【技术实现步骤摘要】
本专利技术涉及使用神经网络处理作为点云而存在的测量数据，例如雷达、激光雷达或超声数据。例如，所述处理可以特别是旨在：鉴于预给定任务而对测量数据的评估。
技术介绍
1、交通中至少部分自动化地被引导的车辆依赖于对其环境的持续监控，以便特别是能够对其他道路使用者及其动作及时做出反应。除了摄像机之外，为此目的特别是例如也使用到与一天中的时间和天气无关地工作的雷达传感器。为了评估而使用神经网络，这些神经网络例如对所识别的对象的类型进行分类。
2、所述处理工作的准确性主要取决于所记录的测量数据与训练数据属于相同分布的程度。在此分布内，神经网络可以很好地从训练数据泛化到训练中未见过的测量数据。
技术实现思路
1、本专利技术提供了一种用于处理作为空间中的点的点云而存在的测量数据的方法。这样的点云将一个或多个测量参量的值分配给每个点。所述测量参量可以涉及到测量数据的任何特征。因此，例如，对于雷达反射，除了指示雷达横截面的信号强度之外，还可以记录检测到所述反射的距离和/或角度。因此，测量参量不仅可以包括直接检测到的测量参量而且也包括经导出的测量参量，其中所述经导出的测量参量是通过信号处理管道(pipeline)根据直接检测到的测量参量所确定的。点云不一定必须包括对于其总体检测到了测量参量的值的所有点。相反，点云可以例如仅包含已经通过任意对象识别方法而识别为属于一个且同一个对象的那些点。
2、对于每个测量参量，分配给点云中的点的该测量参量的所有值都被收集并处理成经聚合的表示(ag
3、这些表示中的一个或多个作为输入而被输送到任务网络。为此目的，这些表示可以特别是例如在没有信息损失的情况下彼此连接(aneinander)(级联(konkatenieren))。然而，例如这些表示也可以以任何形式聚合。任务网络将所述一个或多个表示映射到鉴于所设置的任务的所寻求的说明。
4、已认识到，通过这种方式而抑制测量数据中的可能的波动和不确定性对输送到任务网络的输入的影响。在此情况下，所述聚合特别是引起了：测量参量的各个值的波动的影响被抑制。另一方面，所述表示的始终相同的维度则针对如下情况创建了鲁棒性：点云中的各个点缺少有关各个测量参量的信息，或者甚至点突然地出现又再次消失，这种情况尤其是在雷达反射的情况下经常发生。对于缺失有关各个测量参量的信息的一个常见原因是：对于由下游信号处理管道处理这些测量参量而言，传感器记录的测量数据的质量太差。例如，如果原始数据有噪声，则只能非常不精确地确定雷达反射的方位角。缺失单个测量参量的值的另一个原因是，在复杂的场景中，信号处理链确定特定的经导出的测量参量花费的时间太长，并且必须被中止，因为雷达反射作为整体必须在所设定的时间被提供。这可相比于：在有疑问的情况下，考试的处理者(bearbeiter)在处理时间结束时宁愿将个别习题留着不处理，也不愿由于迟交而使得整个考试得到“不及格”的评价。
5、这种鲁棒性致力于：只要所检测到的测量数据涉及内容上可比的场景，就使输送给任务网络的输入基本上属于相同的分布。例如，用于检测车辆环境中的交通状况的测量数据在内容上是可比的，尽管存在许多不同的交通状况并且这些状况也可能在广泛范围的环境条件下发生(sich abspielen)。涉及交通状况的测量数据的分布因此很复杂，但其可以被检测以用于训练任务网络。为此目的，可以使用具有训练示例的训练数据集，该训练数据集关于场景可以彼此区分的所有相关方面都具有足够的可变性。例如，对于对对象的类型进行分类而言有益的是，训练数据集对于每种所涉及的类型都有足够数量的训练示例，并且这些训练示例也是从许多的不同视角所检测的。
6、然而，例如，即使使用这样大数量的训练样本，也无法检测到雷达数据的随机波动。因此，在任务网络的运行中，这些随机波动总是倾向于将测量数据从用于训练任务网络的训练实例的分布中驱离(heraustreiben)。然而，任务网络泛化到训练中未见过的测量数据的能力主要取决于：未见过的测量数据仍属于训练任务网络所基于的训练示例的分布的程度。因此，通过减少随机波动对任务网络输入的影响，最终改进任务网络输出的准确性。
7、同时，为每个测量参量创建经聚合的表示也消除了如下要求：特定测量参量或特征必须始终组合出现在测量数据中。因此，点云中的每个点都可以提供有关测量参量的论述，而无关于该点是否也可以提供有关其他测量参量的论述。总体而言，可以更好地利用点云中包含的信息量，这又对任务网络提供的论述的准确度产生有利的影响。
8、最后，该表示的固定维度也导致：通过任务网络进行的下游的进一步处理始终需要相同的时间和相同数量的工作存储器。为了能够对直至在实时系统的范畴内提供最终结果为止的处理时间给出保证，这一点尤其重要。在车辆中使用的情况下，当需要对车辆环境或其变化做出反应时，这正是关键的。
9、该方法有点类似于企业中基于团队中所收集的信息的决策过程。团队的成员对应于点云的点，议程的主题对应于记录的总体所检测到的测量参量，并且团队成员关于所述主题的论述对应于具有测量参量的特定值的点云的特定点的注释。在这样的决策过程中，每个团队成员对每个主题都做出实质性贡献的情况几乎是罕见的。相反，一名或多名团队成员分别都关于单个主题方面在准备中存在不足。最终做出决策的董事会并不关心谁为哪个主题做好准备或没有做好准备，以及谁能够完成演讲的哪一部分。与这方面有关的电子邮件的冗杂只会引起系统的骚乱，并分散对于待决的决策的注意力。只有团队在董事会提案中所准备的信息的表示对于此决策是决定性的。
