【技术实现步骤摘要】
本专利技术涉及一种用于机动车的基于雷达的环境检测系统，该环境检测系统具有至少一个雷达传感器并且具有神经网络，所述雷达传感器用于提供关于在该机动车的环境中的对象的定位数据，该神经网络用于将所述定位数据转化为环境模型，该环境模型代表所述对象的时空(raumzeitliche)对象数据。
技术介绍
1、用于机动车的驾驶员辅助系统和用于自动化的驾驶的系统需要关于在车辆的环境中的对象的详细信息。这些对象例如是其他交通参与者、障碍物或行驶道路的走向。
2、环境传感器如雷达、视频或激光雷达扫描周围环境并提供关于在车辆环境中的对象的必要的测量数据。在传统系统中，借助跟踪与融合算法(例如卡尔曼滤波器)，对测量数据在时间上进行汇总或滤波并且借助附加属性进行补充。这些属性例如是推导的速度、加速度和转速。基于所有被跟踪的对象来构建环境模型，基于该环境模型可以实现驾驶员辅助功能或自动化的驾驶功能。该环境模型通过数据的组来代表，所述数据在此被称为时空对象数据。在此涉及对象的指定的点、例如每个对象的边界框的角点的位置坐标，以及这些位置坐标的时间导数。
3、迄今为止，在基于雷达的环境检测中使用数学方法，例如贝叶斯滤波器。为此不仅必须对对象模型而且必须对对象运动通过物理等式进行建模。如果满足特定的边界条件，例如白色、高斯测量噪声，则这些滤波器以优化的方式工作，即，滤波器产生对象状态的最佳可能的估计。遗憾这些边界条件在实际中经常不被满足，从而环境模型不精确地反映现实。此外，在对象跟踪的情况下，通过优化的数学方案不能够解决所有的问题。许多子算
4、在开头提到的类型的环境检测系统中相反地使用机器学习方法。在此，不基于物理模型，并且物理的专家知识也仅起到次要作用。替代于此，在如下方面训练神经网络：由定位数据来推导环境模型。训练数据越丰富并且供使用的存储空间和计算性能越多，结果就越接近现实。
5、然而，在真实的驾驶员辅助系统中，存储空间和计算时间并不是无限地供使用的。训练数据也是昂贵的，而因此仅有限地供使用。因此，迄今为止不能够以必要的可靠性排除：神经网络有时提供不可信的或者严重错误的结果。
技术实现思路
1、本专利技术的任务是借助神经网络来改善环境检测的品质。
2、根据本专利技术，该任务通过下述方式来解决：一种用于机动车的基于雷达的环境检测系统，该环境检测系统具有至少一个雷达传感器并且具有神经网络，所述雷达传感器用于提供关于在该机动车的环境中的对象的定位数据，该神经网络用于将所述定位数据转换为环境模型，该环境模型代表所述对象的时空对象数据，其中，该神经网络调节为用于首要输出环境模型，在所述环境模型中，在定位数据与对象数据之间满足至少一个预给定的物理关系。
3、所述至少一个预给定的物理关系代表由雷达传感器测量的定位数据与待由神经网络生成的对象数据之间的基于物理规律的关联和/或对象数据彼此之间的关联。对应的关系或者物理关系是关于物理规律的先验知识，除了训练数据之外，所述先验知识被附加地馈入到神经网络中并且导致违背物理规律的结果被抑制。为此所需的对神经网络的调节可以在于训练该网络时的特定方式，和/或可以在于网络的如下特定架构：该特定架构强制该网络尊重所述物理规律。在任何一种情况下，该调节导致，网络首要输出环境模型，所述环境模型与所述物理规律相符。在这方面，“首要”指的是，当受到噪声污染的输入数据被馈入到网络中时，存在关于如下内容的提高的概率：在由网络产生的环境模型中，至少近似地满足预给定的物理关系，而违背这些规律的结果在统计学上很少出现。
4、通过使用物理先前知识，尽管训练数据的储备有限并且尽管计算容量和计算时间有限，仍能够获得可靠的结果。
5、本专利技术的有利构型能够通过在优选实施方式中所列举的措施实现。
6、在一种实施方式中，在该环境检测系统中，神经网络通过下述方式被调节：借助合成的训练数据对该神经网络进行训练，所述训练数据与所述至少一个预给定的物理关系兼容。
