信息处理装置、信息处理方法、程序和可移动对象制造方法及图纸

本发明专利技术提高了识别移动体的外部环境的精确度。获取具有与移动体的移动场景对应的图像特征(地区、日期与时间、天气等)的图像数据。使用图像数据执行训练，并且从移动场景的图像数据中获取用于识别移动体的外部环境的推断用DNN的系数。例如，外部环境是语义分割、深度等。借助于在其中设置了推断用DNN的系数的推断用DNN，可以从移动场景的图像数据中准确地识别移动体的外部环境。移动体的外部环境。移动体的外部环境。

【技术实现步骤摘要】
【国外来华专利技术】信息处理装置、信息处理方法、程序和可移动对象


[0001]本技术涉及信息处理装置、信息处理方法、程序和可移动对象，并且具体地，涉及用于提高对可移动对象的外部环境的识别精确度的信息处理装置和其他。

技术介绍

[0002]通常地，自动驾驶车辆配备有车载摄像装置，基于行驶场景的图像数据识别外部环境，并且使用识别的结果自动地控制驾驶。例如，识别结果基于语义分割或者深度。因为它与安全直接相关，所以识别外部环境需要非常高的精确度。
[0003]为了识别行驶场景的图像数据，已知使用深度神经网络(DNN)作为机器学习技术。在这种情况下，利用由车载摄像装置实际捕获的行驶场景的图像数据执行学习，从而预先获取推断用DNN的系数。
[0004]在使用DNN基于行驶场景的图像数据识别外部环境时，行驶场景的图像数据与用于学习的行驶场景的图像数据之间的大差距导致识别结果的精确度下降。在学习中使用尽可能多的场景的图像数据，使得在一定程度上提高识别结果的精确度。然而，不可能执行覆盖全球各种场景的图像数据的学习。
[0005]例如，专利文献1公开了：消除每个捕获位置的学习数据数量的偏差使得能够获取通用学习系数。
[0006]引用列表
[0007]专利文献
[0008]专利文献1：日本专利申请特许公开第2018
‑
195237号

