用于确定相似场景的方法、训练方法和训练控制器技术

本发明专利技术涉及一种用于提供机器学习算法以基于传感器数据的数据组(D)的场景数据确定相似场景的计算机实现的方法，其中，优化算法(A3)被应用于传感器数据的数据组(D)的第一增强(14)的通过第一机器学习算法(A1)输出的特征表示(18)，其中，优化算法(A3)近似传感器数据的数据组(D)的第二增强(16)的由第二机器学习算法(A2)输出的特征表示(20)。本发明专利技术还涉及一种用于基于传感器数据的数据组(D)的场景数据确定相似场景的方法和一种训练控制器。据确定相似场景的方法和一种训练控制器。据确定相似场景的方法和一种训练控制器。

【技术实现步骤摘要】
用于确定相似场景的方法、训练方法和训练控制器


[0001]本专利技术涉及一种用于提供机器学习算法以基于传感器数据的数据组的场景数据确定相似场景的计算机实现的方法。
[0002]此外，本专利技术还涉及一种用于基于传感器数据的数据组的场景数据确定相似场景的计算机实现的方法。
[0003]此外，本专利技术还涉及一种用于提供机器学习算法以基于传感器数据的数据组的场景数据确定相似场景的训练控制器。

技术介绍

[0004]可以借助多种多样的检验方法来验证或证实诸如自适应巡航控制系统和/或针对高度自动化驾驶的功能之类的驾驶员辅助系统。在此尤其可以使用仿真。
[0005]为了创建用于仿真的测试场景，需要进行测试行驶。然后将由此获得的传感器数据抽象为逻辑场景。
[0006]输入数据在此是原始数据，即来自真实的测量行驶的以雷达回波记录形式的传感器数据、来自激光雷达测量的3D点云和图像数据。结果数据是能仿真的行驶场景，所述行驶场景一方面包括周围环境并且另一方面也包括轨迹。紧接着将行驶机动动作分类成组。
[0007]《Szena本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于提供机器学习算法以基于传感器数据的数据组(D)的场景数据来确定相似场景的计算机实现的方法，所述方法带有下列步骤：提供(S1)自车(12)的由车辆侧的多个周围环境识别传感器(10)检测到的行驶的传感器数据的数据组(D)；产生(S2)传感器数据的数据组(D)的第一增强(14)和传感器数据的数据组(D)的不同于第一增强(14)的第二增强(16)；将第一机器学习算法(A1)应用于(S3)传感器数据的数据组(D)的第一增强(14)，以产生传感器数据的数据组(D)的第一增强(14)的特征表示、特别是降维的特征表示(18)并确定(S4)被传感器数据的数据组(D)的第一增强(14)涵盖的第一类(K1)场景；将第二机器学习算法(A2)应用于(S5)传感器数据的数据组(D)的第二增强(16)，以产生传感器数据的数据组(D)的第二增强(16)的特征表示、特别是降维的特征表示(20)并确定(S6)被传感器数据的数据组(D)的第二增强(16)涵盖的第二类(K2)场景；并且将优化算法(A3)应用于(S7)传感器数据的数据组(D)的第一增强(14)的通过第一机器学习算法(A1)输出的特征表示(18)，其中，优化算法(A3)近似传感器数据的数据组(D)的第二增强(16)的通过第二机器学习算法(A2)输出的特征表示(20)。2.按照权利要求1所述的计算机实现的方法，其中，通过所述优化算法(A3)最小化在由所述第一机器学习算法(A1)输出的、被传感器数据的所述数据组(D)的第一增强(14)涵盖的所述第一类(K1)场景和由所述第二机器学习算法(A2)输出的、被传感器数据的所述数据组(D)的第二增强(16)涵盖的所述第二类(K2)场景之间的相似性损失(V)。3.按照权利要求1或2所述的计算机实现的方法，其中，所述第一机器学习算法(A1)具有：第一编码器(E1)，其接收传感器数据的所述数据组(D)的第一增强(14)的自车(12)的轨迹和/或速度数据(22)；第二编码器(E2)，其接收传感器数据的所述数据组(D)的第一增强(14)的至少一个对象的轨迹、速度数据和/或类型ID数据(24)；和第三编码器(E3)，其接收传感器数据的所述数据组(D)的第一增强(14)的车道信息(26)。4.按照前述权利要求中任一项所述的计算机实现的方法，其中，所述第二机器学习算法(A2)具有：第四编码器(E4)，其接收传感器数据的所述数据组(D)的第二增强(16)的自车(12)的轨迹和/或速度数据(28)；第五编码器(E5)，其接收传感器数据的所述数据组(D)的第二增强(16)的至少一个对象的轨迹、速度数据和/或类型ID数据(30)；和第六编码器(E6)，其接收传感器数据的所述数据组(D)的第二增强(16)的车道信息(32)。5.按照权利要求3或4所述的计算机实现的方法，其中，所述第一编码器(E1)、所述第二编码器(E2)和所述第三编码器(E3)分别输出特征向量，这些特征向量拼接成第一特征向量(MV1)，并且所述第四编码器(E4)、所述第五编码器(E5)和所述第六编码器(E6)分别输出特征向量，这些特征向量拼接成第二特征向量(MV2)。6.按照权利要求5所述的计算机实现的方法，其中，所述第一机器学习算法(A1)在使用所述拼接的第一特征向量(MV1)的情况下确定了被传感器数据的所述数据组(D)的第一增强(14)涵盖的所述第一类(K1)场景，并且所述第二机器学习算法(A2)在使用所述拼接的第二特征向量(MV2)的情况下确定了被传感器数据的所述数据组(D)的...

【专利技术属性】
技术研发人员：D，
申请(专利权)人：德斯拜思有限公司，
类型：发明
国别省市：