7、在一种实施方式中，在该环境检测系统中，网络通过下述方式被调节：在训练该网络时为了确定神经连接的权重的而使用损失函数，该损失函数包含物理项，该物理项将与所述至少一个预给定的物理关系的偏差最小化。
8、在一种实施方式中，在该环境检测系统中，神经网络通过下述方式被调节：该神经网络在两个层之间包含滤波器，该滤波器相应于所述至少一个预给定的物理关系将第一组中间值转换为第二组中间值。
9、在一种实施方式中，在该环境检测系统中，至少两个隐藏层在如下方面被训练：相应于所述至少一个预给定的物理关系将第一组中间值转换为第二组中间值。
10、在一种实施方式中，至少阶段式地借助合成地产生的训练数据来训练该网络，所述训练数据相应于如下场景：在所述场景中，所述物理规律精确地被满足。该网络由此学习：相比于非物理的场景更能识别这样的场景。
11、调节网络的另一可能性在于，在训练网络时所进行的对神经连接的权重的修改不仅仅通过应有/实际偏差来确定，而且还通过满足或者违背物理规律的程度来确定。
12、在深度神经网络中，在不同层之间还可以设置有滤波器，所述滤波器这样将由下方层所提供的输出数据转化为用于紧接着的更高层的输入数据，使得消除对物理规律的违背。
13、替代于这样的滤波器，还可以设置有一个或者多个隐藏层，所述隐藏层特定地在如下方面被训练：强制遵守所述物理规律。
本文档来自技高网...【技术保护点】
1.一种用于机动车的基于雷达的环境检测系统，所述环境检测系统具有至少一个雷达传感器(10)并且具有神经网络(14；14’)，所述雷达传感器用于提供关于在所述机动车的环境中的对象(18)的定位数据(12)，所述神经网络用于将所述定位数据(12)转换为环境模型(16)，所述环境模型代表所述对象的时空对象数据，其特征在于，所述神经网络(14；14’)被调节为用于首要输出环境模型(16)，在所述环境模型中，在所述定位数据(12)与所述对象数据之间满足至少一个预给定的物理关系。
2.根据权利要求1所述的环境检测系统，在所述环境检测系统中，所述神经网络(14)通过下述方式被调节：借助合成的训练数据对所述神经网络进行训练，所述训练数据与所述至少一个预给定的物理关系兼容。
3.根据权利要求1或2所述的环境检测系统，在所述环境检测系统中，所述神经网络(14)通过下述方式被调节：在训练所述网络时为了确定神经连接的权重而使用损失函数，所述损失函数包含物理项Lp，所述物理项将与所述至少一个预给定的物理关系的偏差最小化。
4.根据上述权利要求中任一项所述的环境检测系统，
5.根据上述权利要求中任一项所述的环境检测系统，在所述环境检测系统中，至少两个隐藏层(30)在如下方面被训练：相应于所述至少一个预给定的物理关系将第一组中间值(36)转换为第二组中间值(40)。
...【技术特征摘要】
1.一种用于机动车的基于雷达的环境检测系统，所述环境检测系统具有至少一个雷达传感器(10)并且具有神经网络(14；14’)，所述雷达传感器用于提供关于在所述机动车的环境中的对象(18)的定位数据(12)，所述神经网络用于将所述定位数据(12)转换为环境模型(16)，所述环境模型代表所述对象的时空对象数据，其特征在于，所述神经网络(14；14’)被调节为用于首要输出环境模型(16)，在所述环境模型中，在所述定位数据(12)与所述对象数据之间满足至少一个预给定的物理关系。
2.根据权利要求1所述的环境检测系统，在所述环境检测系统中，所述神经网络(14)通过下述方式被调节：借助合成的训练数据对所述神经网络进行训练，所述训练数据与所述至少一个预给定的物理关系兼容。
3.根据权利要求1...
【专利技术属性】
技术研发人员：D·尼德尔勒纳，F·德鲁兹，M·乌尔里希，R·约尔丹，S·布劳恩，
申请(专利权)人：罗伯特·博世有限公司，
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。