技术实现思路

[0009]专利技术要解决的问题
[0010]本技术的目的是提高对可移动对象的外部环境的识别精确度。
[0011]问题的解决方案
[0012]根据本技术的概念，提供一种信息处理装置，包括：
[0013]图像数据获取单元，其被配置成获取具有与可移动对象的移动场景对应的图像特征的图像数据；以及
[0014]学习用DNN单元，其被配置成：利用由图像数据获取单元获取的图像数据执行学习，以获取用于从移动场景的图像数据中识别可移动对象的外部环境的推断用DNN的系数。
[0015]在本技术中，图像数据获取单元获取具有与可移动对象的移动场景对应的图像特征的图像数据。例如，图像特征可以包括位置元素。在这种情况下，例如，图像特征还可以包括天气元素或日期与时间元素。
[0016]学习用DNN单元利用由图像数据获取单元获取的图像数据执行学习，以获取用于从移动场景的图像数据中识别可移动对象的外部环境的推断用DNN的系数。例如，基于第一时间区中的推断用DNN的系数，学习用DNN单元可以利用由图像数据采集单元获取的图像数
据执行转移学习，以获取要在第一时间区之后的第二时间区中使用的推断用DNN的系数。
[0017]如上所述，在本技术中，利用具有与可移动对象的移动场景对应的图像特征的图像数据执行学习，并且从移动场景的图像数据中获取用于识别可移动对象的外部环境的推断用DNN的系数。设定了推断用DNN的系数的推断用DNN能够从移动场景的图像数据中准确地识别可移动对象的外部环境。
[0018]注意，在本技术中，例如，信息处理装置还可以包括图像数据接收单元，其被配置成：在将位置信息以及日期与时间信息添加到图像数据的情况下，从可移动对象接收移动场景的图像数据。此外，在本技术中，例如，信息处理装置还可以包括系数发送单元，其被配置成将由学习用DNN单元获取的推断用DNN的系数发送至可移动对象。在这种情况下，例如，当由学习用DNN单元获取的推断用DNN的系数的评价值高于通用系数的评价值时，系数发送单元可以将由学习用DNN单元获取的推断用DNN的系数发送至可移动对象。这种布置使得可移动对象能够使用具有更高评价值的系数。
[0019]此外，根据本技术的另一概念，提供了一种可移动对象，包括：
[0020]推断用DNN单元，其被配置成用于从移动场景的图像数据中识别外部环境；
[0021]控制单元，其被配置成用于基于来自推断用DNN单元的识别结果来控制移动；以及
[0022]系数接收单元，其被配置成从云服务器接收要由推断用DNN单元使用的推断用DNN的系数，
[0023]其中，通过利用具有与移动场景对应的图像特征的图像数据执行学习来获得推断用DNN的系数。
[0024]在本技术中，可移动对象包括用于从移动场景的图像数据中识别外部环境的推断用DNN单元。控制单元基于来自推断用DNN单元的识别结果控制移动。此外，系数接收单元从云服务器接收要由推断用DNN单元使用的推断用DNN的系数。此处，通过利用具有与移动场景对应的图像特征的图像数据执行学习来获得推断用DNN的系数。
[0025]如上所述，在本技术中，通过利用具有与移动场景对应的图像特征的图像数据执行学习来获得推断用DNN的系数，并且从云服务器接收要由推断用DNN单元使用的推断用DNN的系数。这种布置使得推断用DNN单元能够从移动场景的图像数据中准确地识别可移动对象的外部环境。
[0026]注意，在本技术中，例如，可移动对象还可以包括图像数据发送单元，其被配置成：在将位置信息以及日期与时间信息添加到图像数据的情况下，向云服务器发送移动场景的图像数据。这种布置能够向云服务器提供移动场景的图像数据。此外，可以向云服务器提供关于该可移动对象的位置信息，并且可以容易地从云服务器接收与该可移动对象正在移动的地区对应的推断用DNN的系数。
[0027]此外，在本技术中，例如，可移动对象还可以包括：学习用DNN单元，其被配置成利用移动场景的图像数据执行学习以获取推断用DNN的系数；以及系数发送单元，其被配置成向云服务器发送由学习用DNN单元获取的推断用DNN的系数。通过这种布置，在由于云服务器对图像数据收集不足而无法通过执行学习获取推断用DNN的系数的情况下，由学习用DNN单元获取的推断用DNN的系数可以用作替代。
[0028]此外，在本技术中，例如，在可移动对象在第一地区与第二地区之间的重叠区域中朝向第二地区侧移动的情况下，当系数接收单元从云服务器接收与第二地区对应的推断用
DNN的系数时，推断用DNN单元可以从与第一地区对应的推断用DNN的系数切换成与第二地区对应的推断用DNN的系数。通过这种布置，即使在可移动对象正在移动的地区发生变化的情况下，它也能够使设置了适当系数的推断用DNN在不受到传输延迟影响的情况下工作。
[0029]此外，在本技术中，推断用DNN单元可以包括第一推断用DNN和第二推断用DNN，在可移动对象在第一地区中移动的情况下，系数接收单元可以接收与可移动对象接下来要移动到的第二地区对应的推断用DNN的系数，可以将与第一地区对应的推断用DNN的系数设置成第一推断用DNN并且将与第二地区对应的推断用DNN的系数设置成第二推断用DNN，并且当可移动对象从第一地区移动到第二地区中时，推断用DNN单元可以从使用中的第一推断用DNN切换成要使用的第二推断用DNN。通过这种布置，即使在可移动对象正在移动的地区发生变化的情况下，它也能够使设置了适当系数的推断用DNN在不受传输延迟影响的情况下工作。
[003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】1.一种信息处理装置，包括：图像数据获取单元，其被配置成获取具有与可移动对象的移动场景对应的图像特征的图像数据；以及学习用DNN单元，其被配置成：利用由所述图像数据获取单元获取的图像数据执行学习，以获取用于从所述移动场景的图像数据中识别所述可移动对象的外部环境的推断用DNN的系数。2.根据权利要求1所述的信息处理装置，其中，所述图像特征包括位置元素。3.根据权利要求2所述的信息处理装置，其中，所述图像特征还包括天气元素。4.根据权利要求2所述的信息处理装置，其中，所述图像特征还包括日期与时间元素。5.根据权利要求1所述的信息处理装置，其中，所述学习用DNN单元基于第一时间区中的所述推断用DNN的系数，利用由所述图像数据获取单元获取的图像数据执行转移学习，以获取要在所述第一时间区之后的第二时间区中使用的所述推断用DNN的系数。6.根据权利要求1所述的信息处理装置，还包括：图像数据接收单元，其被配置成：以位置信息以及日期与时间信息被添加到所述图像数据的状态，从所述可移动对象接收所述移动场景的图像数据。7.根据权利要求1所述的信息处理装置，还包括：系数发送单元，其被配置成向所述可移动对象发送由所述学习用DNN单元获取的所述推断用DNN的系数。8.根据权利要求7所述的信息处理装置，其中，当由所述学习用DNN单元获取的所述推断用DNN的系数的评价值高于通用系数的评价值时，所述系数发送单元将由所述学习用DNN单元获取的所述推断用DNN的系数发送至所述可移动对象。9.一种信息处理方法，包括：获取具有与可移动对象的移动场景对应的图像特征的图像数据的过程；以及利用获取的所述图像数据执行学习，以获取用于从所述移动场景的图像数据中识别所述可移动对象的外部环境的推断用DNN的系数的过程。10.一种用于使计算机用作以下的程序：图像数据获取装置，其被配置成获取具有与可移动对象的移动场景对应的图像特征的图像数据；以及学习用DNN装置，其被配置成：利用由所述图像数据获取装置获取的图像数据执行学习，以获取用于从所述移动场景的图像数据中识别所述可移动对象的外部环境的推断用DNN的系数。11.一种可移动对象，包括：推断用DNN单元，其被配置成从移动场景的图像数据识别外部环境；控制单元，其被配置成基于来自所述...

【专利技术属性】
技术研发人员：入江大辅，高桥修一，
申请(专利权)人：索尼集团公司，
类型：发明
国别省市：