[發明專利]用于車輪止動器檢測的虛擬傳感器數據生成

有效

• 申請號: 201611136591.0
• 申請日: 2016-12-12
• 公開（公告）號: CN107031656B
• 公開（公告）日: 2021-12-10
• 發明（設計）人: 艾希莉·伊麗莎白·米克斯;溫卡塔帕斯·拉居·納爾帕;哈珀麗特辛格·班瓦伊特;斯科特·文森特·邁爾斯
• 申請（專利權）人: 福特全球技術公司
• 主分類號: B60W50/00
• 分類號: B60W50/00;B60W30/08
• 代理公司: 北京連和連知識產權代理有限公司 11278
• 代理人: 劉小峰

1.一種用于生成虛擬傳感器數據的方法，所述方法包含：

模擬包含一個或多個對象的三維環境，其中所述一個或多個對象包含停車障礙或車輪止動器；

生成針對所述三維環境內一個或多個傳感器的多個位置的虛擬傳感器數據，其中所述多個位置對應于車輛上傳感器的規劃位置，其中所述虛擬傳感器數據包含下列中的一個或多個：計算機生成的圖像、計算機生成的雷達數據、計算機生成的光探測和測距數據以及計算機生成的超聲數據；

確定對應于所述多個位置中的每一個的虛擬地面實況，所述地面實況包含關于所述虛擬傳感器數據內至少一個對象的信息；以及

存儲和關聯所述虛擬傳感器數據和所述虛擬地面實況。

2.根據權利要求1所述的方法，進一步包含提供所述虛擬傳感器數據和所述虛擬地面實況中的一個或多個以用于訓練或測試機器學習算法或模型。

3.根據權利要求2所述的方法，其中所述機器學習算法或模型包含神經網絡。

4.根據權利要求2所述的方法，其中所述一個或多個對象為停車障礙，并且其中訓練所述機器學習算法或模型包含提供所述虛擬傳感器數據的至少一部分和對應的所述虛擬地面實況以訓練所述機器學習算法或模型以確定所述停車障礙的高度和位置中的一個或多個。

5.根據權利要求2所述的方法，其中測試所述機器學習算法或模型包含將所述虛擬傳感器數據的至少一部分提供至所述機器學習算法或模型以確定所述至少一個對象的分類或位置和將所述分類或所述位置與所述虛擬地面實況進行比較。

6.根據權利要求1所述的方法，其中模擬所述三維環境包含隨機生成針對下列中的一個或多個的不同條件：照明、天氣、所述一個或多個對象的位置、以及所述一個或多個對象的分類或類型。

7.根據權利要求1所述的方法，其中生成所述虛擬傳感器數據包含在模擬所述三維環境內所述一個或多個傳感器的運動期間周期性地生成所述虛擬傳感器數據。

8.根據權利要求1所述的方法，其中確定所述虛擬地面實況包含生成與所述虛擬傳感器數據的幀互補的地面實況幀，其中所述地面實況幀包含針對對應于所述一個或多個對象的像素的相同顏色值。

9.一種用于生成虛擬傳感器數據的系統，所述系統包含：

環境部件，所述環境部件被配置為模擬包含一個或多個障礙物的三維環境，其中所述一個或多個障礙物包含停車障礙或車輪止動器；

虛擬傳感器部件，所述虛擬傳感器部件被配置為生成針對所述三維環境內一個或多個傳感器的多個位置的虛擬傳感器數據，其中所述多個位置對應于車輛上傳感器的規劃位置，其中所述虛擬傳感器數據包含下列中的一個或多個：計算機生成的圖像、計算機生成的雷達數據、計算機生成的光探測和測距數據以及計算機生成的超聲數據；

地面實況部件，所述地面實況部件被配置為確定對應于所述多個位置中的每一個的虛擬地面實況，其中所述地面實況包含關于所述一個或多個障礙物中的至少一個障礙物的信息；以及

模型部件，所述模型部件被配置為將所述虛擬傳感器數據和所述地面實況提供至機器學習算法或模型以訓練或測試所述機器學習算法或模型。

10.根據權利要求9所述的系統，其中所述模型部件被配置為訓練所述機器學習算法或模型，其中所述訓練包含：

提供所述虛擬傳感器數據的至少一部分和對應的所述虛擬地面實況以訓練所述機器學習算法或模型以確定所述至少一個障礙物的分類或位置。

11.根據權利要求9所述的系統，其中所述模型部件被配置為測試所述機器學習算法或模型，其中所述測試包含：

將所述虛擬傳感器數據的至少一部分提供至所述機器學習算法或模型以確定所述至少一個障礙物的分類或位置；以及

將所述分類或所述位置與所述虛擬地面實況進行比較。