当前位置: 首页 > 专利查询>罗伯特专利>正文

用于重新配置车辆内使用的机器学习模型的超声波系统和方法技术方案

技术编号:35931279 阅读:12 留言:0更新日期:2022-12-14 10:16
用于重新配置车辆内使用的机器学习模型的超声波系统和方法。公开了一种用于创建可重新配置的机器学习模型的方法和系统。创建固定参数模型以包括在机器学习模型的训练过程期间获得的固定特征值。固定参数模型可以包括由机器学习模型使用的固定基础分类器,以对由超声波系统在车辆附近内检测到的对象进行分类。可以创建可配置参数模型以包括不同于固定特征值的特征值,该可配置参数模型包括修改的基础分类器。车辆控制器可以接收并用可配置参数模型更新固定参数模型。机器学习模型可以被更新以使用可配置参数模型来对超声波系统检测到的对象进行分类。到的对象进行分类。到的对象进行分类。

【技术实现步骤摘要】
用于重新配置车辆内使用的机器学习模型的超声波系统和方法


[0001]以下总体上涉及一种用于重新配置机器学习模型的系统和方法,所述机器学习模型用于基于从超声波传感器系统接收的数据对对象进行分类。

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]公开了一种用于创建可重新配置的机器学习模型的方法和系统。创建固定参数模型以包括在机器学习模型的训练过程期间获得的固定特征值。固定参数模型可以包括由机器学习模型使用的固定基础分类器,以对由超声波系统在车辆附近内检测到的对象进行分类。可以创建可配置参数模型以包括不同于固定特征值的特征值,该可配置参数模型包括修改的基础分类器。车辆控制器可以接收固定参数模型并且用可配置参数模型更新固定参数模型。机器学习模型可以被更新以使用可配置参数模型来对由超声波系统检测到的对象进行分类。
[0004]设想固定参数模型和可配置参数模型可以使用决策树布置进行设计,该决策树布置包括固定特征值、不同数据类之间的拆分阈值、无效值分配和缺失值分配。
[0005]控制器可以使用无线通信协议(例如,Wi

Fi、蓝牙或蜂窝)或通过有线通信协议(例如,控制器局域网(CAN)或本地互联网络(LIN))接收可配置参数模型。在用可配置参数模型更新固定参数模型之前,机器学习模型可以测试可配置参数模型。最后,固定参数模型可以被设计成包括静态值,所述静态值由可配置参数模型内提供的值来更新。
附图说明
[0006]图1图示了平行停放的具有超声波传感器系统的车辆。
[0007]图2A图示了行驶时的具有超声波传感器系统的车辆。
[0008]图2B图示了车辆侧镜内的视觉告警系统。
[0009]图3图示了在车辆内可操作的示例性超声波传感器系统。
[0010]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。
[0011]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。
[0012]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。
[0013]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。
[0014]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
[0015]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。
[0016]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。
[0017]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。
[0018]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。
[0019]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。
[0020]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。
[0021]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 本文档来自技高网
...

【技术保护点】

【技术特征摘要】
1.一种用于创建可重新配置的机器学习模型的方法,包括:创建固定参数模型,所述固定参数模型包括在机器学习模型的训练过程期间获得的固定特征值,所述固定参数模型还包括由机器学习模型使用的固定基础分类器,以对由超声波系统在车辆附近内检测到的对象进行分类;创建包括不同于固定特征值的配置特征值的可配置参数模型,所述可配置参数模型包括修改的基础分类器;和与车辆中的控制器通信以用可配置参数模型更新固定参数模型,其中机器学习模型被更新以使用可配置参数模型对由超声波系统检测的对象进行分类。2.根据权利要求1所述的方法,其中,使用决策树布置来设计固定参数模型和可配置参数模型。3.根据权利要求2所述的方法,其中,决策树布置包括固定特征值。4.根据权利要求2所述的方法,其中,决策树布置包括不同数据类之间的一个或多个拆分阈值。5.根据权利要求2所述的方法,其中,决策树布置包括一个或多个无效值分配。6.根据权利要求2所述的方法,其中,决策树布置包括一个或多个缺失值分配。7.根据权利要求1所述的方法,其中,使用无线通信协议建立与控制器的通信。8.根据权利要求1所述的方法,其中,使用有线通信协议建立与控制器的通信。9.根据权利要求1所述的方法,其中,在用可配置参数模型更新固定参数模型之前,由机器学习模型测试可配置参数模型。10.根据权利要求1所述的方法,其中,固定参数模型包括静态值,并且可配置参数模型用于更新静态值。11.一种用于创建可重新配置的机器学习模型的系统,包括:控制器,被配置为:存储固定参数模型,所述固定参数模型包括在机器学习模型的训练过程期间获得的固定特征值,所述固定参数模型还包括由机器学习模型使用的固定基础分类器,以对由超声波系统在车辆附近内检测到的对象进行分类;和接收包括...

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

网友询问留言 已有0条评论
  • 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。

1