用于调谐在机器学习算法内使用的机器学习分类器的超声波系统和方法。公开了一种用于调谐机器学习分类器的方法和系统。可以提供对象类要求，并且该对象类要求包括评级阈值。对象类要求还可以包括范围目标，该范围目标定义了机器学习算法不应当提供假阳性结果的离对象的最小距离。可以使用加权损失函数来训练基础分类器，该加权损失函数包括使用一个或多个对象类要求来计算的一个或多个权重值。可以使用目标函数来评估加权损失函数的输出，该目标函数可以使用一个或多个对象类要求来建立。如果加权损失函数的输出没有收敛在预定的损失阈值内，则也可以使用加权损失函数来重新调谐一个或多个权重。一个或多个权重。一个或多个权重。
【技术实现步骤摘要】
用于调谐在机器学习算法内使用的机器学习分类器的超声波系统和方法
[0001]以下总体上涉及基于从一个或多个超声波传感器接收的数据，调谐用于对对象进行分类的机器学习算法内使用的机器学习分类器。
技术介绍
[0002]车辆可以包括检测静止或移动障碍物的系统和传感器。然而，车辆系统可能不能够在各种静止车辆之间区分。例如，可以在车辆系统内使用超声波传感器，以在停车、盲点检测或操纵期间检测车辆附近的障碍物。采用超声波传感器的当前车辆系统可以采用基于规则的经验分类器，其部分基于检测到的障碍物回波的几何关系。然而，基于规则的分类器可能（1）生成弱的真阳性和假阳性性能；（2）难以适配特定的车辆变体；或者（3）具有对对象类的数量和类型的高度依赖性。
技术实现思路
[0003]公开了一种用于调谐机器学习分类器的系统和方法。该系统和方法可以接收一个或多个对象类要求，其包括用于对对象进行评级的一个或多个评级阈值。一个或多个对象类要求可以包括范围目标，该范围目标定义了机器学习算法不应当提供假阳性结果的离对象的最小距离。可以使用加权损失函数来训练基础分类器，该加权损失函数包括使用一个或多个对象类要求来计算的一个或多个权重值。加权损失函数的输出可以使用目标函数（例如，到对象误差的距离的平方）来评估，该目标函数可以使用一个或多个对象类要求来建立。如果加权损失函数的输出没有收敛在预定的损失阈值内，则可以使用加权损失函数重新调谐一个或多个权重值。
[0004]设想加权损失函数可以是交叉熵分类损失函数。也可以为在不同车辆平台内使用的超声波传感器系统建立对象类要求。对象类要求可以用于定义具有特定几何形状的对象或刚性结构的对象（例如砖墙）。基础分类器可以用于确定用于对对象分类的弱真阳性输出或假阳性结果。最后，基础分类器可以用于在车辆安全系统被激活之前定义车辆和对象之间的预定距离。
附图说明
[0005]图1图示了平行停放的具有超声波传感器系统的车辆。
[0006]图2A图示了行驶时的具有超声波传感器系统的车辆。
[0007]图2B图示了车辆侧镜内的视觉告警系统。
[0008]图3图示了在车辆内可操作的示例性超声波传感器系统。
[0009]图4是使用机器学习算法对障碍物进行分类的示例性超声波传感器系统。
[0010]图5是可操作来调谐机器学习算法所使用的分类器的示例性机器学习算法。
[0011]图6是在超声波传感器系统内可操作的机器学习算法高度分类的示例性流程图。
[0012]图7是用于适配在超声波传感器系统内可操作的机器学习算法高度分类的示例性流程图。
[0013]图8是用于重新配置在超声波传感器系统内可操作的机器学习算法高度分类的示例性框图。
具体实施方式
[0014]根据需要，本文公开了详细的实施例；然而，应当理解，所公开的实施例仅仅是示例性的，并且可以以各种形式和替代形式来体现。各图不一定是按比例的；一些特征可以被放大或最小化以示出特定部件的细节。因此，本文中公开的具体结构和功能细节不应被解释为限制性的，而仅仅是作为用于教导本领域技术人员以各种方式采用本实施例的代表性基础。
[0015]目前，在移动应用内采用的超声波传感器系统可以可操作用于在停车、盲点检测或操纵期间检测车辆附近障碍物的距离。例如，图1图示了超声波系统100，其中可以采用多个超声波传感器102、104来向车辆106的驾驶员提供停车辅助。当试图将车辆106停放在停车位内时，超声波系统100可以向驾驶员提供听觉或视觉警报。警报可以向驾驶员告警车辆106和给定障碍物（例如，车辆108、车辆110或路缘112）之间的距离。如果车辆106在给定障碍物的预定距离内，则超声波系统100也可以可操作用于应用制动系统。照此，超声波系统100可以提供方便和安全的车辆停放，从而避免昂贵的修理和损坏。
[0016]替代地，超声波系统100可以用于向驾驶员提供停车辅助。例如，超声波系统100可以提供停车辅助，其中车辆106自动停放车辆，而不需要驾驶员提供转向引导。取而代之的是，驾驶员可能仅需要在停车过程期间提供加速和制动辅助。
