用于检测交通对象的系统和方法技术方案

检测车辆外部的交通对象并控制车辆的系统和方法。该系统和方法从车辆中包括的传感器系统接收感知数据，确定感知数据中的聚焦感兴趣区域(ROI)，比例缩放至少一个聚焦ROI的感知数据，使用基于神经网络(NN)的交通对象检测算法，处理聚焦ROI的比例缩放感知数据，以提供交通对象检测数据，以及部分基于交通对象检测数据控制至少一个车辆特征。据控制至少一个车辆特征。据控制至少一个车辆特征。

【技术实现步骤摘要】
用于检测交通对象的系统和方法


[0001]本公开总体上涉及使用人工神经网络进行交通对象(object)检测的车辆、系统和方法。

技术介绍

[0002]自主和半自主车辆能够感测其环境并基于感测的环境进行导航。这样的车辆使用诸如雷达、激光雷达、图像传感器等的感测设备来感测它们的环境。车辆系统还使用来自全球定位系统(GPS)技术、导航系统、车辆到车辆通信、车辆到基础设施技术和/或线控驱动系统的信息来导航车辆。
[0003]车辆自动化已被分类为从零(对应于完全人工控制的无自动化)到五(对应于无人工控制的完全自动化)的数值级别。各种自动驾驶辅助系统，例如巡航控制、自适应巡航控制和停车辅助系统，对应于较低的自动化级别，而真正的“无人驾驶”车辆对应于更高的自动化级别。一些自动车辆系统包括基于神经网络的检测器，用于检测交通对象，例如交通信号灯和路标。然而，一些交通对象检测器是计算密集型的，可能无法在远距离准确检测，并且需要将大量成组数据从传感器系统传输到神经网络。
[0004]因此，期望提供以增加的计算效率检测交通对象的系统和方法，而不牺牲和最佳地改进对象检测性能。进一步希望减少传感器系统和基于神经网络的检测器之间的数据传输要求。此外，结合附图以及前述
和背景，本专利技术的其他期望特征和特征将从随后的详细描述和所附权利要求中变得显而易见。

