【技术实现步骤摘要】
本公开涉及用于确定对象的属性的方法和系统，特别是用于使用摄像头、激光雷达传感器和雷达传感器的对象检测。
技术介绍
1、对象检测是各种应用的重要方面，例如用于辅助驾驶或自主驾驶。
2、然而，如果需要可靠和准确的结果，则目前的对象检测在计算上是昂贵的。
3、因此，需要提供用于对象检测的改进的方法和系统。
技术实现思路
1、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。在说明书和附图中给出了实施方式。
2、在一个方面，本公开涉及一种用于确定对象的属性的由计算机实现的方法，所述方法包括由计算机硬件组件执行的以下步骤：获取包括所述对象的场景的图像；获取所述场景的多个激光雷达测量结果；将所述多个激光雷达测量结果聚类成多个激光雷达测量结果组；获取所述场景的雷达测量结果；识别所述多个激光雷达测量结果组中的哪个激光雷达测量结果组对应于所述雷达测量结果；以及基于所述图像和所识别的激光雷达测量结果组来确定所述对象的属性。
3、利用根据各种实施方式的方法，可以使用雷达来选择激光雷达测量结果，但是也可以存在假设检测(例如用于框或掩模)，其基于图像和激光雷达测量结果。利用雷达和激光雷达的组合，可以过滤那些假设。应当理解，不管是利用雷达测量结果对激光雷达测量结果进行第一滤波还是对图像和与雷达测量结果匹配的激光雷达测量结果进行滤波，结果可以是相同的。
4、雷达测量结果可以包括雷达数据，该雷达数据可以使用fft(快速傅立叶变换)或类似
5、可以提供激光雷达测量结果并将其用作由xyz坐标组成的原始点云。也可以考虑其它属性，例如反射率。
6、换言之，雷达数据测量数据可以被用于识别多个激光雷达测量结果中的哪个激光雷达测量结果对应于基于图像也被检测到的对象。融合所有这些信息可以提供对象的有效和可靠的检测。
7、多个激光雷达测量结果可以包括或可以是多个激光雷达射线。
8、说明性地，从图像中提取关于高级别的信息，并且从雷达和激光雷达测量结果中提取关于低级别的信息。应当理解，低级别和高级别是指抽象：可以从摄像头中提取诸如“这是汽车”的高级别信息。
9、利用根据各种实施方式的方法，可以提供摄像头和激光雷达辅助长距离雷达标记。
10、根据实施方式，由计算机实现的方法还包括由所述计算机硬件组件执行的以下步骤：确定所述多个激光雷达测量结果组中是否至少一个激光雷达测量结果组对应于所述雷达测量结果。如果确定多个激光雷达测量结果组中的至少一个激光雷达测量结果值对应于雷达测量结果，则识别这些组中的对应于雷达测量结果的一个组并将其用作所识别的激光雷达测量结果组。如果超过一个组对应于雷达测量结果，则可以识别这些组中的一个组，或者可以以将这些组中的各个组识别并视为单独的假设。如果没有组对应于雷达测量结果，则可以丢弃当前测量结果(图像和/或激光雷达测量结果和/或雷达测量结果)或者可以启动错误处理协议。
11、根据实施方式，所述图像和/或所述雷达测量结果和/或所述多个激光雷达测量结果对应于所述场景中包括所述对象的区域。因此，所有测量数据(图像、雷达测量结果、激光雷达测量结果)可以提供(同一)对象的信息，并且根据本文描述的各种实施方式使用所有这些信息可以产生高效且可靠的检测结果。
12、根据实施方式，所述计算机实现的方法还包括由所述计算机硬件组件进行的以下步骤：基于相应的激光雷达测量结果组中的所述激光雷达测量结果来确定该激光雷达测量结果组中的各激光雷达测量结果的相应的第一距离假设；基于所述雷达测量结果确定第二距离假设；其中，基于所述相应的第一距离假设与所述第二距离假设之间的对应性来识别所述多个激光雷达测量结果组中的哪个激光雷达测量结果组对应于所述雷达测量结果。使用相应的第一距离假设与第二距离假设之间的对应性来识别对应于雷达测量结果的激光雷达测量结果组可以提供识别出两个距离假设良好一致并且可以在没有任何矛盾的情况下同时保持为真的组。例如，对应性可以表示为第一距离假设与第二距离假设之间的差(或平方差)。
13、根据实施方式，识别所述多个激光雷达测量结果组中的哪个激光雷达测量结果组对应于所述雷达测量结果的步骤包括：识别所述多个激光雷达测量结果中的一个激光雷达测量结果，对于所述一个激光雷达测量结果，所述激光雷达测量结果的所述第一距离假设与所述第二距离假设之间的距离包括最小值。因此，即使超过一个激光雷达测量结果组对应于雷达测量结果，一个(并且只有一个)激光雷达测量结果组也可以被识别以供进一步处理。
14、根据实施方式，所述计算机实现的方法还包括由所述计算机硬件组件执行的下列步骤：在多个时间步上跟踪所述第一距离假设和/或所述第二距离假设中的至少一个。在多个时间步上跟踪这些第一距离假设和/或第二距离假设可以提供可以补偿单个离群值，并且可以减少单个假设中的噪声。
