将边界框指配给对象的方法和装置制造方法及图纸

本公开涉及将边界框指配给对象的方法和装置。提供了一种将边界框指配给车辆的环境中的对象的方法。经由传感器获取与位于车辆的环境中的对象相关的数据。基于该数据确定多个初步边界框的相应空间位置和相应尺寸，使得各个初步边界框至少部分覆盖对象之一。基于所述数据估计各个初步边界框的相应速度。选择所述多个初步边界框中与所述对象中的相应一个对象相关的子集，其中，对子集进行选择取决于初步边界框中的各个初步边界框的相应速度。通过合并对应子集的初步边界框，将最终边界框指配给所述对象中的相应一个对象。所述对象中的相应一个对象。所述对象中的相应一个对象。

【技术实现步骤摘要】
将边界框指配给对象的方法和装置


[0001]本公开涉及将边界框指配给车辆环境中的对象的方法和装置。

技术介绍

[0002]对于自主驾驶和驾驶员辅助系统而言，对车辆环境的可靠感知至关重要。在汽车感知系统中，现在普遍使用雷达和激光雷达传感器，因为它们能够提供车辆环境中的对象的形状和距离，并且与例如摄像头系统相比，它们受天气的影响更小。
[0003]雷达和激光雷达传感器捕获的数据通常以所谓的鸟瞰图(bird's eye view，BEV)的形式提供，即，以好像从高处看车辆当前正移动于的平面的方式。在鸟瞰图中，对象的尺寸与它们到安装在车辆中的相应雷达或激光雷达传感器的距离无关。然而，属于不同类型的对象的尺寸可能会有很大的差异。例如，行人比小汽车小得多，而小汽车通常比卡车或巴士小得多。
[0004]当仅考虑车辆时，车辆环境中的小汽车的数量通常高于卡车或巴士的数量。因此，车辆的尺寸分布大多朝着小型车辆偏置。结果，依赖于机器学习或神经网络并利用这种偏置的车辆尺寸分布作为地面实况进行训练的感知系统往往首选小型车辆，做法是例如将小边界框指配给任何类型的车辆。结果，可能将多个小边界框指配给了一辆大型车辆。偏置的车辆尺寸分布和关于尺寸的巨大差异可能会阻止感知系统为大型车辆提供精确的边界框。
[0005]已经提出数据平衡来解决关于车辆尺寸的该偏置问题。也就是说，可以对小型车辆的对象类进行下采样，而对大型车辆的对象类进行过采样。尽管通过这种数据平衡可以实现一些改善，但在许多情况下仍将多个小边界框指配给了大型车辆。/>[0006]因此，需要提供一种能够将精确的边界框指配给对象而不管对象尺寸的方法和装置。