[0017]图2A和图2B图示了可以用于盲点检测的示例性超声波系统200。如所图示的，超声波系统200可以包括超声波传感器202、204，其放置在车辆206的每一侧，靠近右侧和左侧后视镜或者位于右侧和左侧后视镜内。超声波传感器202、204可以可操作用于监视车辆206周围的相邻驾驶车道中的空间。超声波系统200可以从超声波传感器202、204接收数据，用于检测驾驶员盲点内的障碍物。例如，如果第二车辆208位于离车辆206的预定距离或区域内，则超声波系统200可以激活听觉或视觉警报。图2B图示了可视警告标志210，如果超声波系统200在车辆206的预定距离内检测到障碍物，例如车辆208，则该可视警告标志210可以在后视镜中照亮。如果驾驶员未能注意到警告并激活转向信号以朝向车辆208改变车道，则超声波系统200也可以可操作用于激活附加的听觉或视觉警告。或者超声波系统200可以禁止或劝阻朝向检测到的障碍物（即，车辆208）改变车道。系统200还可以可操作用于检测和/或识别道路上或道路旁边的静止对象（例如，护栏或停放的车辆），并激活警告或劝阻车辆206接近静止对象。
[0018]对于停车应用、盲点检测或操纵，传统的超声波传感器系统通常采用基于规则的经验分类器，该基于规则的经验分类器部分基于检测到的障碍物回波的几何关系。然而，基于规则的分类器可能（1）生成弱的真阳性和假阳性性能；（2）难以适配特定的车辆变体；或者（3）具有对对象类的数量和类型的高度依赖性。
[0019]照此，可能合期望的是提供一种超声波传感器系统和方法，其可操作用于使用对超声波对象数据的机器学习方法来对障碍物的可遍历性（traversibility）进行分类。然
而，关于分类，超声波系统的错误分类可能导致车辆的错误警告或错误制动。例如，如果系统100错误地将路缘112的给定距离分类或者将道路内的岩石分类为路缘112，则车辆106可以在停车完成之前施加制动。这样的错误分类可能禁止车辆106停放在停车位内，或者车辆106可能没有正确地停放在停车位内。
[0020]还设想，从用户的角度来看，超声波系统（例如，系统100）可以基于与可能发生分类的位置的距离来对错误分类不同地进行评级。“远”场中的错误分类可以被容忍，因为对车辆的确定或影响可能很小。但是，在“接近”场中的错误警告可能导致不合期望的结果，诸如潜在的车辆碰撞或操纵期间的错误制动。例如，如果图2A中图示的车辆208位于距离车辆206 2
‑
3车道处（即，潜在地距离车辆206 50英尺或更远），如果车辆206试图改变车道，则错误的分类（例如，未能检测到车辆208）可能不具有不合期望的结果。但是，如果车辆208在下一车道中（即，可能在离车辆206 10英尺内），则错误的分类可能具有不合期望的结果，因为车辆206可能碰撞到车辆20本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种用于调谐机器学习分类器的方法，包括：接收一个或多个对象类要求，其中所述一个或多个对象类要求包括用于对对象进行评级的一个或多个评级阈值，并且其中所述一个或多个对象类要求包括范围目标，所述范围目标定义了机器学习算法不应当提供假阳性结果的离对象的最小距离；使用加权损失函数训练基础分类器，其中加权损失函数包括使用所述一个或多个对象类要求计算的一个或多个权重值；使用目标函数评估加权损失函数的输出，其中目标函数由所述一个或多个对象类要求建立；和如果加权损失函数的输出没有收敛在预定的损失阈值内，则使用加权损失函数重新调谐所述一个或多个权重值。2.根据权利要求1所述的方法，其中，加权损失函数是交叉熵分类损失函数。3.根据权利要求1所述的方法，其中，为超声波传感器系统建立对象类要求。4.根据权利要求1所述的方法，其中，为不同的车辆平台建立对象类要求。5.根据权利要求1所述的方法，其中，所述基础分类器用于确定用于对所述对象进行分类的弱真阳性输出。6.根据权利要求1所述的方法，其中，所述基础分类器用于确定用于对所述对象进行分类的假阳性结果。7.根据权利要求1所述的方法，其中，所述对象类要求用于定义具有特定几何形状的对象。8.根据权利要求1所述的方法，其中，所述对象类要求用于定义具有刚性结构的对象的评级阈值。9.根据权利要求1所述的方法，其中，所述目标函数是到目标误差的距离的平方。10.根据权利要求1所述的方法，其中，所述基础分类器用于在车辆安全系统被激活之前定义车辆和对象之间的预定距离。11.一种用于调谐机器学习分类器的系统，包括：控制器，被配置为：接收一个或多个对象类要求，其中所述一个或多个对象类要求包括用于对由机器学习算法分类的对象进行评级的一个或多个评级阈值，并且其中所述一个或多个对象类要求包括范围目标，所述范围目标定义机器学习算法不应当提供假阳性结果的离对象的最小距离；使用加权损失...
【专利技术属性】
技术研发人员：A，
申请(专利权)人：罗伯特，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。