在自动驾驶系统处对图像中检测的对象分类的系统和方法技术方案

一种自动驾驶系统包括对象检测系统。神经网络图像编码器生成与包括对象的图像相关联的图像嵌入。神经网络文本编码器生成与多个概念中的每一个相关联的概念嵌入。多个概念中的每一个都与至少两个对象类中的一个相关联。置信度得分模块基于图像嵌入和与概念相关联的概念嵌入来生成多个概念中的每一个的置信度得分。对象类预测模块基于具有所生成的置信度得分的最高值中的至少两个的多个概念的概念集和与概念集的大多数相关联的至少两个对象类中的一个之间的关联，生成对象的预测对象类。类。类。

【技术实现步骤摘要】
在自动驾驶系统处对图像中检测的对象分类的系统和方法


[0001]本
总体涉及自主交通工具，并且更具体地涉及用于在自动驾驶系统(ADS)处对图像中检测到的对象进行分类的系统和方法。

技术介绍

[0002]自主交通工具的ADS通常从车辆传感器系统接收图像。所接收的图像通常表示自主交通工具的外部环境的可观察状况。ADS可以依赖于在图像中检测到的对象的分类来管理自主交通工具的性能。
[0003]由车辆传感器系统在相对较低能见度环境中(例如，在恶劣天气条件期间)捕获的图像可能不像在晴朗天气条件期间捕获的图像那样清晰。通常用于对图像中检测到的对象进行分类的代表性特征在这样的图像中可能不容易辨别。使用能够对在低能见度环境中捕获的图像中检测到的对象进行分类的对象检测系统是有益的。

技术实现思路

[0004]在一个实施例中，自主交通工具的自动驾驶系统(ADS)包括对象检测系统。对象检测系统包括：神经网络图像编码器，被配置为生成与由车辆传感器系统生成的图像的至少一部分相关联的图像嵌入(image embedding)，图像的至少一部分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自主交通工具的自动驾驶系统(ADS)，包括对象检测系统，所述对象检测系统包括：神经网络图像编码器，被配置为生成与由车辆传感器系统生成的图像的至少一部分相关联的图像嵌入，所述图像的至少一部分包括对象；神经网络文本编码器，被配置为生成与多个概念中的每一个都相关联的概念嵌入，所述多个概念中的每一个都与至少两个对象类中的一个相关联；置信度得分模块，被配置为基于所述图像嵌入和与所述概念相关联的所述概念嵌入，生成所述多个概念中的每一个的置信度得分；对象类预测模块，被配置为基于具有所生成的置信度得分的最高值中的至少两个的所述多个概念的概念集和与所述概念集的大多数相关联的所述至少两个对象类中的一个之间的关联，生成所述对象的预测对象类；以及处理器，被配置为部分地基于所述对象的预测对象类来管理所述自主交通工具的性能。2.根据权利要求1所述的系统，其中，所述多个概念中的每一个都与包括预定义概念的所述至少两个对象类中的一个相关联。3.根据权利要求1所述的系统，其中，所述至少两个对象类中的对象类包括轿车、公共汽车、自行车、摩托车和行人中的至少两个。4.根据权利要求1所述的系统，还包括对象候选模块，其被配置为在从所述车辆传感器系统接收的所述图像中检测所述对象，并且基于所检测的对象在所述图像中的位置来生成所述图像的至少一部分。5.根据权利要求4所述的系统，其中，所述对象候选模块被配置为实施基于区域的快速卷积网络(Fast R
‑
CNN)算法和你只看一次(YOLO)方法中的一个。6.根据权利要求1所述的系统，还包括特征提取神经网络，所述特征提取神经网络包括所述神经网络图像编码器和所述神经网络文本编码器，...

【专利技术属性】
技术研发人员：佟维，S，
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：