标记方法技术

本发明专利技术涉及一种标记方法，该标记方法用于对借助机动车辆记录的雷达数据进行离线后处理，除了雷达传感装置之外，这些机动车辆各自配备有至少一个光学传感装置，该至少一个光学传感装置记录被预处理的光学数据。为了改进借助机动车辆记录的雷达数据的品质，将被预处理的光学数据在三维空间中转用至雷达数据，以便给被标记的雷达数据提供附加信息。给被标记的雷达数据提供附加信息。给被标记的雷达数据提供附加信息。

【技术实现步骤摘要】
标记方法


[0001]本专利技术涉及一种标记方法，该标记方法用于对借助机动车辆记录的雷达数据进行离线后处理，除了雷达传感装置之外，这些机动车辆各自配备有至少一个光学传感装置，该至少一个光学传感装置记录被预处理的光学数据。

技术介绍

[0002]从美国公开申请US 2019/0384303 A1已知一种在线方法，其中在车辆的运行中轨迹数据自动地基于感知传感器数据与速度数据和取向数据的关系而被标识，这些轨迹数据在由人控制部分车辆运行期间生成，其中轨迹训练数据至少部分包括如下训练数据，这些训练数据被标注在2D像空间中并且在3D世界坐标中被转化为轨迹符号。从美国公开申请US 2018/0089538 A1已知一种方法，其中多个异质传感器将所记录的对象的传感器数据向一个共用的框架中转换。从美国公开申请US 2020/0150235 A1已知一种用于从车辆的传感器接收一组测量结果的方法，其中该组测量结果包括多个数据点，该多个数据点表示在围绕车辆的三维空间中的多个对象，其中每个数据点是一组3D空间坐标。

