关联LIDAR数据和图像数据制造技术

单眼图像通常不包含足够的信息来确定图像中所反映的场景中对象的深度。组合图像数据和LIDAR数据可以使得能够确定对象相对于相机的深度估计。具体地，可以将图像中的与对象相对应的感兴趣区域(“ROI”)相对应的LIDAR点与图像数据组合。可以根据单眼图像模型和/或基于LIDAR点到ROI中的投影与感兴趣区域的中心之间的距离的因子来对这些LIDAR点进行评分，这可以提高深度估计的准确性。将这些得分用作LIDAR点的加权中值中的权重可以例如通过所检测对象与遮挡对象和/或背景之间进行区分来提高深度估计的准确性。

【技术实现步骤摘要】

技术介绍

1、相机图像传统上包括二维数据。因此，即使在场景的图像上进行对象检测时，该检测也仅提供与检测到的对象相对应的图像的坐标(即，深度和/或比例是模糊的)。已经引入了诸如使用立体相机的解决方案以从图像恢复被检测对象的深度。但是，立体相机深度检测容易出错，并且对于诸如自动驾驶车辆控制之类的实时应用而言通常太慢，这可能导致安全结果降低。

技术实现思路

【技术保护点】

1.一种方法，包括：

2.根据权利要求1所述的方法，其中生成所述得分中的所述第一得分包括通过机器学习模型，确定与深度测量相关联的概率分布，所述深度测量与所述第一LIDAR点相关联。

3.根据权利要求2所述的方法，其中通过所述机器学习模型确定所述概率分布包括：

4.根据权利要求2所述的方法，还包括：

5.根据权利要求4所述的方法，其中，生成与所述第一LIDAR点相关联的所述第一得分至少部分地基于所述因子和所述概率密度。

6.根据权利要求1所述的方法，还包括至少部分地基于所述第一深度估计来控制自动驾驶车辆。>

7.一种设备...

【技术特征摘要】

1.一种方法，包括：

2.根据权利要求1所述的方法，其中生成所述得分中的所述第一得分包括通过机器学习模型，确定与深度测量相关联的概率分布，所述深度测量与所述第一lidar点相关联。

3.根据权利要求2所述的方法，其中通过所述机器学习模型确定所述概率分布包括：

4.根据权利要求2所述的方法，还包括：

5.根据权利要求4所述的方法，其中，生成与所述第一lidar点相关联的所述第一得分至少部分地基于所述因子和所述概率密度。

6.根据权利要求1所述的方法，还包括至少部分地基于所述第一深度估计来控制自动驾驶车辆。

7.一种设备，包括：

8.根据权利要求7所述的设备，其中，生成所述得分中的所述第一得分至少部分地基于：

9.根据权利要求8所述的设备，其中，生成所述第一得分至少部分地基于概率密度和...

【专利技术属性】
技术研发人员：T·李，S·M·普拉丹，D·D·安格洛夫，
申请(专利权)人：祖克斯有限公司，
类型：发明
国别省市：