技术实现思路

[0005]在一个方面，提供了一种检测车辆外部的交通对象并控制车辆的方法。该方法包括经由处理器接收来自车辆中包括的传感器系统的感知数据；经由处理器确定感知数据中的至少一个聚焦的(focused)感兴趣区域(Region Of Interest(ROI))；经由处理器比例缩放(scaling)至少一个聚焦的ROI的感知数据；使用基于神经网络(NN)的交通对象检测算法来处理聚焦ROI的比例缩放感知数据，以提供交通对象检测数据；以及经由处理器部分地基于交通对象检测数据来控制至少一个车辆特征。
[0006]在实施例中，比例缩放是通过数字或光学变焦(zooming)来执行的。
[0007]在实施例中，在压缩来自传感器系统的原始感知数据之前，通过数字变焦来执行比例缩放。
[0008]在实施例中，感知数据是通过来自相机的图像数据、来自激光雷达设备的激光雷达数据或来自雷达设备的雷达数据获得的。
[0009]在实施例中，该方法包括经由处理器来确定感知数据中的多个聚焦的感兴趣区域(ROI)；经由处理器比例缩放多个聚焦ROI中的每一个的感知数据；以及使用基于神经网络的交通对象检测算法批量处理多个聚焦ROI中的每个的比例缩放感知数据，以提供交通对象检测数据。
[0010]在实施例中，该方法包括经由处理器对至少一个聚焦的ROI的感知数据进行比例缩放，以便实现目标像素密度值或目标像素密度值范围。
[0011]在实施例中，交通对象检测数据包括交通对象的标识和交通对象的位置。
[0012]在实施例中，基于至少一个交通对象的位置的地图知识、至少一个交通对象的位置的先验(prior)分布知识或快速交通对象检测器来确定聚焦的ROI。与基于NN的交通对象检测算法相比，快速交通对象检测器具有相对较快的交通对象检测速度。
[0013]在实施例中，至少部分地通过接收真实世界空间中的至少一个交通对象的位置数据和维度(dimension)数据，并且将位置数据和维度数据变换到感知数据空间以便确定聚焦的ROI从而来确定聚焦的ROI。
[0014]在实施例中，该方法包括经由处理器执行优化循环，通过该优化循环基于置信度值、基于NN的交通对象检测算法输出的维度值和来自先前帧的跟踪结果来调整比例缩放级别作为交通对象检测数据的一部分，并经由处理器根据调整后的比例缩放级别对聚焦ROI的感知数据进行比例缩放。
[0015]在实施例中，比例缩放包括根据聚焦的ROI裁剪感知数据。
[0016]在实施例中，比例缩放包括对感知数据进行上采样或下采样。
[0017]在实施例中，交通对象包括交通标志或交通信号设备。
[0018]在实施例中，其中经由处理器确定感知数据中的至少一个聚焦感兴趣区域(ROI)是基于交通对象的位置数据，其中位置数据是基于以下中的至少两个的混合(blend)获得的：快速交通对象检测器，基于先验感知数据的先验交通对象检测分布信息，关联地图信息和感知数据的先验分布信息，当感知数据是来自相机设备的图像数据时的并发激光雷达数据，以及基于先前交通对象检测数据的交通对象的跟踪。
[0019]在另一方面，提供了一种系统。该系统检测车辆外部的交通对象并控制车辆。该系统包括传感器系统、车辆控制系统、与传感器系统和车辆控制系统可操作地通信的处理器。处理器被配置为执行程序指令。程序指令被配置为使处理器：从传感器系统接收感知数据，确定感知数据中的聚焦感兴趣区域(ROI)，比例缩放聚焦ROI的感知数据，使用基于神经网络(NN)的交通对象检测算法来处理聚焦ROI的比例缩放感知数据，来提供交通对象检测数据，以及经由车辆控制系统，部分基于交通对象检测数据来控制车辆特征。
[0020]在实施例中，在压缩来自传感器系统的原始感知数据之前，通过数字变焦来执行比例缩放。
[0021]在实施例中，程序指令被配置为使处理器：确定感知数据中的多个聚焦的感兴趣区域(ROI)，比例缩放多个聚焦ROI中的每一个的感知数据，并且使用基于NN的交通对象检测算法，批量处理聚焦ROI中的每个的比例缩放感知数据，以提供交通对象检测数据。
[0022]在实施例中，对聚焦的ROI的感知数据进行比例缩放，以实现目标像素密度值或目标像素密度值范围。
[0023]在实施例中，程序指令被配置为使处理器：执行优化循环，通过该优化循环，基于置信度值、由基于NN的交通对象检测算法输出的维度值和来自先前帧的跟踪结果来调整比例缩放级别作为交通对象检测数据的一部分；并根据调整后的比例缩放级别对聚焦ROI的感知数据进行比例缩放。
[0024]在实施例中，确定感知数据中的至少一个聚焦的感兴趣区域(ROI)是基于至少一
个交通对象的位置数据，其中位置数据是基于以下至少两个的混合而获得的：快速交通对象检测器、基于先验感知数据的先验交通对象检测分布信息、关联地图信息和感知数据的先验分布信息、当感知数据是来自相机设备的图像数据时的并发激光雷达数据，以及基于先前交通对象检测数据的至少一个交通对象的跟踪。
附图说明
[0025]以下将结合以下附图描述示例性实施例，其中相同的附图标记表示相同的元件，并且在附图中：
[0026]图1是示出根据各种实施例的自主或半自主车辆系统利用感兴趣区域(ROI)的自动比例缩放并利用基于神经网络(NN)的交通对象检测模块处理缩放的ROI的功能框图；
[0027]图2是示出根据各种实施例的包括交通对象检测模块的自主驾驶系统的数据流图；
[0028]图3是示出根据各种实施例的用于确定和缩放ROI以及使用基于NN的交通本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种检测车辆外部的至少一个交通对象并控制车辆的方法，该方法包括：经由至少一个处理器接收来自车辆中包括的传感器系统的感知数据；经由至少一个处理器确定感知数据中的至少一个聚焦的感兴趣区域(ROI)；经由至少一个处理器比例缩放至少一个聚焦ROI的感知数据；使用基于神经网络(NN)的交通对象检测算法来处理至少一个聚焦ROI的比例缩放感知数据，以提供交通对象检测数据；和经由至少一个处理器部分地基于交通对象检测数据来控制至少一个车辆特征。2.根据权利要求1所述的方法，其中比例缩放是通过数字或光学变焦来执行的。3.根据权利要求1所述的方法，其中在压缩来自传感器系统的原始感知数据之前，通过数字变焦来执行比例缩放。4.根据权利要求1所述的方法，其中感知数据是通过来自相机的图像数据、来自激光雷达设备的激光雷达数据或来自雷达设备的雷达数据中的至少一个获得的。5.根据权利要求1所述的方法，包括经由至少一个处理器来确定感知数据中的多个聚焦的感兴趣区域(ROI)；经由至少一个处理器比例缩放多个聚焦ROI中的每一个的感知数据；以及使用基于NN的交通对象检测算法批量处理多个聚焦ROI中的每个的比例缩放感知数据，以提供交通对象检测数据。6.根据权利要求1所述的方法，其中经由至少一个处理器对至少一个聚焦的ROI的感知数据执行比例缩放，以便实现目标像素密度...

【专利技术属性】
技术研发人员：LA布什，GJ邹，A玛尼，UP穆达里奇，
申请(专利权)人：通用汽车环球科技运作有限责任公司，
类型：发明
国别省市：