【技术实现步骤摘要】
【国外来华专利技术】
本申请涉及自动驾驶车辆领域，例如，涉及用于反射表面中的对象检测的系统和方法。
技术介绍
1、自动驾驶系统会感知环境，以进行自动行为规划和导航。为了确保车辆运行安全，需要准确估计和标识无障碍路径。具有反射表面的环境条件可能会对基于摄像机的对象检测等构成巨大的挑战。例如，道路交叉口就是这样的环境条件，在道路交叉口，镜状结构将附近的来车反射到主车辆。
2、人类驾驶员具有感知反射的认知能力，并在语义上将反射和与驾驶任务相关的真实对象(例如交通参与者)区分开来。此外，人类驾驶员可以在这些反射中定位相关的交通参与者，并具有语义理解，即被反射的感知对象位于环境中的其它地方。现代检测配置对于具有反射表面的场景中的对象检测可能不那么可靠：由镜状结构引起的正误识检测可能被检测为交通参与者。
3、此外，当前的驾驶自动化配置可能缺乏对镜状结构中的检测的语义理解，例如关于所检测到的对象的位置和运动方向。如果在反射表面中检测到来车等交通参与者，则例如，所检测到的这些车辆可能会被解释为来自道路的前方，导致自动车辆的操作欠佳或可能对这种正误识检测做出危险反应。
4、自动驾驶系统经常使用基于视觉摄像机的对象检测方法来感知和跟踪环境中的对象。但是，这些系统在避免由于反射引起的正误识检测方面似乎不那么可靠。利用现代对象检测配置检测反射表面的方法通常使用附加的传感器，例如[1]。基于图像的反射表面自动检测方法使用图像及其反射的几何模型，但是，在实际使用中已经被证明是相当困难的。
5、因此，急需解决用于对象检测，特别是用于
技术实现思路
1、根据本专利技术的系统和方法支持改进的反射表面中的对象检测。
2、上述和其它目的通过独立权利要求的特征实现。其它实现方式在从属权利要求、说明书和附图中是显而易见的。
3、根据第一方面，一种用于反射表面中的对象检测的系统包括处理器。处理器用于接收至少一个输入视频帧作为输入图像帧序列，并检测输入图像帧序列中的反射表面。处理器用于在反射表面中执行对象检测，并将在反射表面中检测到的对象区分为真实对象或反射对象，从而减少正误识检测，其中，区分基于相应检测边界框的几何坐标、分类分数、关联的不确定性值、反射分数或相似性分数中的至少一个。
4、该系统还用于减少反射表面中的正误识检测，以用于在具有自动驾驶能力的主车辆中实现的对象检测任务。该系统可以包括图像捕获设备，该图像捕获设备用于捕获由一组输入图像帧形成的视频序列。该系统还可以包括处理器、存储器、控制单元和通信子系统。处理器和存储器用于训练和部署神经网络模块，以执行对象检测，并区分真实对象和反射对象(正误识检测)。该系统可以用于实现系统与其它远程计算机网络或设备之间的通信。该系统还可以包括光发射子系统，该光发射子系统由计算机设备的控制单元控制，以用于为验证过程发送光模式。
5、通信子系统可以用于使用无线技术和关联的协议来实现计算设备与其它远程计算机网络或设备之间的通信，包括但不限于车辆到车辆(vehicle-to-vehicle，v2v)和车辆到基础设施(vehicle-to-infrastructure，v2i)通信。处理器用于区分在反射区域和非反射区域中检测到的对象，以降低正误识检测率。光发射子系统由计算机设备的控制单元控制，以用于为验证方法发送光模式。
6、因此，在操作期间，系统能够区分真实对象和反射对象。可选地，可以提供示例性的主车辆图像、包括v2v车辆图像和在局部图像坐标系中表示的对应v2v车辆坐标的v2v车辆数据。
7、根据第一方面，在该系统的一种可能的实现方式中，处理器还用于实现神经网络模块，该神经网络模块用于：接收至少一个输入视频帧作为输入图像帧序列；检测输入图像帧序列中的反射表面；在反射表面中执行对象检测；将在反射表面中检测到的对象区分为真实对象或反射对象，从而减少正误识检测，其中，区分基于相应检测边界框的几何坐标、分类分数、关联的不确定性值、反射分数或相似性分数中的至少一个。通过神经网络模块，该系统采用深度学习技术，以改进反射表面中对象(例如车辆)的正误识检测。
8、根据第一方面，在该系统的一种可能的实现方式中，该系统包括边缘情况评估模块，该边缘情况评估模块用于评估神经网络的对象检测输出，以识别边缘情况。边缘情况评估可以由处理器实现。因此，在操作期间评估神经网络的对象检测，以区分真实对象和反射对象，例如车辆。对网络的输出进行评估，以识别可能对系统完整性构成威胁的潜在的或特定的边缘情况。可选地，通过评估神经网络的输出，可以识别可能对系统完整性构成威胁的潜在的、特定的边缘情况场景。
9、根据第一方面，在该系统的一种可能的实现方式中，边缘情况评估模块用于验证所检测到的对象为正误识检测。因此，进一步提高了对象检测的可靠性。
10、根据第一方面的任一上述实现方式，在系统的一种可能的实现方式中，所检测到的对象是主车辆、与主车辆具有相似外观的v2v车辆或来车。
11、根据第一方面，在该系统的一种可能的实现方式中，处理器还用于实现神经网络模块，该神经网络模块用于：执行语义分割，以标识输入图像帧中的反射表面；提供具有包括主车辆或v2v车辆的反射区域的至少一个语义图像，作为反射区域的一部分。
12、根据第二方面，提供了一种用于反射表面中的对象检测的方法。该方法由用于反射表面中的对象检测的系统执行。该方法包括：接收至少一个输入视频帧作为输入图像帧序列；检测输入图像帧序列中的反射表面；在反射表面中执行对象检测；将在反射表面中检测到的对象区分为真实对象或反射对象，从而减少正误识检测，其中，区分基于相应检测边界框的几何坐标、分类分数、关联的不确定性值、反射分数或相似性分数中的至少一个。
13、根据第二方面，在该方法的一种可能的实现方式中，神经网络包括执行以下方法步骤：接收至少一个输入视频帧作为输入图像帧序列；检测输入图像帧序列中的反射表面；在反射表面中执行对象检测；将在反射表面中检测到的对象区分为真实对象或反射对象，从而减少正误识检测，其中，区分基于相应检测边界框的几何坐标、分类分数、关联的不确定性值、反射分数或相似性分数中的至少一个。
14、根据第二方面，在该方法的一种可能的实现方式中，该方法包括边缘情况评估，该边缘情况评估包括：评估神经网络的对象检测输出，以识别边缘情况。
15、根据第二方面，在该方法的一种可能的实现方式中，所检测到的对象是主车辆、与主车辆具有相似外观的v2v车辆或来车。
16、根据第二方面，在该方法的一种可能的实现方式中，该边缘情况评估包括验证所检测到的车辆为正误识检测，该验证包括：检测包括图像帧序列的至少一个视频帧；在至少一个视频帧中检测车辆；评估所检测到的车辆是否类似于主车辆或v2v车辆；如果检测对应于主车辆外观，则发射光模式，或者，如果检测对应于v2v车辆外观，则在请求向v2v车辆发射本文档来自技高网...
