[發明專利]用于碰撞避免的訓練算法有效
| 申請號: | 201710055943.8 | 申請日: | 2017-01-25 |
| 公開(公告)號: | CN107031622B | 公開(公告)日: | 2022-04-12 |
| 發明(設計)人: | 艾希莉·伊麗莎白·米克斯;吉內什·J·杰恩;哈珀麗特辛格·班瓦伊特;韓正圭 | 申請(專利權)人: | 福特全球技術公司 |
| 主分類號: | B60W30/08 | 分類號: | B60W30/08;B60W30/09;B60W50/00 |
| 代理公司: | 北京連和連知識產權代理有限公司 11278 | 代理人: | 張濤 |
| 地址: | 美國密歇根州迪爾*** | 國省代碼: | 暫無信息 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 用于 碰撞 避免 訓練 算法 | ||
1.一種方法,所述方法包含:
通過計算機系統定義三維(3D)模型,所述三維(3D)模型包括道路、建筑物和定位在所述道路上的多個車輛、鉆車縫車輛、以及包括兩個或兩個以上傳感器位置的主體車輛;
通過所述計算機系統根據在所述3D模型中來自鉆車縫車輛的入射到主體車輛的兩個或兩個以上的傳感器位置上的聲音來模擬兩個或兩個以上傳感器輸出,所述模擬包含模擬所述主體車輛和所述鉆車縫車輛的運動和對來自所述鉆車縫車輛、來自所述道路、來自所述建筑物和來自所述多個車輛的聲音的反射建模;
通過所述計算機系統使用在所述3D模型中所述鉆車縫車輛隨著時間消逝的位置以及所述兩個或兩個以上傳感器輸出來訓練機器學習模型;
通過所述機器學習模型輸出:(i)是否感知到所述主體車輛附近的所述鉆車縫車輛、(ii)若有的話,朝著所述鉆車縫車輛的方向、(iii)所述鉆車縫車輛的位置、以及(iv)關于(i)至(iii)中的一個或多個的置信度得分;
確定所述置信度得分是否超過閾值;
在所述置信度得分超過閾值的情況下,所述鉆車縫車輛被添加至一組潛在障礙物。
2.如權利要求1所述的方法,進一步地包含:
定義在所述主體車輛上的一個或多個攝像機位置;
模擬在所述一個或多個攝像機位置上的圖像的檢測;以及
使用所述圖像以及所述兩個或兩個以上傳感器輸出來訓練所述機器學習模型。
3.如權利要求2所述的方法,進一步地包含:
定義在所述主體車輛上的雷達 傳感器位置;
根據所述3D模型模擬雷達 傳感器輸出;以及
使用所述圖像、所述雷達 傳感器輸出、以及所述兩個或兩個以上的傳感器輸出的全部來訓練所述機器學習模型。
4.如權利要求3所述的方法,進一步地包含:
定義在所述主體車輛上的激光雷達 傳感器位置;
模擬根據所述3D模型的所述激光雷達 傳感器位置檢測到的點云的順序;以及
使用所述圖像、所述雷達 傳感器輸出、所述點云的順序、以及所述兩個或兩個以上傳感器輸出的全部來訓練所述機器學習模型。
5.如權利要求1所述的方法,其中定義所述3D模型進一步地包括定義所述多個車輛、所述鉆車縫車輛以及所述主體車輛的速度。
6.如權利要求1所述的方法,其中所述機器學習模型是深度神經網絡。
7.如權利要求1所述的方法,其中根據入射到所述兩個或兩個以上傳感器位置上的所述多個車輛的所述聲音來模擬所述兩個或兩個以上傳感器輸出包含模擬多普勒效應和所述聲音的傳播距離。
8.如權利要求1所述的方法,其中將所述鉆車縫車輛建模為發出摩托車的發動機噪聲特性的鉆車縫摩托車。
9.如權利要求1所述的方法,進一步地包含:
提供包括車輛控制器和兩個或兩個以上麥克風的車輛;
用所述機器學習模型編程所述車輛控制器;
通過所述車輛控制器從所述兩個或兩個以上麥克風接收兩個或兩個以上音頻流;
通過所述車輛控制器將所述兩個或兩個以上音頻流輸入至所述機器學習模型;
(a)通過所述車輛控制器確定所述機器學習模型指示所述兩個或兩個以上音頻流目前指示存在鉆車縫車輛;
響應于(a)而執行以下中的至少一個:輸出警報和抑制引起所述車輛進入車道間區域。
10.如權利要求9所述的方法,進一步地包含:
(b)在(a)之后通過所述車輛控制器確定所述機器學習模型指示所述兩個或兩個以上音頻流目前不指示存在鉆車縫車輛;
響應于(b)而通過所述車輛控制器中斷輸出所述警報并且通過所述車輛控制器允許至所述車道間區域中的運動。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于福特全球技術公司,未經福特全球技術公司許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710055943.8/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:一種手機集成部件沖壓連續模
- 下一篇:一種轉向支撐沖壓系統





