【技术实现步骤摘要】
【国外来华专利技术】
本专利技术涉及一种用于训练机器学习算法以向多个对象检测结果中的每一个分配置信度值的方法，其中所述多个对象检测结果分别都表征同一对象，并且其中所述多个对象检测结果中的每一个基于根据至少两个不同传感器的传感器数据分别生成的对象检测的另一种组合。
技术介绍
1、普通机动车辆以及尤其是自主驾驶的机动车辆具有多个传感器，其中由这些传感器采集的传感器数据可以分别用于控制车辆功能，例如相应机动车辆的驱动组件、车辆控制器、照明装置或其他可控系统。
2、传感器，也称为检测器、(测量参量或测量)接受器或(测量)探测器，在此被理解为一种技术部件，该技术部件可以定性地或者作为测量参量定量地采集特定的物理或化学特性和/或其环境的材料特性。
3、集成到普通机动车辆中的传感器例如在此可以是光学传感器，尤其是激光雷达传感器、雷达传感器或光学相机。此时，由这些传感器采集的数据例如可以分别由对象检测算法进行处理，以便检测相应数据中或这些数据的组合中的对象，例如行人和/或其他机动车辆。根据采集到的对象，随后可以控制一种或多种车辆功能，例如可以启动安全相关的动作。
4、在此应当注意，不同传感器具有不同的特性和/或被设计用于不同的情况。例如，激光雷达传感器或激光雷达测量系统快速而精确，但它们例如容易受到灰尘颗粒、水颗粒或烟雾颗粒的影响。另一方面，无论现有天气条件如何，雷达传感器都可以得到最佳使用，其中雷达传感器也尤其适合测量速度。光学相机通常还具有非常好的分辨率。因此，需要一种方法，该方法使得能够根据这些传感器的传感器数据分别检测到的
5、从文献de 102009021785 b4已知一种用于对象识别的方法，其中该对象具有抽象对象特性的多个表现形式并且被分配给在第一存储器中存储的对象特性类别的分层系统的对象特性类别，其中借助于具有传感器群组的多个传感器考虑至少一个该对象被认为所在的位置，这些传感器分别响应至少一个对象特性并且然后发出传感器信号，其中检查所发出的传感器信号是否分别超过为其预给定的阈值以及是否接受超过该阈值的传感器信号。将已获得所接受的传感器信号的传感器特性成对组合成识别特性对，其中将识别特性对的整体与存储在第一存储器中的对象特性类别进行比较，并且其中根据对象特性类别确定该对象，该对象特性类别的对象特性对与所获取的识别特性对一致。
技术实现思路
1、因此，本专利技术的任务所基于的是给出一种方法，该方法使得可以基于当前条件最佳地处理根据不同传感器的传感器数据分别检测到的对象。
2、该任务通过一种根据权利要求1的特征所述的用于训练机器学习算法以向多个对象检测结果中的每一个分配置信度值的方法来解决。
3、该任务还通过一种权利要求6的特征所述的用于训练机器学习算法以向多个对象检测结果中的每一个分配置信度值的控制设备来解决。
4、根据本专利技术的一个实施方式，该任务通过一种用于训练机器学习算法以向多个对象检测结果中的每一个分配置信度值的方法来解决，其中所述多个对象检测结果分别表征同一对象，并且其中所述多个对象检测结果中的每一个基于根据至少两个不同传感器的传感器数据分别生成的对象检测的另一种组合，并且其中该方法包括：提供用于训练机器学习算法的训练数据，其中所述训练数据具有多个对象检测结果，其中所述多个对象检测结果分别表征同一对象，并且其中所述多个对象检测结果中的每一个基于根据至少