技术实现思路

[0007]本公开提供一种计算机实现方法、计算机系统和非暂时性计算机可读介质。
[0008]在一个方面，本公开涉及一种将边界框指配给车辆的环境中的对象的计算机实现方法。根据该方法，经由传感器获取与位于车辆的环境中的对象相关的数据。经由处理单元，基于传感器数据确定多个初步边界框的相应空间位置和相应尺寸，使得各个初步边界框至少部分覆盖所述对象之一。还经由处理单元，基于所述传感器数据估计各个初步边界框的相应速度。经由处理单元，选择所述多个初步边界框的、与所述对象中的相应一个对象相关的子集，其中，选择子集的步骤取决于所述初步边界框中的各个初步边界框的相应速度。经由处理单元，通过合并对应子集的初步边界框，将最终边界框指配给所述对象中的相应一个对象。
[0009]该方法依赖于这样的总体思路：快速移动的对象不太可能在它们的移动方向上很靠近。因此，基于相应对象的速度，该方法能够选择实际上属于某个对象的初步边界框的正确子集。也就是说，对于高速度而言，不同的初步边界框可以被合并，因为它们更有可能属
于同一对象，而不是属于在移动方向上距离很近的两个对象。另一方面，对于低速度(即，指配给这些对象的初步边界框的相应的低速度)而言，属于两个不同对象的初步边界框可以被分离。
[0010]传感器可以是安装在车辆中并且能够监测例如车辆前方的环境的雷达传感器和/或激光雷达传感器。对于这些传感器而言，边界框可以定义为鸟瞰图中的矩形，即，在平行于车辆当前正移动于的并且从高处观察的地面的平面中的二维对象。在这种情况下，可以经由位于表示边界框的矩形的成对角相对的角处的两个顶点来定义边界框。可以定位这两个顶点以设定边界框在鸟瞰图中的尺寸和取向，即，空间位置。然而，一般而言，也可以通过三维的长方体经由三个顶点的相应集合来定义边界框。
[0011]为了确定相应的初步边界框的速度，可以使用来自传感器的数据序列，例如雷达和/或激光雷达扫描的序列。相应的初步边界框的速度可以几乎与被初步边界框至少部分覆盖的相应对象的速度相同。
[0012]各个初步边界框的空间位置和尺寸可以通过机器学习算法(例如，神经网络)来确定。然而，如果对这样的机器学习算法进行训练，那么地面实况可能会被偏置，使得包括较多的较小对象，例如小汽车。因此，机器学习算法可能针对一个较大对象(例如卡车或巴士)输出多个小边界框。
[0013]基于初步边界框的速度及其空间位置，该方法因此检查初步边界框中的不止一个是否与一个对象相关，使得属于与该对象相关的边界框的某个子集的初步边界框需要被合并以便生成正确覆盖例如较大对象的最终边界框。相反，初步边界框的子集也可以仅由一个框组成。在这种情况下，该方法将简单地将这个框保持为最终边界框。因此，根据本公开的方法能够为对象提供正确的边界框，而不管它们的尺寸。也就是说，卡车或巴士可以被通过根据本专利技术的方法生成的单个最终边界框正确地覆盖。
[0014]该方法可以包括以下特征中的一个或更多个：
[0015]可以针对各个初步边界框确定所述速度的方向，并且可以通过以下步骤针对各个初步边界框生成相应的修改尺寸后的框：在速度的方向上和垂直于该速度的方向的横向方向上收缩所述初步边界框，以及在所述速度的方向上扩展所述初步边界框，其中，扩展所述初步边界框的步骤取决于针对所述初步边界框估计的所述速度的绝对值。可以为相应子集选择具有重叠的修改尺寸后的框的初步边界框。
[0016]为了收缩初步边界框，相应的初步边界框的长度和宽度可以按相同的因子缩小。为了扩展初步边界框，可以将相应的初步边界框在所述速度的方向上的长度乘以所述速度的绝对值并乘以扩展因子。
[0017]为了选择所述多个初步边界框的子集，可以将最大连通子图算法应用于所有初步边界框。如果两个修改尺寸后的框的交并比大于预定义阈值，则可以认为这两个修改尺寸后的框是重叠的。
[0018]可以为相应子集的初步边界框估计形心，并且可以针对所述子集的所述初步边界框确定与所述形心具有最大距离的最远顶点。可以基于所述最远顶点确定所述最终边界框。
[0019]可以通过在初步边界框的对应子集上对所估计的速度求平均值来确定所述最终边界框的速度。可以针对所述初步边界框中的各个初步边界框确定属性，并且可以基于所
述属性来判定是否可以从对应子集中排除所选定的初步边界框。可以将概率分布指配给属于相应子集的初步边界框的属性的值，并且如果指配给所选定的初步边界框的所述属性的值的概率小于预定阈值，则可以从对应子集中排除所选定的初步边界框。可以将机器学习算法应用于所述传感器数据以确定各个初步边界框的空间位置和尺寸。
[0020]根据实施方式，可以针对各个初步边界框确定速度的方向。可以通过以下步骤针对各个初步边界框生成相应的在尺寸方面进行修改的框：在速度的方向上和垂直于速度的方向的横向方向上收缩初步边界框；以及在速度的方向上扩展初步边界框，其中，扩展初步边界框的步骤可以取决于针对初步边界框估计的速度的绝对值。可以为相应子集选择具有重叠的修改尺寸后的框的初步边界框，以便为相应对象生成最终边界框。
[0021]针对该实施方式，可以对各个初步边界框应用收缩步骤和扩展步骤，以经由属于相应对象的初步边界框的重叠的修改尺寸后的框对这些初步边界框进行聚类。由于收缩步骤与速度无本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种将边界框指配给车辆(10)的环境中的对象(17)的计算机实现方法，所述计算机实现方法包括以下步骤：经由传感器(13)获取与位于所述车辆(10)的所述环境中的对象(17)相关的数据；经由处理单元(15)：基于传感器数据确定多个初步边界框(27)的相应空间位置和相应尺寸，使得各个初步边界框(27)至少部分覆盖所述对象(17)之一，基于所述传感器数据估计各个初步边界框(27)的相应速度(31)，选择所述多个初步边界框(27)中与所述对象(17)中的相应一个对象相关的子集，其中，对所述子集进行选择取决于所述初步边界框(27)中的各个初步边界框的所述相应速度(31)；以及通过合并对应子集的所述初步边界框(27)，将最终边界框(29)指配给所述对象(17)中的相应一个对象。2.根据权利要求1所述的计算机实现方法，其中，针对各个初步边界框(27)确定所述速度(31)的方向，通过以下步骤，针对各个初步边界框(27)生成相应的修改尺寸后的框(33)：在速度(31)的方向上和垂直于所述速度(31)的方向的横向方向上收缩所述初步边界框(27)，以及在所述速度(31)的方向上扩展所述初步边界框(27)，其中，扩展所述初步边界框(27)的步骤取决于针对所述初步边界框(27)估计的所述速度(31)的绝对值，为相应子集选择具有重叠的修改尺寸后的框(33)的初步边界框(27)。3.根据权利要求2所述的计算机实现方法，其中，为了收缩所述初步边界框(27)，相应的初步边界框(27)的长度和宽度按相同的因子缩小。4.根据权利要求2或3所述的计算机实现方法，其中，为了扩展所述初步边界框(27)，将相应的初步边界框(27)在所述速度(31)的方向上的长度乘以所述速度(31)的绝对值并乘以扩展因子。5.根据权利要求2至4中任一项所述的计算机实现方法，其中，为了选择所述多个初步边界框(27)的子集，将最大连通子图算法应用于所有初步边界框(27)。6.根据权利要求2至5中任一项所述的计算机实现方法，其中，如果两个修改尺寸后的框(33)的交并比大于预定义阈值，则认为这两个修改尺寸后的框(33)是重叠的。7.根据权利要求1至6中任一项所述的计算机实现方法，其中，针对相应子集的所述初步边界框(27)估计形心，针对所述子集的...

【专利技术属性】
技术研发人员：苏煜，
申请(专利权)人：APTIV技术有限公司，
类型：发明
国别省市：