[發(fā)明專利]對傳感器獲取的采集進行分類的方法

在審

• 申請?zhí)枺?/td>: 202010021215.7
• 申請日: 2020-01-09
• 公開（公告）號: CN111435457A
• 公開（公告）日: 2020-07-21
• 發(fā)明（設計）人: I·弗里曼;K·弗里德里克斯
• 申請（專利權）人: APTIV技術有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京三友知識產權代理有限公司 11127
• 代理人: 師瑋;王小東

對傳感器獲取的采集進行分類的方法。該方法包括以下步驟：接收由傳感器獲取的多個采集的序列，各個采集包括多個元素；針對各個采集生成多個原始概率值，各個原始概率值被鏈接到多個預定類中的一個相應類并指示采集或采集的元素與相應類相關聯的概率；針對序列的多個采集中的一個相應采集，根據多個基礎概率值和多個上下文概率值來確定多個綜合概率值，其中，基礎概率值表示相應采集的原始概率值，并且上下文概率值表示序列的除相應采集之外的至少一個另外的采集的原始概率值，上下文概率值根據歸一化規(guī)則進行歸一化；以及基于綜合概率值對相應采集或采集的元素進行分類。

技術領域

本發(fā)明涉及一種對傳感器獲得的采集(capture)進行分類的方法。特別地，采集可以是由圖像傳感器獲取的圖像。

背景技術

對傳感器數據進行電子分類的方法已得到廣泛使用。作為一個示例，現今圖像分類被用于自主應用中，例如被用于交通工具的自主駕駛中。在這樣的應用中，不僅需要對圖像數據而且需要對來自其他傳感器(例如雷達傳感器和激光雷達傳感器)的數據進行語義內容的處理和分析。為此，使用分類算法，其中，將整個采集和/或采集中的各個元素(例如，圖像的像素)自動分配給一個或更多個類。

由于分類的輸出(即，分類結果)形成了自動應用(例如，自動生成用于自主駕駛汽車的指令)的安全關鍵基礎，因此分類結果的高可靠性是必不可少的。

現有技術的分類算法通常輸出每個類的概率值，特別是偽概率值或置信度。例如，用于圖像分類的算法可以輸出圖像的各個像素的概率值。然后，基于這些概率值，可以做出關于相應像素代表哪種類型的對象或類的判定。

阻礙分類的高精度的一個問題是單個概率值本身并不總是非常可靠的。為了減少這種問題，已經提出了分析后續(xù)采集的概率值，這些采集是諸如視頻序列之類的序列的一部分。這種方法允許考慮采集的概率值之間的時間依賴性，其中，就對分類結果的影響而言，可以排除或至少減少不適應系統趨勢的單個異常值。作為一個示例，提出了多數表決法(majority voting scheme)，其中，選擇固定數量的采集中具有最多數量的最大概率值的類作為正確的類。作為另一種選擇，可以對若干個采集的概率值進行歸一化，以使它們更具可比性。然而，已經發(fā)現，考慮到獲得最佳分類精度，現有方法仍然不令人滿意，或者現有方法太過復雜。

發(fā)明內容

本發(fā)明的根本目的是改善對采集或采集的元素進行分類的可靠性。然而，處理復雜度應該較低。

根據一個方面，一種對采集進行分類的方法包括以下步驟：接收由傳感器獲取的多個采集的序列，各個采集包括多個元素；針對所述序列中的各個采集生成多個原始概率值，特別是偽原始概率值，各個原始概率值被鏈接到多個預定類中的一個相應類并指示所述采集或所述采集的元素與所述相應類相關聯的概率；針對所述序列的多個采集中的一個相應采集，根據多個基礎概率值和多個上下文概率值來確定多個綜合概率值，其中，所述基礎概率值表示所述相應采集的原始概率值，并且所述上下文概率值表示所述序列中所述相應采集之外的至少一個另外采集的原始概率值，所述上下文概率值被根據歸一化規(guī)則進行歸一化；基于所述綜合概率值對所述相應采集或所述采集的元素進行分類。