技术实现思路

[0003]本专利技术的目的在于，提高借助机动车辆记录的雷达数据的品质，除了雷达传感装置之外，这些机动车辆各自配备有至少一个光学传感装置，该至少一个光学传感装置记录被预处理的光学数据。
[0004]在用于对借助机动车辆(除了雷达传感装置外，这些机动车辆各自配备有至少一个光学传感装置，该至少一个光学传感装置记录被预处理的光学数据)记录的雷达数据进行离线后处理的标记方法中，如下地实现该目的，即：将被预处理的光学数据在三维空间中转用至雷达数据，以便为被标记的雷达数据提供附加信息。将光学传感装置和雷达传感装置各自一起安装到机动车辆上。这两者一起是车载传感装置的一部分。在机动车辆的运行期间用车载传感装置记录或检测数据。这些数据例如藉由串行总线系统提供。在标记时，给单独的数据或数据点提供一个标记或多个标记。通过所要求保护的标记方法，借助于被预处理的光学数据来对所记录的雷达数据进行标注或丰富。
[0005]该标记方法的一个优选实施例的特征在于，在受监测的机器学习方法中利用整个车队的雷达数据和光学数据来执行该标记方法。在车辆之外、优选地在后端或在没有在机动车辆上的独立的计算机上实施机器学习方法。以这种方式可以有利地使用极大量的数据，以便显著提高或可以实现借助机动车辆记录的雷达数据的品质以及在机动车辆上建立的、受训练的功能模块。
[0006]该标记方法的另一个优选实施例的特征在于，在检测层面上为测量结果的每个雷达数据记录分配单独的标记，这些标记包括光学数据记录的诸如真实性、语义、对象所属、边缘信息、深度信息等属性。有利地，可以将以这种方式丰富的测量数据用于开发对雷达数据进行机器学习的其他方案。例如感知功能或驾驶功能。
[0007]该标记方法的另一个优选实施例的特征在于，通过投影到三维空间中将二维的光学数据转用至这些雷达数据。利用该步骤，例如先前在二维的图像区域中生成的信息(有利地在考虑到不确定性的情况下)能够被最高效地转用至三维的点云。
[0008]该标记方法的另一个优选实施例的特征在于，在预处理时将不确定性提供给经预处理的这些光学数据。例如能够通过蒙特卡罗(Monte Carlo)Dropout方法或相似的方法来确定这些不确定性。通过在像空间中生成的信息的所提供的不确定性能够进一步提高雷达数据的品质。
[0009]该标记方法的另一个优选实施例的特征在于，这些光学数据包括用至少一个摄像头记录的摄像头数据。有利地使用多个摄像头来记录摄像头数据，该多个摄像头例如被安装在机动车辆的前部、后部和/或侧面。甚至在重叠的图像区域中也可以借助摄像头有利地记录机动车辆的整个环境并且在重叠情况下进行比较。
[0010]该标记方法的另一个优选实施例的特征在于，这些光学数据包括用至少一个激光雷达传感装置记录的激光雷达数据。激光雷达传感装置例如被安装在车辆顶盖上。缩写“Lidar”代表英文术语“Light Detection and Ranging”。在此涉及与雷达相关的用于进行光学测量的方法。使用激光束来代替在雷达情况下的无线电波。
[0011]该标记方法的另一个优选实施例的特征在于，可以将具有附加信息的被标记的雷达数据以及传感器的运用于此的光学信息(在未处理的以及已处理的状态下)用于建立针对用于进行机器学习的模块的后续训练的数据集。通过所形成的数据集，同样还可以使用用于基于雷达数据和光学信息的可任意组合和/或合并的数据输入形式进行机器学习的模块。因此，可以借助极其多的数据有效改进针对机动车辆运行的环境识别。
[0012]此外，本专利技术涉及一种计算机可读的存储介质，该存储介质包含指令，如果指令由预处理装置实施，则指令促使该预处理装置执行上文所述的方法。
[0013]此外，本专利技术涉及一种具有数据集的计算机可读的存储介质，该数据集包括根据上文所述的方法被标记的雷达数据。计算机可读的存储介质是能够独立操作的。
附图说明
[0014]从参照附图来详细描述各个实施例的以下说明中得出本专利技术的其他优点、特征和细节。在附图中：
[0015]图1以俯视图示出具有车载传感装置的机动车辆；
[0016]图2示出结构图，该结构图展示了用于对雷达数据进行离线后处理的标记方法的结构上的架构；以及
[0017]图3示出用于展示标记方法的数据流程图。
具体实施方式
[0018]图1以俯视图示出机动车辆1，该机动车辆具有前部2、尾部3、侧面4、5以及车辆顶盖6。机动车辆1配备有车载传感装置9。
[0019]车载传感装置9包括布置在车辆顶盖6上的惯性测量单元7。惯性测量单元7还被称为英文术语“Inertial Measurement Unit(IMU)”。在此是多个惯性传感器(例如加速度传感器和转速传感器)的空间组合。
[0020]传感器或IMU例如用于记录机动车辆1的运动和/或加速度。所记录的运动数据和/或加速度数据能够有利地被用于稳像。
[0021]车载传感装置9还包括至少一个光学传感装置8。光学传感装置8进而包括摄像头传感装置20和激光雷达传感装置30。此外，车载传感装置9包括雷达传感装置10。
[0022]在所展示的实施例中，雷达传感装置10总体上包括六个雷达传感器11至16，这些雷达传感器被安装到机动车辆1的前部和后部的拐角以及侧面。
[0023]在所展示的实施例中，摄像头传感装置20总体上包括四个摄像头21至24，这些摄像头被安装到机动车辆1的前部、后部以及侧面。激光雷达传感装置30被布置在车辆顶盖6上的相对中央处。
[0024]借助机动车辆1，在运行时由车载传感装置9记录数据。用雷达传感装置10记录雷达数据。用摄像头传感装置20记录摄像头数据。用激光雷达传感装置30记录激光雷达数据。
[0025]在图2和图3中展示了，给雷达数据提供标记和/或注释或标注。所谓的标记或任意标注是将受监测的机器学习的方法运用于雷达数据以本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种标记方法，该标记方法用于对借助机动车辆(1)记录的雷达数据(46)进行离线后处理，除了雷达传感装置(10)之外，这些机动车辆各自配备有至少一个光学传感装置(8)，该至少一个光学传感装置记录被预处理的光学数据(43)，其特征在于，将被预处理的这些光学数据(43)在三维空间中转用至这些雷达数据(46)，以便给被标记的雷达数据(56)提供附加信息。2.根据权利要求1所述的标记方法，其特征在于，在受监测的机器学习方法中利用整个车队的雷达数据(46)和光学数据(43)来执行该标记方法。3.根据前述权利要求之一所述的标记方法，其特征在于，在检测层面上为测量结果的每个雷达数据记录分配单独的标记，这些标记包括光学数据记录的诸如真实性、语义、对象所属、边缘信息、深度信息等属性。4.根据前述权利要求之一所述的标记方法，其特征在于，通过投影(28；33)到三维空间中将二维的光学数据转用至雷达数据(46)。5.根...

【专利技术属性】
技术研发人员：S，
申请(专利权)人：保时捷股份公司，
类型：发明
国别省市：