用于运行至少部分自动化行驶的载具的方法和载具技术

本发明专利技术涉及一种用于运行自动化行驶的载具(50)的方法，其中，借助于至少一个传感器(51)检测传感器数据(10)，其中，借助于重建方法(30)重建检测到的传感器数据(10)，其中，将检测到的传感器数据(10)和经重建的传感器数据(11)分别供应给基于机器学习的感知功能(2)，其中，在分别借助于感知功能(2)产生的输出(20,21)之间借助于距离度量(31)确定距离(32)，其中，将所确定的距离(32)与至少一个预设的阈值(25)比较，并且其中，如果所确定的距离(32)超过至少一个预设的阈值(25)，则执行至少一个安全措施(15)。此外，本发明专利技术涉及一种载具(50)和一种用于识别基于机器学习的感知功能(2)的样本外数据的方法。能(2)的样本外数据的方法。能(2)的样本外数据的方法。

【技术实现步骤摘要】
【国外来华专利技术】用于运行至少部分自动化行驶的载具的方法和载具


[0001]本专利技术涉及一种用于运行至少部分自动化行驶的载具的方法和一种载具。

技术介绍

[0002]机器学习(例如基于神经网络)具有巨大的潜力用于在现代驾驶员辅助系统和自动化行驶的载具中的应用。基于深度神经网络的功能在此处理传感器数据(例如，来自摄像机、雷达传感器或激光雷达传感器)，以便由此得出相关信息。这些信息例如包括在机动车的环境中的物体的类型和位置、物体的行为或车道几何结构或拓扑结构。
[0003]在开发深度神经网络(训练)时的重要特征在于在没有专家干预的情况下的纯数据驱动的参数拟合：在此，确定神经网络的输出(针对给定的参数化)与实况(英文：ground truth)的偏差(所谓的损失)。在此使用的损失函数(Lossfunktion)以如下方式来选择，即神经网络的参数可微分地依赖于该损失函数。在梯度下降法的范畴内，在每个训练步骤中根据(在多个示例上确定的)偏差的导数来适配神经网络的参数。这些训练步骤被非常多次地重复，直到损失不再减少。
[0004]在该过程中，神经网络的参数在没有专家评估或以语义为动机的建模的情况下来确定。然而，神经网络也具有缺点。如此，基于传感器数据/输入数据中的对抗性干扰的攻击例如可导致，尽管检测到的传感器数据中的内容在语义上没有变化，却进行错误分类和错误的语义分割。此外，仅当输入数据源自在其上训练过神经网络的数据域时(也就是说在样本内数据的情况下)，那么神经网络的质量才始终高。反之，如果输入数据来自不同的数据域(样本外数据)，则神经网络的输出的质量可下降。
[0005]尤其在其中要求较高的安全需求的自动化行驶的范围内，必须能够在进行进一步处理之前识别出样本外数据。
[0006]从Chuan Guo等人的Countering Adversarial Images Using Input Transformations, arXiv:1711.00117v3 [cs.CV], 25. Jan. 2018, https://arxiv.org/pdf/1711.00117.pdf中已知一种用于消除图像数据中的对抗性干扰的绗缝法和总方差最小化法。

