[發明專利]自動行駛車輛空間學習方法及裝置、測試方法及裝置

在審

• 申請號: 202010017625.4
• 申請日: 2020-01-08
• 公開（公告）號: CN111507369A
• 公開（公告）日: 2020-08-07
• 發明（設計）人: 金桂賢;金镕重;金鶴京;南云鉉;夫碩焄;成明哲;申東洙;呂東勛;柳宇宙;李明春;李炯樹;張泰雄;鄭景中;諸泓模;趙浩辰
• 申請（專利權）人: 斯特拉德視覺公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/32;G06N3/08;G06N3/04
• 代理公司: 北京同立鈞成知識產權代理有限公司 11205
• 代理人: 延美花;臧建明

本發明公開通過整合第一客體檢測信息及第二客體檢測信息生成整合客體信息的學習方法及學習裝置、測試方法及測試裝置。即，公開的方法的特征在于包括(a)學習裝置使連接(concatenating)網絡生成一個以上的對特征向量的步驟；(b)所述學習裝置使判別網絡對所述對特征向量適用FC運算生成(i)判別向量及(ii)框回歸(regression)向量的步驟；以及(c)所述學習裝置使損失單元參照所述判別向量與所述框回歸向量，及與其對應的GT(Ground Truth)生成整合損失，利用所述整合損失執行反向傳播(backpropagation)學習包含于所述DNN的參數中至少一部分的步驟。本發明具有利用整合空間檢測結果提高自動行駛車輛的安全性的效果。

技術領域

本發明涉及將通過V2V通信獲得的其他自動行駛車輛的空間探測結果整合到自己的自動行駛車輛的空間探測結果的學習方法及學習裝置、測試方法及測試裝置。

背景技術

深度卷積神經網絡(Deep Convolution Neural Networks，Deep CNNs)是深度學習領域發生的驚人的發展核心。CNN為了解決文字識別問題而自90年代以來開始使用，而像目前廣泛使用是則多虧近來的研究結果。這種深度CNN在2012年ImageNet圖像分類比賽打敗其他競爭者獲勝。自那以后CNN在機器學習領域成了非常有用的工具。

這種CNN還廣泛用于自動行駛領域。CNN在自動行駛車輛中主要負責語義(semantic)分割、客體檢測及富余空間檢測等圖像處理。搭載CNN的車輛能夠以此判斷車輛周邊空間有無客體并生成空間檢測結果。

另外，近來V2X(vehicle to everything，車聯網)技術受到矚目。V2X是指車輛在線與其他客體連接的通信技術。作為V2X技術中的一個的V2V(vehicle to vehicle)技術是指車輛與車輛之間的通信技術。V2V技術的應用領域很多，但適用于自動行駛車輛的情況下必定能夠取得非常大的效果。尤其，若能夠通過V2V技術共享利用上述CNN的空間檢測結果，將會大幅降低事故概率。

但是，由于以往各車輛以自我為中心執行空間檢測，因此彼此共享空間檢測結果方面存在一些困難。

發明內容

技術問題

本發明的目的是解決上述問題。

本發明的另一目的在于提供將通過V2V通信獲得的其他自動行駛車輛的客體檢測信息整合到自己的自動行駛車輛生成的客體檢測信息的學習方法，從而利用整合空間檢測結果提高自動行駛車輛的安全性。

技術方案

用于達成如上所述的本發明的目的且實現下述本發明的特征性效果的本發明的特征性構成如下。