用于对象检测的方法、计算机系统和计算机可读介质技术方案

提供了用于对象检测的方法、计算机系统和计算机可读介质。用于对象检测的由计算机实现的方法，包括：获得3D数据，所述3D数据包括距离数据、角度数据和多普勒数据；对3D数据执行深度学习算法以获得处理后的3D数据，并且从处理后的3D数据获得处理后的2D数据，所述处理后的2D数据包括距离数据和角度数据。2D数据包括距离数据和角度数据。2D数据包括距离数据和角度数据。

【技术实现步骤摘要】
用于对象检测的方法、计算机系统和计算机可读介质


[0001]本公开涉及用于对象检测的由计算机实现的方法、计算机系统和计算机可读介质。

技术介绍

[0002]多年来，雷达传感器已广泛用于汽车行业，以支持先进的驾驶辅助系统。在摄像头处理、激光雷达信号处理或自然语言处理等广泛领域，深度神经网络已成为最先进的算法。
[0003]在2D快速傅里叶变换(FFT)之后，雷达数据通常是具有距离、多普勒和(虚拟)接收天线维度的3D立方体。在这个立方体中，通常通过应用恒定误报率(CFAR)来识别目标或关注区域，这会产生在距离和多普勒上稀疏的3D立方体。距离多普勒小区(cell)的天线向量称为波束向量(beamvector)。在传统的雷达信号处理中，使用这些波束向量的子集来执行角度查找，得到具有多普勒值或雷达截面等特征的稀疏二维或三维点云，雷达截面是相对于目标被雷达可见的面积而言该目标反射雷达信号的强度有多大的度量。
[0004]与其他传感器相比，雷达通常具有较弱的角分辨率。但相反，雷达技术可以非常准确地测量多普勒，即径向速度分量。因此，3D立方体通常有相当多的多普勒窗(bin)来来分离对象，该分离不是基于对象的角度而是基于对象的径向速度。
[0005]因此，需要提供一种用于对象检测的改进的由计算机实现的方法、计算机系统和计算机可读介质。

