验证基于数据模型的设备、存储介质、计算机程序和方法技术

验证将对象特别是分类为车辆驾驶员辅助系统的对象或功能类型的类别的基于数据的模型的设备、存储介质、计算机程序和计算机实现的方法，根据数字信号、特别是数字图像、特别是雷达或激光雷达频谱或这些频谱之一的分段用基于数据的模型确定分类并用参考模型确定对象的参考分类，根据为数字信号集确定的分类和参考分类检查基于数据的模型的对象分类是否正确，该模型据此而得到或未得到验证，数字信号被分配给对象和参考点、特别是车辆或检测该集的传感器间的不同距离，对该集的每个数字信号确定置信度度量，特别是对象与参考点的距离，基于数据的模型在置信度度量满足条件、特别是距离在与参考点的参考距离内的数字信号中对对象分类正确时得到验证。中对对象分类正确时得到验证。中对对象分类正确时得到验证。

【技术实现步骤摘要】
验证基于数据模型的设备、存储介质、计算机程序和方法


[0001]本专利技术涉及用于验证基于数据的模型的设备、存储介质、计算机程序和计算机实现的方法。

技术介绍

[0002]诸如紧急制动助理和距离/速度调节自动装置的驾驶员辅助系统可以利用视频传感器和/或雷达传感器实现。被编码在这些传感器的数据中的对象可以借助于对象识别而得以识别并借助于对象类型识别而得以分类。
[0003]基于数据的模型可以用于对象类型识别。在安全关键的应用中使用基于数据的模型以验证所述基于数据的模型并创建具有代表性的数据集为前提，所述数据集例如用于验证或训练所述基于数据的模型。

