【技术实现步骤摘要】
对雷达数据的基于机器学习的超分辨
技术介绍
[0001]交通工具的高级安全或驾驶系统可以使用电磁传感器(例如,雷达)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(诸如树木和路牌)。传感器收集低水平数据,包括不同维度(例如,距离、多普勒、方位角、仰角)中的信息,该低水平数据可以被处理以估计对象的位置、轨迹和移动。
[0002]在雷达系统中,低水平雷达数据的角分辨率可能受到雷达尺寸的限制。这种限制可能导致在方位角或仰角维度上分辨不佳的雷达图像,并可能降低雷达系统检测和分类对象的能力。
技术实现思路
[0003]本文档描述了用于对雷达数据的基于机器学习的超分辨的技术和系统。低分辨率雷达图像可以被用作输入,以训练用于对雷达数据的超分辨的模型。更高分辨率的雷达图像由有效但在计算资源方面成本高昂的传统超分辨方法生成,并且更高分辨率图像可以用作用于训练模型的地面真值(ground truth)。所得到的经训练的模型可以生成与由传统方法生成的图像非常近似的高分辨率雷达图像。因为这个经训练的模型只需要在推理(inference)阶段以前馈(feed
‑
forward)模式执行,所以它可以适合实时应用。此外,如果低水平雷达数据被用作用于训练模型的输入,则可以用比在检测水平雷达数据中可以获得的信息更全面的信息来训练模型。
[0004]在一个示例中,方法包括从电磁传感器获得传感器数据。方法进一步包括基于传感器数据生成以多个维度表示传感器数据的第一传感器图像。方法进一步包括基于传感器数据生 ...
【技术保护点】
【技术特征摘要】
1.一种方法,所述方法包括:从电磁传感器获得传感器数据;基于所述传感器数据生成第一传感器图像,所述第一传感器图像以多个维度表示所述传感器数据;基于所述传感器数据生成第二传感器图像,所述第二传感器图像在所述多个维度中的至少一个维度上具有比所述第一传感器图像更高的分辨率;通过机器学习并基于被用作输入数据的所述第一传感器图像和被用作地面真值数据的所述第二传感器图像来训练模型,以生成近似所述第二传感器图像的高分辨率传感器图像,生成的高分辨率传感器图像能够用于检测对象、跟踪对象、分类或分割中的至少一者。2.如权利要求1所述的方法,其特征在于,被训练的所述模型包括至少一个人工神经网络。3.如权利要求2所述的方法,其特征在于,所述模型进一步包括一个或多个下采样层和一个或多个上采样层。4.如权利要求2所述的方法,其特征在于,所述至少一个人工神经网络中的至少一个人工神经网络是卷积神经网络,所述卷积神经网络包括一个或多个下采样层、一个或多个上采样层和一个或多个卷积层。5.如权利要求4所述的方法,其特征在于,被配置成用于补偿所述多个维度中的一个维度的较低分辨率的矩形滤波器内核用于训练所述模型。6.如权利要求4所述的方法,其特征在于,所述模型包括:输入层,所述输入层被配置成用于接收所述第一传感器图像作为输入数据并且接收所述第二传感器图像作为地面真值数据;第一卷积层,所述第一卷积层被配置成用于接收所述输入层的输出作为输入;第一下采样层,所述第一下采样层被配置成用于接收所述第一卷积层的输出作为输入;第二卷积层,所述第二卷积层被配置成用于接收所述第一下采样层的输出作为输入;第二下采样层,所述第二下采样层被配置成用于接收所述第二卷积层的输出作为输入;第一上采样层,所述第一上采样层被配置成用于接收所述第二下采样层的输出作为输入;第三卷积层,所述第三卷积层被配置成用于接收所述第一上采样层的输出作为输入;第二上采样层,所述第二上采样层被配置成用于接收所述第三卷积层的输出作为输入;第四卷积层,所述第四卷积层被配置成用于接收所述第二上采样层的输出作为输入;以及输出层,所述输出层被配置成用于接收所述第四卷积层的输出作为输入,并输出所述生成的高分辨率传感器图像。7.如权利要求1所述的方法,其特征在于:所述输入数据是基于所述多个维度中的传感器数据幅度的绝对值的;并且所述传感器数据幅度的所述绝对值经由单个输入通道被输入到所述模型中。
8.如权利要求1所述的方法,其特征在于,所述电磁传感器是雷达系统。9.如权利要求8所述的方法,其特征在于,所述多个维度包括以下各项中的至少两者:距离域;多普勒域;方位角域;或者仰角域。10.如权利要求9所述的方法,其特征在于,生成所述第一传感器图像包括:基于所述传感器数据确定波束向量集合,所述波束向量集合涵盖与所述传感器数据相关联的所有距离仓和多普勒仓;以及从涵盖所有所述距离仓和多普勒仓的所述波束向量中选择波束向量的子集,所述波束向量的子集包括在所有距离仓处的多普勒仓集合;以及基于所述波束向量的子集获得距离
‑
角度图。11.如权利要求10所述的方法,其特征在于:所述波束向量集合是从由所述雷达传感器的稀疏接收通道和密集接收通道接收的数据中导出的;所述输入数据是基于由所述稀疏接收通道和所述密集接收通道接收的所述波束向量的子集的幅度和相位的;由所述稀疏接收通道和所述密集接收通道接收的所述波束向量的所述幅度被输入在所述模型的第一通道上;由所述稀疏接收通道和所述密集接收通道接收的所述波束向量的所述相位被输入在所述模型的第二通道上;并且训练所述模型进一步包括使用深度神经网络和滤波器内核,所述滤波器内核被配置成用于捕获所述输入数据的特征。12.如权利要...
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。