15、根据实施方式，所述计算机实现的方法还包括由所述计算机硬件组件执行的下列步骤：在多个时间步上跟踪图像和/或激光雷达测量结果和/或雷达测量结果以确定速度估计；其中，所述雷达测量结果包括距离变化率；其中，基于所述速度估计与所述距离变化率之间的对应性来识别所述多个激光雷达测量结果组中的哪个激光雷达测量结果组对应于所述雷达测量结果。使用速度估计和距离变化率之间的对应性来识别对应于雷达测量结果的激光雷达测量结果组可以提供识别出速度估计和距离变化率良好一致并且可以同时保持真而没有任何矛盾的组。例如，对应性可以表示为速度估计和距离变化率之间的差(或平方差)。
16、根据实施方式，所述计算机实现的方法还包括由所述计算机硬件组件执行的下列步骤：将所述图像的区域与所识别的激光雷达测量结果组进行匹配；其中，优选地，所述匹配基于未被执行任何处理的所述图像、对象检测框或通过机器学习方法预测的掩模中的至少一个。
17、匹配可以包括将掩模/框下的图像坐标转移到激光雷达/雷达/载具坐标系中。对于来自图像的各个点，可以获得激光雷达/雷达坐标系中的射线。比给定阈值接近射线的任何激光雷达/雷达点可以被匹配并考虑以供进一步处理。说明性地，这等于将激光雷达点投影到图像中并检查其是否与掩模/框相交。这显示在图1的106和108中。
18、根据实施方式，所述计算机实现的方法还包括由所述计算机硬件组件执行的下列步骤：基于所获取的图像进行对象检测和/或分类。基于所确定的属性，可以检测对象和/或可以确定对象的类别。根据各种实施方式，可以提供激光雷达检测与图像像素的组合，其然后允许构建3d位置。然后可以使用该位置使其与雷达检测相匹配。
19、根据实施方式，该属性包括以下各项中的至少一项：对象的类别、对象的位置(例如在世界坐标系中或相对于在其上提供有摄像头、雷达传感器和激光雷达传感器的载具的载具坐标系)、对象的距本文档来自技高网...
【技术保护点】
1.一种用于确定对象的属性的由计算机实现的方法，所述方法包括由计算机硬件组件执行的以下步骤：
2.根据权利要求1所述的由计算机实现的方法，所述方法还包括由所述计算机硬件组件执行的以下步骤：
3.根据权利要求1至2中的至少一项所述的由计算机实现的方法，其中，所述雷达测量结果和/或所述多个激光雷达测量结果对应于所述场景中包括所述对象的区域。
4.根据权利要求1所述的由计算机实现的方法，所述方法还包括由所述计算机硬件组件执行的以下步骤：
5.根据权利要求4所述的由计算机实现的方法，
6.根据权利要求4至5中的任一项所述的由计算机实现的方法，所述方法还包括由所述计算机硬件组件执行的以下步骤：
7.根据权利要求1所述的由计算机实现的方法，所述方法还包括由所述计算机硬件组件执行的以下步骤：
8.根据权利要求1所述的由计算机实现的方法，所述方法还包括由所述计算机硬件组件执行的以下步骤：
9.根据权利要求1所述的由计算机实现的方法，所述方法还包括由所述计算机硬件组件执行的以下步骤：
10.
11.一种用于训练机器学习方法的训练方法，所述训练方法包括由计算机硬件组件执行的以下步骤：
12.一种用于控制载具的控制方法，所述控制方法包括由计算机硬件组件执行的以下步骤：
13.一种计算机系统(300)，所述计算机系统(300)包括多个计算机硬件组件，所述多个计算机硬件组件被配置成执行根据权利要求1至12中的任一项所述的由计算机实现的方法的步骤。
14.一种载具，所述载具包括：
15.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括计算机程序，在所述计算机程序被计算机执行时，使得所述计算机执行根据权利要求1至12中的任一项所述的由计算机实现的方法的指令。
...【技术特征摘要】
1.一种用于确定对象的属性的由计算机实现的方法，所述方法包括由计算机硬件组件执行的以下步骤：
2.根据权利要求1所述的由计算机实现的方法，所述方法还包括由所述计算机硬件组件执行的以下步骤：
3.根据权利要求1至2中的至少一项所述的由计算机实现的方法，其中，所述雷达测量结果和/或所述多个激光雷达测量结果对应于所述场景中包括所述对象的区域。
4.根据权利要求1所述的由计算机实现的方法，所述方法还包括由所述计算机硬件组件执行的以下步骤：
5.根据权利要求4所述的由计算机实现的方法，
6.根据权利要求4至5中的任一项所述的由计算机实现的方法，所述方法还包括由所述计算机硬件组件执行的以下步骤：
7.根据权利要求1所述的由计算机实现的方法，所述方法还包括由所述计算机硬件组件执行的以下步骤：
8.根据权利要求1所述的由计算机实现的方法，所述方法还包括由所述...
【专利技术属性】
技术研发人员：S·罗斯勒，
申请(专利权)人：APTIV技术股份公司，
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。