使用交通工具对交通工具技术提高雷达数据预测的准确度制造技术

本文档描述了用于使用交通工具对交通工具(V2V)技术提高雷达数据预测的准确度的技术和系统。与主交通工具的附近区域中的一个或多个交通工具相关的V2V通信数据和匹配传感器数据被收集。V2V数据被用作标签数据，并且雷达数据被用作用于训练模型的输入数据。训练可以发生在主交通工具上，也可以发生在远程处。此外，多个主交通工具可以贡献数据来训练模型。一旦使用所包括的训练来更新模型，经更新的模型将被部署到主交通工具的传感器跟踪系统。通过使用包括V2V通信数据和匹配传感器数据的数据集，经更新的模型可以准确地跟踪其他交通工具，并使得主交通工具能够安全且可靠地利用高级驾驶辅助系统。级驾驶辅助系统。级驾驶辅助系统。

【技术实现步骤摘要】
使用交通工具对交通工具技术提高雷达数据预测的准确度

技术介绍

[0001]交通工具的高级安全或驾驶系统可以使用传感器来跟踪附近的对象。这些对象可以包括其他交通工具、行人和动物，以及无生命对象(诸如树木和路标)。传感器(例如，光学相机、雷达、激光雷达)收集低水平数据，低水平数据以不同的方式被处理，以估计对象的位置、轨迹和移动。通常，机器学习模型用于估计道路中或道路附近的对象；在收集传感器数据并将传感器数据输入到模型的同时进行预测。为了使机器学习模型能够快速且准确地预测在道路中和道路周围的对象行踪和移动，需要使用处理尽可能多的不同驾驶场景的大型复杂数据集来对该模型进行训练。手动生成足够详细和复杂的庞大或复杂数据集，以用于训练协助基于传感器的驾驶的机器学习模型可能是一项具有挑战并且耗时的任务。