两个不同传感器的传感器数据分别生成的对象检测的另一种组合，并且其中所述训练数据还具有关于所述对象的基准真相信息；和训练机器学习算法，其中对于所述多个对象检测结果中的每一个训练机器学习算法包括确定相应的对象检测结果与基准真相(ground-truth)之间的距离以及基于相应的对象检测结果与基准真相之间的距离分配置信度值给相应的对象检测结果，对于所述多个对象检测结果中的每一个分别确定距所述其他对象检测结果中的每一个的距离，并且根据分别分配给所述对象检测结果的所述置信度值和在各个对象检测结果之间的距离来如此训练机器学习算法，使得根据在所述多个对象检测结果之间的距离可以推断出关于多个对象检测结果中的每一个的置信度值的结论。
5、机器学习算法基于使用统计的方法，以便如此训练数据处理装置，使得其可以执行特定任务，而无需最初为此目的进行显式编程。机器学习的目标在此在于构建能够从数据中学习并做出预测的算法。这些算法创建数学模型，利用这些数学模型可以例如对数据进行分类。
6、置信度值还被理解为描述模型关于各个预测值的准确性的估计的值，其中置信度值通常在零和一之间，并且准确性越高，置信度值就越大。
7、此外，基准真相信息被理解为关于相应的对象的确切位置的知识。
8、不同传感器还被理解为具有不同特性的传感器或为不同情况而设计的传感器。
9、对象检测还被理解为通过将对象检测算法应用于相应的数据来检测由至少两个不同传感器中的恰好一个传感器采集的数据中的对象。
10、对象检测结果还被理解为组合或融合这些对象检测中的一个或多个以形成共同的对象检测结果。
11、如果对象检测结果中的一个与基准真相信息或该对象的准确位置之间的距离或间距很小，则这意味着相应的对象检测结果非常准确。另一方面，如果对象检测结果中的一个与基准真相信息之间的距离比较大，则这意味着相应的对象检测结果比较不准确。
12、因此，基于标记的训练数据如此训练机器学习算法，使得其基于各个对象检测结果相互间的距离可以得到相应对象的可能实际位置以及因此还有各个对象检测结果与该对象的实际位置的相应距离的结论，由此还可以推导出相应的置信度值以及因此还有在相应情况下的最佳传感器或在相应情况下传感器的最佳组合。
13、总的来说，因此说明了一种方法，该方法使得可以基于当前条件最佳地处理所述根据由不同传感器分别检测到的对象。
14、在此，训练机器学习算法的步骤可以包括如此训练机器学习算法，使得该算法为排列不变的。
15、机器学习算法是排列不变的，在此意味着其保持不变或者与是否交换各个输入数据无关。
16、由此可以进一步提高对多个对象检测结果中的每一个的置信度值的分配、尤其是分配的准确性。
17、此外，所述至少两个不同传感器是激光雷达传感器、雷达传感器和光学相机中的至少两个。
18、激光雷达传感器生成关于周围对象的形状和表面特性的精确三维信息。该技术使用人眼安全范围内的激光束来创建所采集的环境的3d表示。然而在此例如缺点是，它们例如容易受到灰尘颗粒、水颗粒或烟雾颗粒的影响。
19、雷达传感器是一种基于光束的传感器，其被采用来采集对象，例如其他车辆和行人，并测量它们与车辆的距离以及它们的相对速度。为此目的，发射电磁波。无论现有天气条件如何，雷达传感器在此都可以得到最佳使用，其中雷达传感器尤其适合测量速度。
20、对于光学相机，光线通过镜头进入相机外壳，本文档来自技高网...
