[發明專利]用于自主駕駛的數據管線和深度學習系統

在審

• 申請號: 201980055004.0
• 申請日: 2019-03-20
• 公開（公告）號: CN112639817A
• 公開（公告）日: 2021-04-09
• 發明（設計）人: T·烏瓦羅夫;B·特里帕蒂;E·法因斯坦
• 申請（專利權）人: 特斯拉公司
• 主分類號: G06K9/46
• 分類號: G06K9/46;G06K9/62;G06N3/04
• 代理公司: 北京市金杜律師事務所 11256
• 代理人: 黃倩

1.一種方法，包括：

接收使用交通工具上的傳感器捕獲的圖像；

將接收到的所述圖像分解為多個分量圖像；

將所述多個分量圖像中的每個分量圖像作為不同的輸入提供給人工神經網絡的多個層中的不同的層，以確定結果；以及

使用所述人工神經網絡的所述結果，以至少部分地自主操作所述交通工具。

2.根據權利要求1所述的方法，其中所述傳感器是高動態范圍相機。

3.根據權利要求1所述的方法，其中所述傳感器是相機傳感器、雷達傳感器、超聲傳感器或LiDAR傳感器。

4.根據權利要求1所述的方法，其中將接收到的所述圖像分解為所述多個分量圖像包括：使用高通過濾器或低通過濾器。

5.根據權利要求1所述的方法，其中將接收到的所述圖像分解為所述多個分量圖像包括：使用高通過濾器、帶通過濾器或低通過濾器。

6.根據權利要求1所述的方法，其中圖形處理單元被用于將接收到的所述圖像分解為所述多個分量圖像中的至少一個分量圖像。

7.根據權利要求1所述的方法，其中色調映射器處理器被用于將接收到的所述圖像分解為所述多個分量圖像中的至少一個分量圖像。

8.根據權利要求1所述的方法，其中所述多個分量圖像包括高通數據分量和低通數據分量。

9.根據權利要求8所述的方法，其中所述高通數據分量是使用第一圖像預處理器而被分解的，并且所述低通數據分量是使用第二圖像預處理器而被分解的。

10.根據權利要求9所述的方法，其中所述第一圖像預處理器和所述第二圖像預處理器是不同的處理器。

11.根據權利要求8所述的方法，其中所述低通數據分量是從接收到的所述圖像下采樣得到的。

12.根據權利要求8所述的方法，其中所述低通數據分量與所述高通數據分量相比分辨率更低。

13.根據權利要求1所述的方法，其中所述多個分量圖像中的每個分量圖像具有與接收到的所述圖像相比更低的位深度。

14.根據權利要求1所述的方法，其中在將接收到的所述圖像分解為所述多個分量圖像之前，接收到的所述圖像被預處理。

15.根據權利要求1所述的方法，其中在將所述多個分量圖像中的每個分量圖像提供給所述人工神經網絡的所述多個層的所述不同的層之前，所述多個分量圖像中的至少一個分量圖像被預處理。

16.根據權利要求15所述的方法，其中所述預處理包括執行以下一項或多項：壓縮、去噪、去馬賽克、局部對比度增強、增益調整或閾值處理。

17.根據權利要求1所述的方法，其中所述多個分量圖像包括：特征和邊緣數據分量，以及全局數據分量。

18.根據權利要求17所述的方法，其中所述特征和邊緣數據分量被提供給所述人工神經網絡的第一層。

19.一種計算機程序產品，所述計算機程序產品被體現在非暫態計算機可讀存儲介質中，并且包括用于以下的計算機指令：

接收使用交通工具上的傳感器捕獲的圖像；

將接收到的所述圖像分解為多個分量圖像；

將所述多個分量圖像中的每個分量圖像作為不同的輸入提供給人工神經網絡的多個層中的不同的層，以確定結果；以及

使用所述人工神經網絡的所述結果，以至少部分地自主操作所述交通工具。

20.一種系統，包括：

交通工具上的傳感器；

交通工具控制模塊；

一個或多個圖像信號處理器，被配置為：

接收使用所述傳感器捕獲的圖像；以及

將接收到的所述圖像分解為多個分量圖像；

人工智能處理器；以及

存儲器，與所述人工智能處理器耦合，其中所述存儲器被配置為向所述人工智能處理器提供指令，所述指令在被執行時使所述人工智能處理器：

接收所述多個分量圖像中的每個分量圖像作為人工神經網絡的多個層中的不同層的不同的輸入，以確定結果；以及

將所述人工神經網絡的所述結果提供給所述交通工具控制模塊，以至少部分地自主操作所述交通工具。