【技术保护点】
1.一种用于反射表面(101)中的对象检测的系统(220)，其特征在于，所述系统(220)包括处理器(225)，所述处理器(225)用于：
2.根据权利要求1所述的系统(220)，其特征在于，所述处理器(225)还用于实现神经网络(310)模块，所述神经网络(310)模块用于：
3.根据权利要求2所述的系统(220)，其特征在于，还包括边缘情况评估(450)模块，用于评估所述神经网络(310)的对象检测(350)输出，以识别边缘情况。
4.根据权利要求3所述的系统(220)，其特征在于，所述边缘情况评估(450)模块用于验证所检测到的对象为正误识检测。
5.根据权利要求1至4中任一项所述的系统(220)，其特征在于，所检测到的对象是主车辆(102)、与所述主车辆(102)具有相似外观的V2V车辆或来车(103)。
6.根据权利要求1至5中任一项所述的系统(220)，其特征在于，所述处理器还用于实现神经网络(610)模块，所述实现神经网络(610)模块用于：
7.一种用于反射表面(101)中的对象检测的方法(4
8.根据权利要求7所述的方法(400)，其特征在于，神经网络(310)包括执行以下方法步骤：
9.根据权利要求8所述的方法(400)，其特征在于，还包括边缘情况评估(450)，所述边缘情况评估(450)包括：
10.根据权利要求7至9中任一项所述的方法(400)，其特征在于，所检测到的对象是主车辆(102)、与所述主车辆(102)具有相似外观的V2V车辆或来车(103)。
11.根据权利要求10所述的方法(400)，其特征在于，所述边缘情况评估(450)包括验证所检测到的车辆为正误识检测，所述验证包括：
12.根据权利要求7至11中任一项所述的方法(400)，其特征在于，神经网络(310)包括执行以下方法步骤：
13.根据权利要求12所述的方法，其特征在于，为所述语义图像的每个相应反射区域提供唯一校准签名(780)。
14.一种自动驾驶车辆，其特征在于，包括权利要求1至6中任一项所述的系统，用于执行权利要求7至13中任一项所述的方法。
15.一种用于训练用于对象检测的神经网络(310)的方法(300)，其特征在于，所述方法包括在训练阶段执行以下步骤：
16.一种用于训练神经网络来进行语义分割的方法，其特征在于，所述方法包括在训练阶段执行以下步骤：
17.根据权利要求16所述的方法，其特征在于，还包括：
18.一种计算机程序产品，其特征在于，存储在非瞬时性介质中，并且包括代码指令，所述代码指令在一个或多个处理器上执行时，使所述一个或多个处理器执行根据权利要求8至18中任一项所述的方法。
...【技术特征摘要】
【国外来华专利技术】
1.一种用于反射表面(101)中的对象检测的系统(220)，其特征在于，所述系统(220)包括处理器(225)，所述处理器(225)用于：
2.根据权利要求1所述的系统(220)，其特征在于，所述处理器(225)还用于实现神经网络(310)模块，所述神经网络(310)模块用于：
3.根据权利要求2所述的系统(220)，其特征在于，还包括边缘情况评估(450)模块，用于评估所述神经网络(310)的对象检测(350)输出，以识别边缘情况。
4.根据权利要求3所述的系统(220)，其特征在于，所述边缘情况评估(450)模块用于验证所检测到的对象为正误识检测。
5.根据权利要求1至4中任一项所述的系统(220)，其特征在于，所检测到的对象是主车辆(102)、与所述主车辆(102)具有相似外观的v2v车辆或来车(103)。
6.根据权利要求1至5中任一项所述的系统(220)，其特征在于，所述处理器还用于实现神经网络(610)模块，所述实现神经网络(610)模块用于：
7.一种用于反射表面(101)中的对象检测的方法(400)，其特征在于，所述方法包括：
8.根据权利要求7所述的方法(400)，其特征在于，神经网络(310)包括执行以下方法步骤：
9.根据权利要求8所述的方法(400)，其特征在于，还包括边缘情况评估(450)，所述...
【专利技术属性】
技术研发人员：迭戈·奥尔蒂斯，菲利普·昆廷，杰里昂·欣茨，胡文，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：
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。