技术实现思路

[0004]根据独立权利要求的方法和设备使得能够验证基于数据的模型并为所述基于数据的模型创建具有代表性的数据集。
[0005]一种用于验证用于对对象进行分类、特别是分类为针对车辆的驾驶员辅助系统的对象类型或功能类型的类别的基于数据的模型的计算机实现的方法规定：根据数字信号，特别是数字图像，特别是雷达频谱或激光雷达频谱或这些频谱之一的分段（Segment），使用所述基于数据的模型来确定所述分类，其中根据所述数字信号使用参考模型确定针对所述对象的参考分类，其中根据所述分类和所述参考分类检查：所述基于数据的模型对所述对象的分类是否正确，以及其中根据基于数据的模型对所述对象的分类是否正确，所述基于数据的模型得到验证或未得到验证，其中所述分类和所述参考分类优选地是针对如下数字信号的集而确定的，这些数字信号被分配给所述对象和参考点之间的不同距离，其中所述参考点特别是所述车辆或用于检测所述集的传感器，其中对于来自所述集的每个数字信号，确定置信度度量，特别是所述对象与所述参考点的距离，并且其中如果在自身置信度度量满足条件的数字信号中所述基于数据的模型对所述对象的分类是正确的，则所述基于数据的模型得到验证，其中所述条件特别是：所述距离在与参考点的参考距离内。在置信度增加的情况下，例如在距离减小的情况下，所述参考模型可靠地识别出正确对象类型。为了验证基于数据的模型，应当给出关于符合预期功能的证明。该方法使得能够对不同的真实状况进行统计学论证。通过所述验证要么证明所述基于数据的模型没有导致错误决策，要么证明其决策甚至比参考模型的决策更好，要么确定情况并非如此。置信度度量的使用实现了特别可靠的验证。
[0006]可以规定，如果所述置信度度量满足条件，特别是满足所述距离在所述参考距离内，并且所述分类与所述参考分类有偏差，则将所述数字信号的集和所述参考分类以分配到彼此的方式进行存储，否则丢弃和/或不存储所述数字信号。由此识别出错误分类，并且以很小的耗费创建了非常适合于训练的数据集。
[0007]优选地，为所述集确定包括第一值和第二值的值对，其中所述第一值说明以下距离，针对所述对象的参考分类在该距离内是正确的，其中所述第二值说明以下距离，在该距离内所述基于数据的模型对所述对象的分类是正确的，或者所述第二值说明该距离与所述参考距离的间距（Abstand）。所述基于数据的模型应当至少在与所述参考模型相同的距离内正确分类对象。所述第一值和所述第二值包括为此所需的信息，并且此外是在验证中可简单评估的参量（Gr
öß
en）。
[0008]优选地，为所述值对确定存储器中的存储位置，其中在该存储位置上所存储的值根据所述值对的值而改变。不是存储第一值和第二值本身，而是只存储一个值。这是一种特别有效的存储关于为了验证而能特别简单评估的参量的累积（kumuliert）信息的方式。
[0009]优选地，根据在所述存储位置上所存储的位置来验证所述基于数据的模型。
[0010]优选地，对于大量的数字信号的集，确定它们的分类和它们的参考分类，并检查所述基于数据的模型对所述对象的分类是否正确。这些数字信号表示在不同距离处驶近（Anfahrt）对象时产生的各个记录的序列。这些记录可以是雷达记录、激光雷达记录或视频记录或其频谱。这些记录也可以是由此导出的信号。频谱是一种可能性，但也可以使用点云或其他导出的信号。大量的数字信号的集的分类代表了许多这种驶近的分类。由此确保了不同状况的统计学相关的集合，以便可靠地验证基于数据的模型。
[0011]可以规定，为大量的集中的每个集确定值对，所述值对包括针对相应集的第一值和第二值，其中对每个集确定针对该集所确定的值对的存储位置，并且其中在该存储位置上所存储的值根据所述值对的值而改变。由此提供结果的统计学相关的集合来用于验证基于数据的模型。
[0012]可以规定，对每个数字信号特别是使用用于卫星导航的系统检测和/或存储一个位置，其中根据所述位置确定所述距离。由此可以确定区域特定的相关数据。
[0013]可以规定，如果所述基于数据的模型的验证失败，则重新训练所述基于数据的模型，用其他数据训练所述基于数据的模型和/或使用其他基于数据的模型。
[0014]可以规定，如果所述基于数据的模型的验证成功，则在用于对对象进行分类的系统中，特别是在驾驶员辅助系统中使用所述基于数据的模型。
[0015]用于验证用于对对象进行分类的基于数据的模型的设备包括至少一个处理器和至少一个存储器，所述处理器和所述存储器被构造为执行该方法。
[0016]可以设置包括机器可读指令的计算机程序，当由计算机执行所述机器可读指令时，运行该方法。
[0017]可以设置存储介质，特别是永久存储介质，其上存储有所述计算机程序。
附图说明
[0018]另外的有利实施方式从以下描述和附图中得出。在附图中图1示出了设备，图2示出了对象类型识别的示意图，图3示出了示例性方法，图4示出了用于验证的具有项（Eintrag）的数组（Array），图5示出了接近对象的示例。
具体实施方式
[0019]图1示意性地示出了用于验证基于数据的模型的设备100。所述基于数据的模型被构造为对对象进行分类。设备100包括至少一个处理器102和至少一个存储器104。可选地，设备100包括至少一个传感器106和用于卫星导航的系统108。
[0020]在该示例中，所述至少一个存储器104包括工作存储器和永久存储器。在该示例中，与永久存储器相比，工作存储器能够实现更快的访问。
[0021]在该示例中，至少一个传感器106包括雷达传感器。所述雷达传感器发射高频信号并接收来自静态和移动对象的反射。所述信号借助于雷达传感器的天线而被接收，通过电子设备变换为电信号，并且借助于模
‑
数转换器转换为数字信号。借助于例如FFT这样的初级信号处理，将这些时间信号转换到频域（Frequenzraum）。
[0022]在该示例中，所述至少一个处理器102和所述至少一个存储器104连接到数据连接。所述至少一个传感器106和/或所述系统108连接到用于与至少一个处理器102通信的数据连接。所述至少一个传感器106和/或所述系统可以从设备100的外部连接到设备100或者可以集成到设备100中。
[0023]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于验证基于数据的模型（206）的计算机实现的方法，所述基于数据的模型（206）用于对对象（208）进行分类，特别是分类为针对车辆（200）的驾驶员辅助系统的对象类型（210）或功能类型的类别，其中根据数字信号，特别是数字图像（202），特别是雷达频谱或激光雷达频谱或这些频谱之一的分段（204），使用所述基于数据的模型（206）而确定（322、324、326）所述分类，其中根据所述数字信号（202）使用参考模型确定（316、318、320）针对所述对象（208）的参考分类，其中根据所述分类和所述参考分类检查（336）所述基于数据的模型（206）对所述对象（208）的分类是否正确，以及其中根据所述基于数据的模型（206）对所述对象（208）的分类是否正确，所述基于数据的模型（206）得到验证或未得到验证，其特征在于，所述分类和所述参考分类是针对如下数字信号的集而确定的，其中所述数字信号被分配给所述对象和参考点之间的不同距离，所述参考点特别是所述车辆或用于检测所述集的传感器，其中对于来自所述集的每个数字信号而确定（314）置信度度量，特别是所述对象与所述参考点的距离，并且其中如果在自身置信度度量满足条件的数字信号中所述基于数据的模型对所述对象的分类是正确的，则所述基于数据的模型得到验证，其中所述条件特别是：所述距离在与所述参考点的参考距离内（328）。2.根据权利要求1所述的方法，其特征在于，如果所述置信度度量满足所述条件，特别是满足所述距离在所述参考距离内，并且所述分类与所述参考分类有偏差，则将所述数字信号的集和所述参考分类以分配到彼此的方式进行存储（346），否则丢弃和/或不存储所述数字信号。3.根据权利要求1或2所述的方法，其特征在于，为所述集确定包括第一值和第二值的值对，其中所述第一值说明以下距离，针对所述对象的参考分类在所述距离内是正确的，其中所述第二值说明以下距离，在所述距离内所述基于数据的模型对所述对象的分类是正确的，或者所述第二值说明所述距离与所...

【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：