和高斯滤波器。9.如权利要求1
‑
3中任一项所述的设备，其特征在于，所述处理电路用于基于所述多个传感器的传感器噪声模型中的一者或多者和场景模型来对所述传感器数据进行滤波。10.如权利要求1
‑
3中任一项所述的设备，其特征在于，所述处理电路用于通过确定所述传感器数据的有效性，并响应于确定所述传感器数据是无效的而丢弃所述传感器数据来对所述传感器数据进行滤波。11.如权利要求1
‑
3中任一项所述的设备，其特征在于，所述处理电路用于通过确定所述传感器数据的置信度水平，并响应于确定所述传感器数据低于置信度阈值而丢弃传感器数据来对所述传感器数据进行滤波。12.如权利要求1
‑
3中任一项所述的设备，其特征在于，所述处理电路用于通过确定所述传感器数据的置信度水平，并响应于确定所述传感器数据在值的范围之外而丢弃传感器数据来对所述传感器数据进行滤波。13.如权利要求1
‑
3中任一项所述的设备，其特征在于，所述屏幕被并入到所述自主交通工具中。14.一种用于存储指令的计算机可读介质，其特征在于，所述指令当由机器执行时使得所述机器用于：从耦合到自主交通工具的至少一个传感器获得传感器数据；对所述传感器数据进行抽象以产生经抽象的传感器数据，其中，对所述传感器数据进行抽象包括以下各项中的一项或多项：使所述传感器数据的传感器响应值标准化；对所述传感器数据进行翘曲；以及对所述传感器数据进行滤波；以及在用于所述自主交通工具的控制过程的感知阶段中使用所述经抽象的传感器数据。15.如权利要求14所述的计算机可读介质，其特征在于，所述传感器数据包括来自第一传感器的第一传感器数据和来自第二传感器的第二传感器数据，其中所述第一传感器和所述第二传感器是相同的传感器类型，并且对所述传感器数据进行抽象包括以下各项中的一项或多项：分别对所述第一传感器数据和所述第二传感器数据的传感器响应值进行标准化；分别对所述第一传感器数据和所述第二传感器数据进行翘曲；以及对所述第一传感器数据和所述第二传感器数据的组合进行滤波。16.如权利要求14所述的计算机可读介质，其特征在于，所述传感器数据包括来自第一传感器的第一传感器数据和来自第二传感器的...

【专利技术属性】
技术研发人员：P，
申请(专利权)人：英特尔公司，
类型：发明
国别省市：