技术实现思路

[0002]本文档描述了用于使用交通工具对交通工具(V2V)技术提高雷达数据预测的准确度的技术、系统和方法。在一个示例中，方法包括：从主交通工具的V2V通信平台接收来自主交通工具附近的一个或多个其他交通工具的V2V通信数据。方法还包括：接收由主交通工具的传感器系统生成的指示一个或多个其他交通工具的传感器数据。方法进一步包括通过以下操作更新模型以生成经更新的模型：输入来自一个或多个其他交通工具的V2V通信数据作为传感器数据的标签数据，将传感器数据输入到模型，以及基于传感器数据和V2V通信数据训练模型。方法进一步包括：将经更新的模型部署到主交通工具，以用于检测和跟踪主交通工具附近的对象。
[0003]在另一个示例中，系统包括一个或多个处理器，该一个或多个处理器被配置成用于：从第一交通工具的V2V通信平台接收来自第一交通工具附近的一个或多个其他交通工具的V2V通信数据。该一个或多个处理器还被配置成用于：从第一主交通工具的传感器系统接收与一个或多个其他交通工具相关的传感器数据。该一个或多个处理器被进一步配置成用于通过以下操作更新模型以生成经更新的模型：将来自一个或多个其他交通工具的V2V通信数据作为传感器数据的标签数据输入到模型，将传感器数据输入到模型，以及基于传感器数据和V2V通信数据训练模型。该一个或多个处理器被进一步配置成用于将经更新的模型部署到第一交通工具，以用于检测和跟踪第一交通工具附近的对象。系统可以远离交通工具定位。
[0004]在另一个示例中，系统包括一个或多个处理器，该一个或多个处理器被配置成用于：从主交通工具的V2V通信平台接收来自主交通工具附近的一个或多个其他交通工具的V2V通信数据。该一个或多个处理器还被配置成用于：从第一主交通工具的传感器系统接收与一个或多个其他交通工具相关的传感器数据。该一个或多个处理器被进一步配置成用于通过以下操作更新模型以生成经更新的模型：将来自一个或多个其他交通工具的V2V通信数据作为传感器数据的标签数据输入到模型，将传感器数据输入到模型，以及基于传感器数据和V2V通信数据训练模型。该一个或多个处理器被进一步配置成用于将经更新的模型输出到主交通工具，以用于检测和跟踪主交通工具附近的对象。系统可以被定位在主交通
工具上。
[0005]本
技术实现思路
介绍了与使用V2V技术提高雷达数据预测的准确度的简化概念，在具体实施方式和附图中进一步描述该简化概念。本
技术实现思路
并非旨在标识出要求保护的主题的必要特征，也并非旨在用于确定要求保护的主题的范围。尽管主要在使用V2V通信数据提高雷达数据预测的准确度的上下文中描述，但用于使用V2V数据作为地面真值(ground truth)数据以用于训练基于传感器的模型的技术可以被应用于需要经训练模型的准确度的其他应用。进一步，这些技术还可以应用于其他通信数据，诸如交通工具对基础设施(V2I)、交通工具对行人(V2P)和交通工具对一切数据(V2X)。
附图说明
[0006]在本文档中参考以下附图描述了使用V2V技术提高雷达数据预测的准确度的一个或多个方面的细节，其中贯穿附图使用相同的数字来指示相似的部件：图1示出了根据本公开的技术的交通工具的示例操作环境，该交通工具被配置成用于使用V2V技术提高雷达数据预测的准确度；图2
‑
1示出了根据本公开的技术的用于使用V2V技术提高雷达数据预测的准确度的汽车系统的示例；图2
‑
2示出了根据本公开的技术的用于使用V2V技术提高雷达数据预测的准确度的汽车系统的另一个示例；图3示出了根据本公开的技术的使用本地模型训练系统以用于使用V2V技术提高雷达数据预测的准确度的示例实现；图4示出了根据本公开的技术的使用远程模型训练系统以用于使用V2V技术提高雷达数据预测的准确度的另一个示例实现；图5示出了根据本公开的技术的用于使用V2V技术提高雷达数据预测的准确度的示例流程图；以及图6示出了根据本公开的技术的用于使用V2V技术提高雷达数据预测的准确度的示例方法。
具体实施方式
概述
[0007]随着交通工具越来越多地配备有自主和半自主系统，机器学习的经训练模型被用于协助这些系统进行对象识别、标识和/或对象跟踪应用。经训练模型为传感器系统(例如，光学相机、雷达、激光雷达、超声传感器)提供了最低水平的准确度，并使传感器系统能够可靠地检测和跟踪各种对象(例如，其他交通工具、行人、动物、静止对象(诸如道路标志和植被))。然而，经训练模型的准确度可以提高，例如，因为经训练模型被提供了更好的训练数据集(例如，更大的数据集可以解释更多的对象类型和驾驶场景)。已经尝试生成改善模型的训练的数据集，然而，仍然存在一些问题阻碍了该数据集的创建。
[0008]一个问题是为数据集收集可靠的信息。单独的传感器数据可能无法提供足够的准确度来可靠地训练模型。然而，如本公开所认识到的，将传感器数据与其他高度准确的数据配对可以克服这个缺陷。例如，传感器数据和V2V通信数据可以结合使用，以提高用于训练
机器学习模型的数据集的准确度。虽然本公开主要关于与V2V通信数据相结合的雷达数据描述了这些训练数据集，但是本文所公开的概念同样可以应用于传感器数据(例如，激光雷达、相机)和其他交通工具通信数据(例如，V2I、V2P)的其他组合。
[0009]另一个问题是寻找可以提供填充这些非常大的数据集的值的信息源。如本文所述，该问题的解决方案是利用由道路附近或道路上的其他交通工具或基础设施已经提供的信息收集。通过使用由许多交通工具在许多不同环境和驾驶场景(例如，城市环境与农村环境、城市场景与非城市场景)中收集的数据，可以获取大量数据以包含许多不同的真实世界场景。与使用以其他方式训练的模型相比，通过结合准确的V2V通信数据使用传感器数据来训练模型，交通工具模型可以更准确或更快速地检测和跟踪对象，并避免与对象发生碰撞。
[0010]本文档描述了用于使用V2V技术提高雷达数据预测的准确度的技术和系统。与主交通工具的附近区域中的一个或多个交通工具相关的V2V通信数据和匹配传感器数据被收集。V2V数据被用作标签数据，并且雷达数据被用作用于训练模型的输入数据。训练可以在主交通工具上进行，也可以远程进行(例如，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种方法，包括：从主交通工具的交通工具对交通工具(V2V)通信平台接收来自所述主交通工具附近的一个或多个其他交通工具的V2V通信数据；接收由所述主交通工具的传感器系统生成的指示所述一个或多个其他交通工具的传感器数据；通过以下操作更新模型以生成经更新的模型：输入来自所述一个或多个其他交通工具的所述V2V通信数据作为所述传感器数据的标签数据；将所述传感器数据输入到所述模型；以及基于所述传感器数据和所述V2V通信数据训练所述模型；以及将所述经更新的模型部署到所述主交通工具，以用于检测和跟踪所述主交通工具附近的对象。2.如权利要求1所述的方法，进一步包括：基于所述经更新的模型以自主或半自主模式操作所述主交通工具。3.如权利要求1所述的方法，其特征在于，所述经更新的模型是由所述主交通工具生成的。4.如权利要求3所述的方法，其特征在于，更新所述模型以生成所述经更新的模型是通过以下操作被执行的：利用第一处理器和第一计算机可读存储介质，所述第一处理器和所述第一计算机可读存储介质不同于第二处理器和第二计算机可读存储介质，所述第二处理器和所述第二计算机可读存储介质被用于所述主交通工具的传感器操作。5.如权利要求1所述的方法，其特征在于：所述主交通工具表示多个主交通工具；所述经更新的模型是使用所述多个主交通工具的每个主交通工具的每个传感器系统公用的人工神经网络相对于所述多个主交通工具被远程训练的；以及所述经更新的模型被部署到所述多个主交通工具。6.如权利要求5所述的方法，其特征在于，所述经更新的模型经由空中更新被部署到所述多个主交通工具。7.如权利要求5所述的方法，其特征在于，所述经更新的模型还在所述多个主交通工具中的每一个主交通工具处被训练。8.一种系统，包括：一个或多个处理器，所述一个或多个处理器被配置成用于：从第一交通工具的交通工具对交通工具(V2V)通信平台接收来自所述第一交通工具附近的一个或多个其他交通工具的V2V通信数据；从所述第一交通工具的传感器系统接收与所述一个或多个其他交通工具相关的传感器数据；通过以下操作更新模型以生成经更新的模型：将来自所述一个或多个其他交通工具的所述V2V通信数据作为所述传感器数据的标签数据输入到所述模型；
将所述传感器数据输入到所述模型；以及基于所述传感器数据和所述V2V通信数据训练所述模型；以及将所述经更新的模型部署到所述第一交通工...

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