自主机器应用中的路口姿态检测制造技术

在各个示例中，可以利用来自车辆的传感器的现场感知来生成用于车辆的潜在路径，以便实时地或接近实时地导航路口。例如，深度神经网络(DNN)可以被训练成计算各个输出——如对应于与路口相关联的关键点的热图，对应于相对于车道的方向性、航向和偏移的向量场，对应于车道的宽度的强度图，和/或对应于路口的线段的分类。可以对输出进行解码和/或以其他方式进行后处理以重建路口(或与其相对应的关键点)以及以确定用于导航车辆通过路口的建议或潜在路径。在路径。在路径。

【技术实现步骤摘要】
【国外来华专利技术】自主机器应用中的路口姿态检测

技术介绍

[0001]自主驾驶系统和高级驾驶员辅助系统(ADAS)可以利用传感器(如相机、LIDAR传感器、RADAR传感器等)来执行不同任务——如车道保持、车道变换、车道分配、相机校准、转弯、路径规划和/或定位。例如，为了使自主系统和ADAS系统独立且高效地操作，必须实现对车辆的周围环境的理解。这种理解可以包括关于物体、障碍物、车道、路口等的位置的信息，并且这种信息可以由车辆在做出路径规划或控制决策时使用——如遵循什么路径或轨迹。
[0002]举例来讲，当做出路径规划、障碍物躲避、和/或控制决策(如停在哪里、使用什么路径安全地穿过路口(intersection)、其他车辆或行人可能位于哪里等)时，关于自主或半自主车辆的环境中的路口的位置和布局的信息是重要的。当车辆在城市和/或近郊驾驶环境中运行时，这是特别重要的，其中路口理解和路径规划由于相对于公路驾驶环境的变量数量的增加而变得至关重要。例如，在车辆在双向多车道驾驶环境中执行左转通过路口的情况下，确定相对于其他车道的位置和方向性以及确定人行横道或自行车道的位置对于安全和有效的自主和本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种方法，包括：将表示车辆的图像传感器的视场中的路口的图像数据应用于神经网络；使用所述神经网络并且至少部分地基于所述图像数据来计算第一数据和第二数据，所述第一数据表示一个或更多个二维(2D)热图，所述一个或更多个二维2D热图表示与所述路口相对应的关键点的位置，所述第二数据表示对应于所述关键点的分类置信度值；对所述一个或更多个2D热图进行解码以确定所述图像中的所述关键点的像素位置；从所述分类置信度值确定对应于所述关键点的关联分类；至少部分地基于所述像素位置和所述关联分类，生成通过所述路口的一条或更多条建议的路径；以及由所述车辆使用所述一条或更多条建议的路径执行一个或更多个操作。2.根据权利要求1所述的方法，其中所述关联分类表示以下项中的一项或更多项：人行横道的入口点、所述路口的入口点、所述路口的出口点、人行横道的出口点或自行车道。3.根据权利要求1所述的方法，其中所述2D热图包括未归一化的正态分布，并且其中所述2D热图包括固定标准偏差或自适应协方差之一。4.根据权利要求1所述的方法，其中，对所述2D热图进行解码包括：执行峰值寻找算法以确定峰值概率像素，所述峰值概率像素对应于所述关键点。5.根据权利要求1所述的方法，还包括：接收与所述车辆通过所述路口的建议的操控相对应的第三数据，其中所述一个或更多个操作包括至少部分地基于所述第三数据来选择所述一条或更多条建议的路径中的至少一个。6.根据权利要求1所述的方法，还包括：使用所述神经网络计算第三数据，所述第三数据表示与对应于所述关键点的线段的方向性或对应于所述关键点的车道的航向方向中的一个或更多个相对应的一个或更多个向量场；以及至少部分地基于所述第三数据和所述关键点的所述像素位置，对所述一个或更多个向量场进行解码，以确定所述方向性或所述航向方向中的一个或更多个。7.根据权利要求6所述的方法，其中所述生成一条或更多条建议的路径还至少部分地基于所述方向性或所述航向方向中的一个或更多个。8.根据权利要求1所述的方法，还包括：使用所述神经网络计算表示与所述路口相关联的车道的宽度相对应的强度图的第三数据；以及至少部分地基于所述第三数据和所述关键点的所述像素位置，解码所述强度图以确定所述车道的所述宽度。9.根据权利要求1所述的方法，其中所述一条或更多条建议的路径包括用于使所述车辆横穿所述路口的左转弯、右转弯和直路径中的至少一个。10.根据权利要求1所述的方法，还包括：使用所述神经网络计算表示偏移向量场的第三数据，其中对所述2D热图进行解码还至少部分地基于所述偏移向量场。11.根据权利要求1所述的方法，其中生成所述一条或更多条建议的路径包括：执行曲线拟合算法以确定从所述关键点中的第一关键点到所述关键点中的第二关键点的轨迹。12.一种方法，包括：接收表示路口的图像数据；接收表示对应于所述路口内的线段的注释的第一数据...

【专利技术属性】
技术研发人员：T，
申请(专利权)人：辉达公司，
类型：发明
国别省市：