为识别模型生成训练数据的方法和生成识别模型的方法技术

本发明专利技术涉及一种用于为用于在车辆的环境传感装置的传感器数据中识别对象的识别模型生成训练数据的方法，包括：将分别包括环境传感装置的第一和第二环境传感器的多个时间上连续的真实测量的第一和第二传感器数据输入学习算法，第一环境传感器的每个真实测量分配有第二环境传感器的时间上对应的真实测量；通过学习算法基于第一和第二传感器数据来生成训练数据生成模型，其生成分配给第一环境传感器的测量的第二环境传感器的测量；将包括第一环境传感器的多个时间上连续的模拟测量的第一模拟数据输入训练数据生成模型；通过训练数据生成模型，基于第一模拟数据生成包括第二环境传感器的多个时间上连续的模拟测量的第二模拟数据作为训练数据。模拟数据作为训练数据。模拟数据作为训练数据。

【技术实现步骤摘要】
为识别模型生成训练数据的方法和生成识别模型的方法


[0001]本专利技术涉及一种用于为用于在车辆的环境传感装置的传感器数据中识别对象的识别模型生成训练数据的方法、一种用于生成用于在车辆的环境传感装置的传感器数据中识别对象的识别模型的方法以及一种用于操控车辆的执行器的方法。本专利技术还涉及一种用于实施所提到的方法中的至少一种方法的装置、计算机程序和计算机可读介质。

技术介绍

[0002]研发、优化和测试自主或部分自主驾驶和辅助功能的一个重要方面是大量可能的要考虑的条件。一方面，这涉及在训练用于实现这种系统的算法时考虑尽可能所有重要的条件。另一方面，应该在所有条件下确保系统的足够的性能并且因此应该确保系统的安全性，其方式是针对可能的情况执行对算法和功能的测试。所要考虑的条件例如可以是：环境的不同状态，例如由于天气条件或照明变化而引起的不同状态，这些不同状态根据相应的传感器模态来影响测量数据；不同的交通状况；或者其他交通成员的不断变化的行为方式。尤其是在部分自主功能的情况下，也要考虑自我车辆的不同的驾驶情况和驾驶风格。为此，可以执行适合的行驶试验或者也可以执行模拟。
[0003]为了处理传感器数据和/或为了识别对象，例如可以使用机器学习算法，比如以人工神经网络的形式。为了训练这种算法，通常需要对最初未标记的样本进行注释，也就是说确定在自我车辆的周围环境中的重要的静态和/或动态对象的地面实况参数。这例如可以通过手动分配标记来实现，这由于数据量大而可能非常费时且成本非常高昂。

