【技術實現步驟摘要】
【國外來華專利技術】
本專利技術涉及一種用于訓練機器學習算法以向多個對象檢測結果中的每一個分配置信度值的方法，其中所述多個對象檢測結果分別都表征同一對象，并且其中所述多個對象檢測結果中的每一個基于根據至少兩個不同傳感器的傳感器數據分別生成的對象檢測的另一種組合。
技術介紹
1、普通機動車輛以及尤其是自主駕駛的機動車輛具有多個傳感器，其中由這些傳感器采集的傳感器數據可以分別用于控制車輛功能，例如相應機動車輛的驅動組件、車輛控制器、照明裝置或其他可控系統。
2、傳感器，也稱為檢測器、(測量參量或測量)接受器或(測量)探測器，在此被理解為一種技術部件，該技術部件可以定性地或者作為測量參量定量地采集特定的物理或化學特性和/或其環境的材料特性。
3、集成到普通機動車輛中的傳感器例如在此可以是光學傳感器，尤其是激光雷達傳感器、雷達傳感器或光學相機。此時，由這些傳感器采集的數據例如可以分別由對象檢測算法進行處理，以便檢測相應數據中或這些數據的組合中的對象，例如行人和/或其他機動車輛。根據采集到的對象，隨后可以控制一種或多種車輛功能，例如可以啟動安全相關的動作。
4、在此應當注意，不同傳感器具有不同的特性和/或被設計用于不同的情況。例如，激光雷達傳感器或激光雷達測量系統快速而精確，但它們例如容易受到灰塵顆粒、水顆粒或煙霧顆粒的影響。另一方面，無論現有天氣條件如何，雷達傳感器都可以得到最佳使用，其中雷達傳感器也尤其適合測量速度。光學相機通常還具有非常好的分辨率。因此，需要一種方法，該方法使得能夠根據這些傳感器的傳感器數據分別檢測到的
5、從文獻de?102009021785?b4已知一種用于對象識別的方法，其中該對象具有抽象對象特性的多個表現形式并且被分配給在第一存儲器中存儲的對象特性類別的分層系統的對象特性類別，其中借助于具有傳感器群組的多個傳感器考慮至少一個該對象被認為所在的位置，這些傳感器分別響應至少一個對象特性并且然后發出傳感器信號，其中檢查所發出的傳感器信號是否分別超過為其預給定的閾值以及是否接受超過該閾值的傳感器信號。將已獲得所接受的傳感器信號的傳感器特性成對組合成識別特性對，其中將識別特性對的整體與存儲在第一存儲器中的對象特性類別進行比較，并且其中根據對象特性類別確定該對象，該對象特性類別的對象特性對與所獲取的識別特性對一致。
技術實現思路
1、因此，本專利技術的任務所基于的是給出一種方法，該方法使得可以基于當前條件最佳地處理根據不同傳感器的傳感器數據分別檢測到的對象。
2、該任務通過一種根據權利要求1的特征所述的用于訓練機器學習算法以向多個對象檢測結果中的每一個分配置信度值的方法來解決。
3、該任務還通過一種權利要求6的特征所述的用于訓練機器學習算法以向多個對象檢測結果中的每一個分配置信度值的控制設備來解決。
4、根據本專利技術的一個實施方式，該任務通過一種用于訓練機器學習算法以向多個對象檢測結果中的每一個分配置信度值的方法來解決，其中所述多個對象檢測結果分別表征同一對象，并且其中所述多個對象檢測結果中的每一個基于根據至少兩個不同傳感器的傳感器數據分別生成的對象檢測的另一種組合，并且其中該方法包括：提供用于訓練機器學習算法的訓練數據，其中所述訓練數據具有多個對象檢測結果，其中所述多個對象檢測結果分別表征同一對象，并且其中所述多個對象檢測結果中的每一個基于根據至少