10、将点云预处理为表示只需要对计算能力和工作存储器的较少耗费。被设置用于执行(abarbeitung)该任务网络的例如在控制设备或其他嵌入式系统中的资源因此不需要被扩展以额外实现预处理。
11、在特别有利的设计方案中，经聚合的表示包括直方图，该直方图给测量参量的值范围分配具有在这些值范围内的测量参量的值的点的数量。在有关单个测量参量的单个点的论述缺失的情况下或者单个点完全缺失的情况下，直方图仅不明显地发生变化。造成这种情况的主要原因是离散化为多个值范围(bins(分箱))。
12、这些值尤其可以例如通过将测量参量的所收集值在其中变动(bewegen sich)的范围(spanne)划分为预给定数量k个区间而确定。对此也不必要的是，使所有值都位于k个区间之一内。相反，k个区间例如也可以仅覆盖测量参量的总体所检测到的值的子集，并且可以从一开始就将该子集之外的值作为异常值过滤掉。该子集例如可以位于围绕相应测量参量的平均值周围的标准偏差的倍数(大约两倍)的范围内。
本文档来自技高网...
【技术保护点】
1.用于鉴于预给定任务而处理作为空间中的点(1a-1d)的点云(1)而存在的测量数据的方法(100)，其中所述点云(1)将一个或多个测量参量(2a-2c)的值(2a#-2c#)分配给每个点(1a-1d)，所述方法具有如下步骤：
2.根据权利要求1所述的方法(100)，其中所述经聚合的表示(3a-3c)包括(121)直方图，所述直方图给所述测量参量(2a-2c)的值范围分配具有在所述值范围内的所述测量参量(2a-2c)的值(2a#-2c#)的点(1a-1d)的数量。
3.根据权利要求2所述的方法(100)，其中，通过将所述测量参量(2a-2c)的所收集值(2a#-2c#)在其中变动的范围划分为预给定数量K个区间而确定(121a)所述值范围。
4.根据权利要求1至3中任一项所述的方法(100)，其中
5.根据权利要求1至4中任一项所述的方法(100)，其中所述经聚合的表示(3a-3c)包括(122)所述测量参量(2a-2c)的所收集值(2a#-2c#)的集合的一个或多个静态特性参量。
6.根据权利要求1至5中任一项所述的方法
7.根据权利要求1至6中任一项所述的方法(100)，其中，将自身的输入映射到关于预给定分类的一个或多个类的分类评分(5a-5e)的分类器网络被选作为任务网络(4)。
8.根据权利要求1至7中任一项所述的方法(100)，其中具有多个全连接层的多层感知器被选作为任务网络(4)。
9.根据权利要求1至8中任一项所述的方法(100)，其中具有雷达反射、激光雷达反射和/或超声反射的点云(1)被选作为测量数据。
10.根据权利要求1至9中任一项所述的方法(100)，其中
11.根据权利要求1至10中任一项所述的方法(100)，其中
12.根据权利要求1至11中任一项所述的方法(100)，其中
13.具有机器可读指令的计算机程序，当所述机器可读指令在一个或多个计算机和/或计算/实例上执行时，所述机器可读指令使所述一个或多个计算机或计算实例执行根据权利要求1至12中任一项所述的方法(100)。
14.具有根据权利要求13所述的计算机程序的下载产品和/或机器可读数据载体。
15.具有根据权利要求13所述的计算机程序和/或具有根据权利要求14所述的机器可读数据载体和/或下载产品的一个或多个计算机和/或计算实例。
...【技术特征摘要】
1.用于鉴于预给定任务而处理作为空间中的点(1a-1d)的点云(1)而存在的测量数据的方法(100)，其中所述点云(1)将一个或多个测量参量(2a-2c)的值(2a#-2c#)分配给每个点(1a-1d)，所述方法具有如下步骤：
2.根据权利要求1所述的方法(100)，其中所述经聚合的表示(3a-3c)包括(121)直方图，所述直方图给所述测量参量(2a-2c)的值范围分配具有在所述值范围内的所述测量参量(2a-2c)的值(2a#-2c#)的点(1a-1d)的数量。
3.根据权利要求2所述的方法(100)，其中，通过将所述测量参量(2a-2c)的所收集值(2a#-2c#)在其中变动的范围划分为预给定数量k个区间而确定(121a)所述值范围。
4.根据权利要求1至3中任一项所述的方法(100)，其中
5.根据权利要求1至4中任一项所述的方法(100)，其中所述经聚合的表示(3a-3c)包括(122)所述测量参量(2a-2c)的所收集值(2a#-2c#)的集合的一个或多个静态特性参量。
6.根据权利要求1至5中任一项所述的方法(100)，其中
7.根据权利要求1至6中任一项所述的方法...
【专利技术属性】
技术研发人员：K·拉姆巴赫，D·斯托克尔，M·塔塔尔钦科，
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。