[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

通過定義包括車輛和典型駕駛環境的模型的場景來訓練機器學習模型。主體車輛的模型添加至場景并且在該主體車輛上定義傳感器位置。模擬在傳感器位置上通過傳感器的場景的感知。場景進一步地包括鉆車縫車輛的模型。鉆車縫車輛的位置以及傳感器感知場景的模擬輸出輸入至機器學習算法，該機器學習算法基于傳感器輸出來訓練模型以檢測鉆車縫車輛的位置。車輛控制器然后合并機器學習模型并且基于輸入至機器學習模型的實際傳感器輸出來估算鉆車縫車輛的存在和/或位置。

技術領域

本發明涉及在自主車輛中執行障礙物避讓。

背景技術

在比如加利福尼亞州(CA)的舊金山或英國(UK)倫敦這樣的許多擁擠的城市地區中，騎摩托車的人通常通過在車道之間行駛而超過在交通中緩慢或停止的車輛，即鉆車縫(lane-splitting)。這是非常危險的駕駛活動，因為相鄰車輛中的駕駛員很難檢測到這樣的活動，特別是當車道合并時。甚至對于未來的自主車輛來說，其可能具有內置360度感測系統，識別比如以相當高的相對速度變換車道的摩托車這樣的快速移動物體將是挑戰。這種困難因此將對總體感測套件和算法提出挑戰。在物體或車輛擋住感測系統的情況下是進一步有問題的。

在此公開的系統和方法提供用于檢測鉆車縫車輛的方法。

發明內容

根據本發明的一方面，提供一種方法，該方法包含：

通過計算機系統定義三維(3D)模型；

通過計算機系統根據在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；

通過計算機系統使用在3D模型中鉆車縫車輛隨著時間消逝的位置以及兩個或兩個以上傳感器輸出來訓練機器學習模型。

根據本發明的一實施例，本發明方法進一步地包含：

定義在主體車輛上的一個或多個攝像機位置；

模擬在一個或多個攝像機位置上的圖像的檢測；以及

使用圖像以及兩個或兩個以上傳感器輸出來訓練機器學習模型。

根據本發明的一實施例，本發明方法進一步地包含：

定義在主體車輛上的RADAR傳感器位置；

根據3D模型模擬RADAR傳感器輸出；以及

使用圖像、RADAR傳感器輸出、以及兩個或兩個以上的傳感器輸出的全部來訓練機器學習模型。

根據本發明的一實施例，本發明方法進一步地包含：

定義在主體車輛上的LIDAR傳感器位置；

模擬根據3D模型的LIDAR傳感器位置檢測到的點云的順序；以及

使用圖像、RADAR傳感器輸出、點云的順序、以及兩個或兩個以上傳感器輸出的全部來訓練機器學習模型。

根據本發明的一實施例，其中定義3D模型進一步地包括定義多個車輛、鉆車縫車輛以及主體車輛的速度。

根據本發明的一實施例，其中機器學習模型是深度神經網絡。

根據本發明的一實施例，其中根據入射到兩個或兩個以上傳感器位置上的多個車輛的聲音來模擬兩個或兩個以上傳感器輸出包含模擬多普勒效應和聲音的傳播距離。

根據本發明的一實施例，其中將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。

根據本發明的一實施例，本發明方法進一步地包含：

提供包括車輛控制器和兩個或兩個以上麥克風的車輛；

用機器學習模型編程車輛控制器；