兩個不同傳感器的傳感器數據分別生成的對象檢測的另一種組合，并且其中所述訓練數據還具有關于所述對象的基準真相信息；和訓練機器學習算法，其中對于所述多個對象檢測結果中的每一個訓練機器學習算法包括確定相應的對象檢測結果與基準真相(ground-truth)之間的距離以及基于相應的對象檢測結果與基準真相之間的距離分配置信度值給相應的對象檢測結果，對于所述多個對象檢測結果中的每一個分別確定距所述其他對象檢測結果中的每一個的距離，并且根據分別分配給所述對象檢測結果的所述置信度值和在各個對象檢測結果之間的距離來如此訓練機器學習算法，使得根據在所述多個對象檢測結果之間的距離可以推斷出關于多個對象檢測結果中的每一個的置信度值的結論。
5、機器學習算法基于使用統計的方法，以便如此訓練數據處理裝置，使得其可以執行特定任務，而無需最初為此目的進行顯式編程。機器學習的目標在此在于構建能夠從數據中學習并做出預測的算法。這些算法創建數學模型，利用這些數學模型可以例如對數據進行分類。
6、置信度值還被理解為描述模型關于各個預測值的準確性的估計的值，其中置信度值通常在零和一之間，并且準確性越高，置信度值就越大。
7、此外，基準真相信息被理解為關于相應的對象的確切位置的知識。
8、不同傳感器還被理解為具有不同特性的傳感器或為不同情況而設計的傳感器。
9、對象檢測還被理解為通過將對象檢測算法應用于相應的數據來檢測由至少兩個不同傳感器中的恰好一個傳感器采集的數據中的對象。
10、對象檢測結果還被理解為組合或融合這些對象檢測中的一個或多個以形成共同的對象檢測結果。
11、如果對象檢測結果中的一個與基準真相信息或該對象的準確位置之間的距離或間距很小，則這意味著相應的對象檢測結果非常準確。另一方面，如果對象檢測結果中的一個與基準真相信息之間的距離比較大，則這意味著相應的對象檢測結果比較不準確。
12、因此，基于標記的訓練數據如此訓練機器學習算法，使得其基于各個對象檢測結果相互間的距離可以得到相應對象的可能實際位置以及因此還有各個對象檢測結果與該對象的實際位置的相應距離的結論，由此還可以推導出相應的置信度值以及因此還有在相應情況下的最佳傳感器或在相應情況下傳感器的最佳組合。
13、總的來說，因此說明了一種方法，該方法使得可以基于當前條件最佳地處理所述根據由不同傳感器分別檢測到的對象。
14、在此，訓練機器學習算法的步驟可以包括如此訓練機器學習算法，使得該算法為排列不變的。
15、機器學習算法是排列不變的，在此意味著其保持不變或者與是否交換各個輸入數據無關。
16、由此可以進一步提高對多個對象檢測結果中的每一個的置信度值的分配、尤其是分配的準確性。
17、此外，所述至少兩個不同傳感器是激光雷達傳感器、雷達傳感器和光學相機中的至少兩個。
18、激光雷達傳感器生成關于周圍對象的形狀和表面特性的精確三維信息。該技術使用人眼安全范圍內的激光束來創建所采集的環境的3d表示。然而在此例如缺點是，它們例如容易受到灰塵顆粒、水顆粒或煙霧顆粒的影響。
19、雷達傳感器是一種基于光束的傳感器，其被采用來采集對象，例如其他車輛和行人，并測量它們與車輛的距離以及它們的相對速度。為此目的，發射電磁波。無論現有天氣條件如何，雷達傳感器在此都可以得到最佳使用，其中雷達傳感器尤其適合測量速度。
20、對于光學相機，光線通過鏡頭進入相機外殼，本文檔來自技高網...