技术实现思路

[0007]本专利技术目的在于，提供一种用于运行至少部分自动化行驶的载具的方法和一种载具，在其中可以识别出尤其由对抗性干扰引起的样本外数据并在识别之后对此作出反应。
[0008]根据本专利技术，该目的通过具有专利权利要求1的特征的方法和具有专利权利要求9的特征的载具来实现。本专利技术的有利的设计方案由从属权利要求得出。
[0009]尤其地，提供一种用于运行至少部分自动化行驶的载具的方法，其中，借助于至少一个传感器检测传感器数据，其中，借助于重建法重建检测到的传感器数据，其中，将检测到的传感器数据和经重建的传感器数据分别供应给基于机器学习的感知功能(Wahrnehmungsfunktion)，其中，在分别借助于感知功能产生的输出之间借助于距离度量
确定距离，其中，将所确定的距离与至少一个预设的阈值比较，并且其中，如果所确定的距离超过至少一个预设的阈值，则执行至少一个安全措施。
[0010]此外，尤其提供了一种载具，其中，载具至少部分自动化地行驶，该载具包括：至少一个传感器，其中，至少一个传感器设立成检测传感器数据；以及控制设备，其中，控制设备设立成提供基于机器学习的感知功能，借助于重建方法重建检测到的传感器数据，将检测到的传感器数据和经重建的传感器数据分别供应给感知功能，以在分别借助于感知功能产生的输出之间借助于距离度量确定距离，将所确定的距离与至少一个预设的阈值比较，并且如果所确定的距离超过至少一个预设的阈值，则执行至少一个安全措施。
[0011]该方法和载具实现识别样本外数据并在识别之后采取至少一个安全措施。为此，借助于重建方法重建检测到的传感器数据。随后，将检测到的传感器数据和经重建的传感器数据分别供应给基于机器学习的感知功能。如果传感器数据例如是检测到的摄像机图像，并且感知功能例如执行语义分割，则对原始摄像机图像执行一次语义分割并对经重建的摄像机图像执行一次语义分割。在分别借助于感知功能产生的输出之间借助于距离度量确定距离，将所确定的距离与至少一个阈值比较。如果所确定的距离超过至少一个阈值，则这表明存在样本外数据。在此，原因可以是以包含在传感器数据中的对抗性干扰的形式的有针对性的攻击，或者可以是位于数据域之外的传感器数据，例如以所谓的“极端情况(英文：Corner Case)”的形式，即传感器数据或在其中描绘的内容的极少出现的表现形式。在任何情况下，数据都位于在其中训练过感知功能的数据域之外。如果超过了至少一个阈值，则因此执行至少一个安全措施，以便维持或提高载具的安全性。
[0012]此外，还另外提出了一种用于识别基于机器学习的感知功能的样本外数据的方法，尤其针对至少部分自动化行驶的载具，其中，借助于重建方法重建借助于至少一个传感器检测到的传感器数据，其中，将检测到的传感器数据和经重建的传感器数据分别供应给感知功能，其中，在分别借助于感知功能产生的输出之间借助于距离度量确定距离，其中，将所确定的距离与至少一个预设的阈值比较，并且其中，如果所确定的距离超过至少一个预设的阈值，则产生和提供样本外信号。该方法尤其借助于数据处理设备来实施。
[0013]该方法和载具的优点是，对抗性干扰的识别可以独立于对抗性干扰的具体表现形式进行。由此，尤其也可以识别和拦截未知的和/或新型的对抗性干扰。为此，尤其不需要基于机器学习的感知功能的(重新的)耗费的训练，从而可以节省时间和成本，并且在使用感知功能时仍然可以维持在安全性方面较高的度量。
[0014]感知功能尤其已经完全地训练。尤其设置成，(相同的)感知功能也在载具的(部分)自动化行驶时被使用。在此，既可以设置成在(部分)自动化行驶时考虑基于感知功能的检测到的传感器数据产生的、尤其推断出的输出，又可以设置成考虑感知功能的基于经重建的传感器数据产生的、尤其推断出的输出。尤其设置成，感知功能为载具的(部分)自动化行驶和/或为载具的驾驶员辅助和/或为环境检测和/或环境感知提供功能。例如，感知功能可以对检测到的传感器数据执行物体识别和/或语义分割。
[0015]传感器例如可以是摄像机、立体摄像机、激光雷达、雷达或超声波传感器。
[0016]至少一个传感器的传感器数据原则上可以是一维或多维的、尤其二维的。例如，传感器数据可以是二维的摄像机图像和/或激光雷达传感器或雷达传感器的二维数据。
[0017]重建方法尤其基于在其中训练过感知功能的数据域重建检测到的传感器数据。
[0018]距离的确定基于距离度量进行。针对摄像机图像，距离度量例如可以经由图像元素矢量上的欧几里得间距限定。为此，使摄像机图像作为矢量线性化。间距的确定然后经由矢量范数(Vektornorm)进行，例如经由L2范数。然而，原则上也可以使用其他距离度量，例如基于其他Lp距离或Lp范数。针对其他类型的传感器数据本文档来自技高网...

【技术保护点】

【技术特征摘要】
【国外来华专利技术】1.一种用于运行至少部分自动化行驶的载具(50)的方法，其中，借助于至少一个传感器(51)检测传感器数据(10)，其中，借助于重建方法(30)重建所述检测到的传感器数据(10)，其中，将所述检测到的传感器数据(10)和所述经重建的传感器数据(11)分别供应给基于机器学习的感知功能(2)，其中，在分别借助于所述感知功能(2)产生的输出(20,21)之间借助于距离度量(31)确定距离(32)，其中，将所确定的距离(32)与至少一个预设的阈值(25)比较，并且其中，如果所确定的距离(32)超过所述至少一个预设的阈值(25)，则执行至少一个安全措施(15)。2.根据权利要求1所述的方法，其特征在于，所述重建方法(30)包括对检测到的传感器数据(10)进行绗缝和/或总方差最小化和/或平滑和/或去噪和/或压缩。3.根据前述权利要求中任一项所述的方法，其特征在于，作为安全措施(15)，停用所述感知功能(2)。4.根据前述权利要求中任一项所述的方法，其特征在于，作为安全措施(15)，改变所述感知功能(2)的输出(20)的置信度。5.根据前述权利要求中任一项所述的方法，其特征在于，作为安全措施(15)，改变至少一个传感器(51)的检测到的传感器数据(10)的至少一个置信度值，并且/或者作为安全措施(15)，至少一个传感器(51)的传感器数据(10)不再由所述感知功能(2)考虑。6.根据前述权利要求中任一项所述的方法，其特征在于，作为安全措施(15)，改变至少一个传感器配置。7.根据前述权利要求中任一项所述的方法，其特征在于，作为安全措施(15)，激活用于所述自动...

【专利技术属性】
技术研发人员：N，
申请(专利权)人：大众汽车股份公司，
类型：发明
国别省市：