【技术实现步骤摘要】
计算机系统、计算机实现的方法和计算机可读介质
[0001]本公开涉及计算机系统、计算机实现的方法和计算机可读介质。
技术介绍
[0002]运载工具的环境的准确感知对于确保安全且有效的运载工具操作至关重要。然而,将各种可用的传感器模态组合成准确且有用的感知理解通常是具有挑战性的。
技术实现思路
[0003]一种计算机系统,包括:一个或多于一个计算机可读存储装置,其被配置为存储计算机可执行指令;以及一个或多于一个计算机处理器,其被配置为执行所述计算机可执行指令,其中,所述计算机可执行指令的执行使得所述计算机系统:获得数据对的集合,各个数据对包括:第一数据,其与表示基于区域中的运载工具的传感器数据而生成的区域的鸟瞰图的合成图像相对应,其中,所述合成图像识别区域中的对象;以及第二数据,其与表示区域中的运载工具的视点的照相机图像相对应,其中,所述照相机图像描绘所述对象;基于所述数据对的集合来训练机器学习模型以产生经训练模型,其中,所述机器学习模型包括至少一个卷积神经网络以处理所述数据对的集合,并且其中,所述机器学习模型接受所述数据对的集合的给定数据对作为输入,并且提供与所述给定数据对相对应的对象的预测运动作为输出;以及将所述经训练模型传输到目的地运载工具,其中,所述目的地运载工具被配置为将所述经训练模型应用于所述目的地运载工具的传感器数据,以预测在所述传感器数据内识别出的目标对象的运动。
附图说明
[0004]图1是可以实现包括自主系统的一个或多于一个组件的运载工具的示例环境;
[000 ...
【技术保护点】
【技术特征摘要】
1.一种计算机系统,包括:一个或多于一个计算机可读存储装置,其被配置为存储计算机可执行指令;以及一个或多于一个计算机处理器,其被配置为执行所述计算机可执行指令,其中,所述计算机可执行指令的执行使得所述计算机系统:获得数据对的集合,各个数据对包括:第一数据,其与表示基于区域中的运载工具的传感器数据而生成的区域的鸟瞰图的合成图像相对应,其中,所述合成图像识别区域中的对象;以及第二数据,其与表示区域中的运载工具的视点的照相机图像相对应,其中,所述照相机图像描绘所述对象;基于所述数据对的集合来训练机器学习模型以产生经训练模型,其中,所述机器学习模型包括至少一个卷积神经网络以处理所述数据对的集合,并且其中,所述机器学习模型接受所述数据对的集合的给定数据对作为输入,并且提供与所述给定数据对相对应的对象的预测运动作为输出;以及将所述经训练模型传输到目的地运载工具,其中,所述目的地运载工具被配置为将所述经训练模型应用于所述目的地运载工具的传感器数据,以预测在所述传感器数据内识别出的目标对象的运动。2.根据权利要求1所述的计算机系统,其中,所述至少一个卷积神经网络包括用于处理所述给定数据对的第一数据的第一卷积神经网络、用于处理所述给定数据对的第二数据的第二卷积神经网络、以及用于生成与所述给定数据对相对应的对象的预测运动的稠密层。3.根据权利要求2所述的计算机系统,其中,所述第一卷积神经网络生成合成图像特征,其中,所述第二卷积神经网络生成照相机图像特征,并且其中,所述稠密层将所述合成图像特征和所述照相机图像特征的连结作为输入并且输出与所述给定数据对相对应的对象的预测运动。4.根据权利要求3所述的计算机系统,其中,所述稠密层还将与同所述给定数据对相对应的对象有关的状态信息作为输入,并且输出与所述给定数据对相对应的对象的预测运动。5.根据权利要求4所述的计算机系统,其中,所述状态信息包括与所述给定数据对相对应的对象的速率、与所述给定数据对相对应的对象的加速度以及与所述给定数据对相对应的对象的姿态中的一个或多于一个。6.根据权利要求1所述的计算机系统,其中,所述至少一个卷积神经网络是第一卷积神经网络,其中,所述第一卷积神经网络将根据与所述给定数据对的照相机图像相对应的所述第二数据而标注的、与所述给定数据对的合成图像相对应的第一数据作为输入。7.根据权利要求6所述的计算机系统,其中,所述至少一个卷积神经网络生成被提供给稠密层的输出,以提供与所述给定数据对相对应的对象的预测运动。8.根据权利要求6所述的计算机系统,其中,所述第一数据被标注以在所述给定数据对的对象上指示点亮的制动灯、点亮的转向信号、轮位置、肢体位置和关节位置其中至少之一。9.根据权利要求6所述的计算机系统,其中,经由将第二机器学习模型应用于所述给定数据对的第一数据和所述给定数据对的第二数据,所述第一数据被标注。
10.根据权利要求6所述的计算机系统,其中,所述机器学习模型包括第二卷积神经网络,以生成对所述给定数据对的第一数据的标注。11.根据权利要求10所述的计算机系统,其中,在所述机器学习模型的训练期间,所述第一卷积神经网络与所述第二卷积神经网络同时被训练。12.根据权利要求11所述的计算机系统,其中,所述第二卷积神经网络输出至用于提供信号概率的稠密层,并且其中,所述第一卷积神经网络用损失函数进行训练,其中,所述第一卷积神经网络将信号概率作为输入并且输出与所述给定数据对相对应的对象的预测运动。13.根据权利要求10所述的计算机系统,其中,所述第二卷积神经网络接受所述给定数据对的第二数据的裁剪部分作为输入,所述裁剪部分是根据所述给定数据对的第二数据内的与所述给定数据对相对应的对象的位置而选择的,所述给定数据对的第二数据内的位置由所述给定数据对的第一数据内的与所述给定数据对相对应的对象的位置来指示。14.根据权利要求1所述的计算机系统,其中,所述计算机可执行指令的执行还使得所述计算机系统:基于所述...
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。