【技術保護點】
1.一種用于訓練機器學習算法以向多個對象檢測結果中的每一個分配置信度值的方法，其中所述多個對象檢測結果分別表征同一對象，并且其中所述多個對象檢測結果中的每一個基于根據至少兩個不同傳感器的傳感器數據分別生成的對象檢測的另一種組合，并且其中所述方法(1)具有以下步驟：
2.根據權利要求1所述的方法，其中訓練機器學習算法(3)的步驟包括如此訓練機器學習算法，使得所述機器學習算法為排列不變的。
3.根據權利要求1或2所述的方法，其中所述至少兩個不同傳感器是激光雷達傳感器、雷達傳感器和光學相機中的至少兩個。
4.一種用于檢測至少兩個不同傳感器的傳感器數據中的對象的方法，所述方法具有以下步驟：
5.根據在至少兩個不同傳感器的傳感器數據中檢測到的對象控制所述可控系統，其中所述方法包括以下步驟：
6.一種用于訓練機器學習算法以向多個對象檢測結果中的每一個分配置信度值的控制設備，其中所述多個對象檢測結果分別表征同一對象，并且其中所述多個對象檢測結果中的每一個基于根據至少兩個不同傳感器的傳感器數據分別生成的對象檢測的另一種組合，并且其中所述
7.根據權利要求6所述的控制設備，其中，所述訓練單元(14)被構造為如此訓練機器學習算法，使得所述機器學習算法為排列不變的。
8.根據權利要求6或7所述的控制設備，其中所述至少兩個不同傳感器是激光雷達傳感器、雷達傳感器和光學相機中的至少兩個。
9.一種用于檢測至少兩個不同傳感器的傳感器數據中的對象的控制設備，其中所述控制設備(12)具有提供單元(15)、檢測單元(16)、生成單元(17)、分配單元(18)、比較單元(19)和確定單元(20)，所述提供單元被構造為提供至少兩個不同傳感器的傳感器數據，所述檢測單元被構造為對于至少兩個不同傳感器中的每一個分別檢測相應傳感器的傳感器數據中的對象以獲得對象檢測，所述生成單元被構造為通過融合一個或多個對象檢測從所述對象檢測生成多個對象檢測結果，所述分配單元被構造為對于所述多個對象檢測結果中的每一個，通過機器學習算法以分配置信度值給多個對象檢測結果中的每一個來為所述相應的對象檢測結果分別分配置信度值，其中通過根據權利要求6至8中任一項所述的用于訓練機器學習算法以向所述多個對象檢測結果(11)中的每一個分配置信度值的控制設備來訓練機器學習算法以向多個對象檢測結果中的每一個分配置信度值，所述比較單元被構造為通過比較分別分配給所述多個對象檢測結果的置信度值來確定具有最高置信度值的對象檢測結果，并且所述確定單元被構造為根據具有最高置信度值的對象檢測結果來檢測所述對象。
10.一種用于根據至少兩個不同傳感器的傳感器數據中檢測到的對象來控制可控系統的控制設備，其中所述控制設備具有檢測單元和控制單元，所述檢測單元被構造為根據權利要求9所述的用于檢測至少兩個不同傳感器的傳感器數據中的對象的控制設備來檢測所述至少兩個不同傳感器生成的數據的傳感器數據中的對象，所述控制單元被構造為根據檢測到的對象控制所述可控系統。
...【技術特征摘要】
【國外來華專利技術】
1.一種用于訓練機器學習算法以向多個對象檢測結果中的每一個分配置信度值的方法，其中所述多個對象檢測結果分別表征同一對象，并且其中所述多個對象檢測結果中的每一個基于根據至少兩個不同傳感器的傳感器數據分別生成的對象檢測的另一種組合，并且其中所述方法(1)具有以下步驟：
2.根據權利要求1所述的方法，其中訓練機器學習算法(3)的步驟包括如此訓練機器學習算法，使得所述機器學習算法為排列不變的。
3.根據權利要求1或2所述的方法，其中所述至少兩個不同傳感器是激光雷達傳感器、雷達傳感器和光學相機中的至少兩個。
4.一種用于檢測至少兩個不同傳感器的傳感器數據中的對象的方法，所述方法具有以下步驟：
5.根據在至少兩個不同傳感器的傳感器數據中檢測到的對象控制所述可控系統，其中所述方法包括以下步驟：
6.一種用于訓練機器學習算法以向多個對象檢測結果中的每一個分配置信度值的控制設備，其中所述多個對象檢測結果分別表征同一對象，并且其中所述多個對象檢測結果中的每一個基于根據至少兩個不同傳感器的傳感器數據分別生成的對象檢測的另一種組合，并且其中所述控制設備(11)具有提供單元(13)和訓練單元(14)，所述提供單元被構造為提供用于訓練機器學習算法的訓練數據，其中所述訓練數據具有多個對象檢測結果，其中所述多個對象檢測結果分別表征同一對象，并且其中所述多個對象檢測結果中的每一個基于根據至少兩個不同傳感器的傳感器數據分別生成的對象檢測的另一種組合，并且其中所述訓練數據還具有關于所述對象的基準真相信息；所述訓練單元被構造為訓練機器學習算法，其中對于所述多個對象檢測結果中的每一個，所述訓練機器學習算法包括確定在所述相應的對象檢測結果與所述基準真相之間的距離以及基于所述相應的對象檢測結果與所述基準真相之間的距離分配置信度值給所述相應的對象檢測結果，對于所述多個對象檢測結果中的每一個分別確定與其他對象檢測結果中的每一個的距離，并且根據分別分配給所述對象檢測結果的置信度值和在各個對象檢測結果之...
【專利技術屬性】
技術研發人員：K·納特羅什維利，
申請(專利權)人：羅伯特·博世有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。