技术实现思路

[0006]本公开提供了由计算机实现的方法、计算机系统和非暂时性计算机可读介质。实施方式在说明书和附图中给出。
[0007]在一个方面，本公开针对一种用于对象检测的由计算机实现的方法。其中，该方法包括：获得3D数据，所述3D数据包括距离数据、角度数据和多普勒数据。方法还包括：对3D数据执行深度学习算法以获得处理后的3D数据。方法还包括：从处理后的3D数据获得处理后的2D数据，所述处理后的2D数据包括距离数据和角度数据。
[0008]在第一步中，获得3D数据。这可以通过访问适合获取或检测此类3D数据的合适雷达装置来实现。3D数据包括三个维度，第一数据涉及距离数据或距离维度，第二数据涉及角度数据或角度维度，并且第三数据涉及多普勒数据或多普勒维度。角度维度也可以称为方位维度，并且多普勒维度也可以被称为速度维度。该3D数据包含雷达装置附近的信息，尤其是使用雷达装置的载具车道中的信息。
[0009]第一维度也可以缩写为R，第二维度可以缩写为A，第三维度可以缩写为D，因此可以根据三个维度将3D数据命名为RAD数据。该3D数据也可以被称为为3D立方体或RAD立方体。
[0010]在进一步步骤中，通过深度学习算法来处理3D数据，从而从3D数据获得处理后的2D数据。处理后的2D数据包括距离数据或维度和角度数据或维度，或RA数据。具体地，处理
后的2D数据包括RA数据网格。
[0011]然后，该RA数据网格可以被使用以针对对象检测算法、(笛卡尔)语义分割器来进行处理，或作为载具中的独立输出。
[0012]根据实施方式，该方法还包括将3D数据分解成三组2D数据。其中，第一组2D数据包括距离数据和角度数据，第二组2D数据包括距离数据和多普勒数据，并且第三组2D数据包括角度数据和多普勒数据。其中，对3D数据执行深度学习算法包括分别处理第一组2D数据、第二组2D数据和第三组2D数据。
[0013]3D数据的分解通常在通过深度学习算法处理3D数据的步骤之前执行。执行分解以获得三个不同的2D数据集。第一组2D数据包括距离数据和角度数据，即RA数据。第二组2D数据包括距离数据和多普勒数据，即RD数据。第三组2D数据包括角度数据和多普勒数据，即AD数据。
[0014]根据本实施方式的3D数据的处理包括处理第一组2D数据、第二组2D数据和第三组2D数据，具体地通过深度学习算法分别处理第一组、第二组和第三组。
[0015]根据实施方式，处理第一组2D数据的步骤包括：执行压缩算法。
[0016]根据实施方式，处理第一组2D数据和/或第二组2D数据和/或第三组2D数据的步骤包括：执行卷积算法。
[0017]根据实施方式，处理第一组2D数据的步骤包括执行暂退(dropout)算法。
[0018]根据实施方式，对3D数据执行深度学习算法的步骤包括：对第二组2D数据和第三组2D数据执行位置编码算法。
[0019]根据实施方式，对3D数据执行深度学习算法的步骤还包括：将第一组2D数据、第二组2D数据和第三组2D数据在第一组2D数据中对齐。
[0020]根据实施方式，对3D数据执行深度学习算法的步骤还包括：通过应用从所述第一组2D数据注意到所述第二组2D数据上和所述第三组2D数据上的交叉注意力算法来在所述第一组2D数据中对齐所述第一组2D数据、所述第二组2D数据和所述第三组2D数据。
[0021]根据实施方式，对3D数据执行深度学习算法的步骤还包括：执行卷积算法。
[0022]根据实施方式，获得3D数据的步骤包括：获得距离数据，获得天线数据并且获得多普勒数据。其中，该方法还包括处理傅里叶变换算法和密集层算法中的一种或两种；并且执行Abs算法。
[0023]根据实施方式，对3D数据执行深度学习算法的步骤还包括：对距离数据、角度数据和多普勒数据执行卷积算法。具体地，卷积算法对距离数据、角度数据和多普勒数据的处理可以一起执行。
[0024]根据实施方式，对3D数据执行深度学习算法的步骤还包括：对角度数据和多普勒数据执行卷积算法。特别地，在本实施方式中，卷积算法的执行可以专门针对角度数据和多普勒数据进行。
[0025]根据实施方式，对3D数据执行深度学习算法的步骤还包括：对距离数据和角度数据处理卷积算法。特别地，在本实施方式中，卷积算法的处理可以专门针对距离数据和角度数据进行处理。
[0026]根据实施方式，对3D数据执行深度学习算法的步骤还包括：执行上采样算法。
[0027]在另一方面，本公开针对一种计算机系统，所述计算机系统被配置为执行本文描
述的由计算机实现的方法的多个或所有步骤。
[0028]该计算机系统可以包括处理单元、至少一个存储器单元和至少一个非暂时性数据存储器。非暂时性数据存储和/或存储器单元可以包括用于指示计算机执行本文描述的由计算机实现的方法的多个或所有步骤或方面的计算机程序。
[0029]在另一方面，本公开针对一种非暂时性计算机可读介质，其包括用于执行本文描述的由计算机实现的方法的多个或所有步骤或方面的指令。计算机可读介质可以被构造成：光介质，例如压缩盘(CD)或数字多功能盘(DVD)；磁介质，例如硬盘驱动器(HDD)；固态硬盘(SSD)；只读存储器(ROM)，例如闪存；等等。此外，计算机可读介质可以被配置为可通过诸如互联网连接的数据连接访问的数据存储。例如，计算机可读介质可以是在线数据存储库或云存储。
[0030]本公开还针对一种用于指示计算机执行本文描述的由计算机实现的方法的多个或所有步骤或方面的计算机程序。...

【技术保护点】

【技术特征摘要】
1.一种用于对象检测的由计算机实现的方法，所述方法包括以下步骤：由雷达装置获得3D数据，所述3D数据包括距离数据、角度数据和多普勒数据；由处理装置对3D数据执行深度学习算法以获得处理后的3D数据；并且由所述处理装置从处理后的3D数据获得处理后的2D数据，所述处理后的2D数据包括距离数据和角度数据。2.根据权利要求1所述的由计算机实现的方法，该方法还包括以下步骤：由所述处理装置将所述3D数据分解成三组2D数据，第一组2D数据包括距离数据和角度数据，第二组2D数据包括距离数据和多普勒数据，并且第三组2D数据包括角度数据和多普勒数据；并且其中，对3D数据执行深度学习算法的步骤包括分别处理第一组2D数据、第二组2D数据和第三组2D数据。3.根据权利要求2所述的由计算机实现的方法，其中，对所述第一组2D数据的处理包括执行压缩算法。4.根据权利要求2或3所述的由计算机实现的方法，其中，对所述第一组2D数据和/或所述第二组2D数据和/或所述第三组2D数据的处理包括执行卷积算法。5.根据权利要求2至4中的任一项所述的由计算机实现的方法，其中，对所述第一组2D数据的处理包括执行暂退算法。6.根据权利要求2至5中的任一项所述的由计算机实现的方法，其中，对所述3D数据执行深度学习算法的步骤包括：对所述第二组2D数据和所述第三组2D数据执行位置编码算法。7.根据权利要求2至6中的任一项所述的由计算机实现的方法，其中，对所述3D数据执行深度学习算法的步骤还包括：在所述第一组2D数据中对齐所述第一组2D数据、所述第二组2D数据和所述第三组2D数据。8.根据权利要求...

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