【技术保护点】
1.一种用于训练机器学习算法以向多个对象检测结果中的每一个分配置信度值的方法，其中所述多个对象检测结果分别表征同一对象，并且其中所述多个对象检测结果中的每一个基于根据至少两个不同传感器的传感器数据分别生成的对象检测的另一种组合，并且其中所述方法(1)具有以下步骤：
2.根据权利要求1所述的方法，其中训练机器学习算法(3)的步骤包括如此训练机器学习算法，使得所述机器学习算法为排列不变的。
3.根据权利要求1或2所述的方法，其中所述至少两个不同传感器是激光雷达传感器、雷达传感器和光学相机中的至少两个。
4.一种用于检测至少两个不同传感器的传感器数据中的对象的方法，所述方法具有以下步骤：
5.根据在至少两个不同传感器的传感器数据中检测到的对象控制所述可控系统，其中所述方法包括以下步骤：
6.一种用于训练机器学习算法以向多个对象检测结果中的每一个分配置信度值的控制设备，其中所述多个对象检测结果分别表征同一对象，并且其中所述多个对象检测结果中的每一个基于根据至少两个不同传感器的传感器数据分别生成的对象检测的另一种组合，并且其中所述
7.根据权利要求6所述的控制设备，其中，所述训练单元(14)被构造为如此训练机器学习算法，使得所述机器学习算法为排列不变的。
8.根据权利要求6或7所述的控制设备，其中所述至少两个不同传感器是激光雷达传感器、雷达传感器和光学相机中的至少两个。
9.一种用于检测至少两个不同传感器的传感器数据中的对象的控制设备，其中所述控制设备(12)具有提供单元(15)、检测单元(16)、生成单元(17)、分配单元(18)、比较单元(19)和确定单元(20)，所述提供单元被构造为提供至少两个不同传感器的传感器数据，所述检测单元被构造为对于至少两个不同传感器中的每一个分别检测相应传感器的传感器数据中的对象以获得对象检测，所述生成单元被构造为通过融合一个或多个对象检测从所述对象检测生成多个对象检测结果，所述分配单元被构造为对于所述多个对象检测结果中的每一个，通过机器学习算法以分配置信度值给多个对象检测结果中的每一个来为所述相应的对象检测结果分别分配置信度值，其中通过根据权利要求6至8中任一项所述的用于训练机器学习算法以向所述多个对象检测结果(11)中的每一个分配置信度值的控制设备来训练机器学习算法以向多个对象检测结果中的每一个分配置信度值，所述比较单元被构造为通过比较分别分配给所述多个对象检测结果的置信度值来确定具有最高置信度值的对象检测结果，并且所述确定单元被构造为根据具有最高置信度值的对象检测结果来检测所述对象。
10.一种用于根据至少两个不同传感器的传感器数据中检测到的对象来控制可控系统的控制设备，其中所述控制设备具有检测单元和控制单元，所述检测单元被构造为根据权利要求9所述的用于检测至少两个不同传感器的传感器数据中的对象的控制设备来检测所述至少两个不同传感器生成的数据的传感器数据中的对象，所述控制单元被构造为根据检测到的对象控制所述可控系统。
...【技术特征摘要】
【国外来华专利技术】
1.一种用于训练机器学习算法以向多个对象检测结果中的每一个分配置信度值的方法，其中所述多个对象检测结果分别表征同一对象，并且其中所述多个对象检测结果中的每一个基于根据至少两个不同传感器的传感器数据分别生成的对象检测的另一种组合，并且其中所述方法(1)具有以下步骤：
2.根据权利要求1所述的方法，其中训练机器学习算法(3)的步骤包括如此训练机器学习算法，使得所述机器学习算法为排列不变的。
3.根据权利要求1或2所述的方法，其中所述至少两个不同传感器是激光雷达传感器、雷达传感器和光学相机中的至少两个。
4.一种用于检测至少两个不同传感器的传感器数据中的对象的方法，所述方法具有以下步骤：
5.根据在至少两个不同传感器的传感器数据中检测到的对象控制所述可控系统，其中所述方法包括以下步骤：
6.一种用于训练机器学习算法以向多个对象检测结果中的每一个分配置信度值的控制设备，其中所述多个对象检测结果分别表征同一对象，并且其中所述多个对象检测结果中的每一个基于根据至少两个不同传感器的传感器数据分别生成的对象检测的另一种组合，并且其中所述控制设备(11)具有提供单元(13)和训练单元(14)，所述提供单元被构造为提供用于训练机器学习算法的训练数据，其中所述训练数据具有多个对象检测结果，其中所述多个对象检测结果分别表征同一对象，并且其中所述多个对象检测结果中的每一个基于根据至少两个不同传感器的传感器数据分别生成的对象检测的另一种组合，并且其中所述训练数据还具有关于所述对象的基准真相信息；所述训练单元被构造为训练机器学习算法，其中对于所述多个对象检测结果中的每一个，所述训练机器学习算法包括确定在所述相应的对象检测结果与所述基准真相之间的距离以及基于所述相应的对象检测结果与所述基准真相之间的距离分配置信度值给所述相应的对象检测结果，对于所述多个对象检测结果中的每一个分别确定与其他对象检测结果中的每一个的距离，并且根据分别分配给所述对象检测结果的置信度值和在各个对象检测结果之...
【专利技术属性】
技术研发人员：K·纳特罗什维利，
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。