技术实现思路

[0004]在该背景下，利用这里介绍的方案，提出了按照独立权利要求所述的一种用于生成训练数据的方法、一种用于生成识别模型的方法、一种用于操控车辆的执行器的方法、一种装置、一种计算机程序和一种计算机可读介质。这里所介绍的方案的有利的扩展方案和改进方案从说明书得到并且在从属权利要求中予以描述。
[0005]本专利技术的优点本专利技术的实施方式能够有利地实现：比如结合自动驾驶车辆或自主机器人，在不手动分配标记的情况下生成被标记的训练数据，用于环境识别模型的机器学习。由此，用于实现、优化和/或评估自主驾驶功能的时间和财务花费可以显著降低。
[0006]例如，（部分）自主车辆在行驶试验中的所要测试的功能要么可以直接在车辆中被评判，要么可以记录传感器数据，而且在需要时可以记录重要的系统状态。所记录的数据可以被称为样本。然后，可以依据该样本来执行对算法和功能的评估。
[0007]用于获得标记数据的另一种可能性是执行模拟。在这种情况下，可以依据适合的生成模型来生成合成传感器数据。这种模拟的结果又可以是样本，其中在这种情况下，地面实况参数或者标记直接可供支配，使得可以省去耗费的手动标记。
[0008]然而，在实践中，这种模拟通常只是有限应用，因为通常无法针对所有传感器模态
及其与周围环境的交互实现足够准确的生成模型。例如，基于复杂的物理关系来生成真实的雷达传感器测量数据是一个相当大的挑战。
[0009]在下文所描述的方案能够实现：以足够的质量并且以比较低的计算花费来为难以模拟或者只能以非常高的花费来模拟的传感器模态、诸如雷达传感器提供合成传感器数据。
[0010]本专利技术的第一方面涉及一种用于为用于在车辆的环境传感装置的传感器数据中识别对象的识别模型生成训练数据的计算机实现的方法。该方法至少包括如下步骤：将第一传感器数据和第二传感器数据输入到学习算法中，其中第一传感器数据包括环境传感装置的第一环境传感器的多个时间上连续的真实测量，第二传感器数据包括环境传感装置的第二环境传感器的多个时间上连续的真实测量，并且第一环境传感器的真实测量中的每个真实测量都分配有第二环境传感器的时间上对应的真实测量；通过学习算法，基于第一传感器数据和第二传感器数据来生成训练数据生成模型，该训练数据生成模型生成被分配给第一环境传感器的测量的第二环境传感器的测量；将第一模拟数据输入到该训练数据生成模型中，其中第一模拟数据包括第一环境传感器的多个时间上连续的模拟测量；而且通过该训练数据生成模型，基于第一模拟数据来生成第二模拟数据作为训练数据，其中第二模拟数据包括第二环境传感器的多个时间上连续的模拟测量。
[0011]该方法例如可以由处理器自动实施。
[0012]车辆可以是机动车，比如以载客车（Pkw）、载货车（Lkw）、公共汽车或摩托车的形式。在更广泛的意义上，车辆也可以被理解成自主移动机器人。
[0013]第一环境传感器和第二环境传感器可以在它们的传感器类型方面彼此不同。换言之，这两个环境传感器可以是不同的传感器模态或传感器实体。第二环境传感器尤其可以是其测量与第一环境传感器的测量相比可以不那么好地被模拟的环境传感器。这样，第一环境传感器例如可以是激光雷达传感器或摄像机，而第二环境传感器例如可以是雷达传感器或超声传感器。
[0014]第一环境传感器和第二环境传感器应该彼此取向为使得这些环境传感器的相应的检测范围至少部分地重叠。
[0015]测量通常可以被理解成所观察到的输入、在特定时间间隔内的测量值集合或者特征值向量。
[0016]例如，第一环境传感器的真实测量中的每个真实测量都可以在某个时间点分配有在同一时间点或近似同一时间点的第二环境传感器的时间上对应的真实测量。
[0017]第一传感器数据和第二传感器数据可以分别是未标记的、也就是说未注释的数据。第一模拟数据和第二模拟数据同样可以是未标记数据。然而，例如可以在生成第一模拟数据时自动化地生成相对应的标记，接着在生成识别模型时可以使用这些标记，用于对输入数据、例如第二模拟数据的注释。由此，可以省去对标记的手动创建和/或分配。
[0018]学习算法通常可以被理解成用于模型的机器学习的算法，该模型将输入转换成特定输出，例如用于分类或回归模型的学习。例如可以通过无监督学习来生成训练生成模型。可能的学习算法的示例是人工神经网络、遗传算法、支持向量机、k
‑
Means、核回归或判别分析。学习算法也可包括所提到的示例中的多个示例的组合。
[0019]第一模拟数据例如可以已经通过适合的计算模型来生成，该计算模型描述了至少第一环境传感器和车辆的借助于第一环境传感器所要检测的环境的物理特性、更准确地说在车辆的环境中的借助于第一环境传感器所要识别的对象的物理特性（见下文）。该计算模型也可以描述第一环境传感器与车辆的环境之间的物理相互作用。
[0020]对应于第一环境传感器的真实测量与第二环境传感器的真实测量的时间相关，第一环境传感器的模拟测量也可以与第二环境传感器的模拟测量时间相关。换言之，训练数据生成模型可以被配置用于：为第一环境传感器的每个模拟测量，生成第二环境传感器的时间上对应的模拟测量，也就是说将第一环境传感器的每个模拟测量都转换成第二环境传感器的相对应的模拟测量。
[0021]训练数据可以被理解成适合于训练、也就是说生成和/或测试识别模型的数据。例如，训练数据的第一子集可以被用于训练识别模型，并且训练数据的第二子本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于为用于在车辆（110）的环境传感装置（122）的传感器数据（120）中识别对象（106、108）的识别模型（104）生成训练数据（102）的方法，其中所述方法包括：将第一传感器数据（120a）和第二传感器数据（120b）输入（210）到学习算法中，其中所述第一传感器数据（120a）包括所述环境传感装置（122）的第一环境传感器（122a）的多个时间上连续的真实测量，所述第二传感器数据（120b）包括所述环境传感装置（122）的第二环境传感器（122b）的多个时间上连续的真实测量，并且所述第一环境传感器（122a）的真实测量中的每个真实测量都分配有所述第二环境传感器（122b）的时间上对应的真实测量；通过所述学习算法，基于所述第一传感器数据（120a）和所述第二传感器数据（120b）来生成（220）训练数据生成模型（124），所述训练数据生成模型生成被分配给所述第一环境传感器（122a）的测量的所述第二环境传感器（122b）的测量；将第一模拟数据（126a）输入（230）到所述训练数据生成模型（124）中，其中所述第一模拟数据（126a）包括所述第一环境传感器（122a）的多个时间上连续的模拟测量；而且通过所述训练数据生成模型（124），基于所述第一模拟数据（126a）来生成（240）第二模拟数据（126b）作为所述训练数据（102），其中所述第二模拟数据（126b）包括所述第二环境传感器（122b）的多个时间上连续的模拟测量。2.根据权利要求1所述的方法，其中所述学习算法包括人工神经网络（138、140）。3.根据上述权利要求中任一项所述的方法，其中所述学习算法包括：用于生成所述第二模拟数据（126b）的生成器（138）；和用于基于所述第一传感器数据（120a）和/或所述第二传感器数据（120b）来评估所述第二模拟数据（126b）的鉴别器（140）。4.根据上述权利要求中任一项所述的方法，所述方法还包括：通过计算模型（130）来生成（230'）所述第一模拟数据（126a），所述计算模型描述了至少所述第一环境传感器（122a）和所述车辆（110）的环境的物理特性。5.根据权利要求4所述的方法，其中所述计算模型（130）给所述第一环境传感器（122a）的模拟测量中的每个模拟测量都分配目标值（142），所述目标值应该通过所述识别模型（104）来输出。6. 一种用于生成用于在车辆（110）的环境传感装置（122）的传感器数据（120...

【专利技术属性】
技术研发人员：C，
申请(专利权)人：罗伯特，
类型：发明
国别省市：