[發明專利]檢測與來自計算機協助或自主駕駛交通工具的一個或多個相機的圖像數據相關聯的異常圖像

在審

• 申請號: 202010123244.4
• 申請日: 2020-02-27
• 公開（公告）號: CN111768358A
• 公開（公告）日: 2020-10-13
• 發明（設計）人: A·庫馬;S·沙爾馬;N·阿戶加
• 申請（專利權）人: 英特爾公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06K9/00;G06K9/62;B60W50/02;G01S19/46;G01S19/47;G01S13/86;G01S13/931;G01C21/16
• 代理公司: 上海專利商標事務所有限公司 31100
• 代理人: 黃嵩泉;何焜

實施例包括用于檢測與來自計算機協助或自主駕駛(CA/AD)交通工具的一個或多個相機的圖像數據相關聯的異常圖像的用于計算機協助或自主駕駛(CA/AD)系統的設備、系統、和方法。實施例可以包括用于從一個或多個相機接收圖像數據流的設置在CA/AD交通工具中的傳感器接口，該圖像數據流包括由一個或多個相機捕獲的單個視圖圖像數據或由一個或多個相機中的多個相機協作地捕獲的多視圖圖像數據。在實施例中，設置在CA/AD交通工具中的一致性分析單元耦合到傳感器接口，以使用單個視圖或多視圖幾何方法對像素級數據執行一致性檢查，以確定圖像數據是否包括異常圖像。也可描述和要求保護其他實施例。

技術領域

本發明的實施例總體上涉及計算機協助或自主駕駛(CA/AD)交通工具的領域，并且更具體地涉及檢測與從CA/AD交通工具的一個或多個相機接收的圖像數據相關聯的異常圖像。

背景技術

本文中所提供的背景描述是出于總體上呈現本公開的上下文的目的。在此背景技術部分所述的程度上的當前提及的發明人的工作以及在遞交時可不以其他方式作為現有技術的描述的各方面既不明確地又不隱含地被承認為是對于本公開的現有技術。除非在本文中另外指出，否則在此部分中描述的方法不是對于本公開中的權利要求的現有技術，并且也不會因為被包含在此部分中而被承認是現有技術。

專家預測，在未來幾年內，約有1000萬輛計算機協助或自主駕駛(CA/AD)交通工具可能在路上行駛。自主駕駛交通工具通常具有用于感測交通工具周圍的環境的多個相機。在自主駕駛交通工具中，相機用于“看”世界，并且該信息被發送到“大腦”，即用于進行處理的算法/計算塊。由于相機對于自主駕駛交通工具的運行至關重要，因此相機的圖像流中的任何異常都可能是有問題的，甚至是災難性的。由于其在自主駕駛中的重要性，因此相機系統變得高度容易受到惡意代理(例如黑客)的攻擊，該惡意代理可以改變圖像流的內容，從而導致自主駕駛系統的不正確行為。在其他情況下，相機子系統可能會無意間出現故障，并提供不正確的圖像。此外，神經網絡容易受到對抗示例(即，接近自然輸入但被不正確地分類的輸入)的攻擊是已知的。例如，已經表明，以故意欺騙深度神經網絡(DNN)的意圖通過對輸入圖像的較小的擾動巧妙地制作出的對抗示例，可能會導致具有高置信度的誤分類。例如，可以將擾動設計為使得可能從分段輸出中移除特定類別(例如，從道路上移除行人或汽車)。這類安全攻擊將會導致自駕駛交通工具和關鍵的真實世界系統中的問題性的結果，甚至是災難性的結果。因此，確定DNN是否受到威脅可能至關重要。因此，重要的是在分類之前解析輸入圖像，以通過查找像素級異常來檢測對抗示例以及檢測由故障硬件或軟件導致的異常。

附圖說明

通過以下結合附圖的詳細描述，將容易地理解實施例。為了便于該描述，相同的附圖標記指示相同的結構元件。通過示例方式而非通過限制的方式在附圖的各圖中示出各實施例。

圖1圖示了根據各實施例的與駕駛交通工具的計算機協助或自主駕駛(CA/AD)系統相關聯的一致性分析單元150以及用于實現駕駛交通工具的CA/AD系統的環境100。

圖2是圖示根據各實施例的由圖1執行或與圖1相關聯的過程200的流程圖200。

圖3是進一步詳細圖示根據各實施例的與圖1和圖2的一致性分析技術相關聯的實施例的道路300的圖和相應流程圖350。

圖4是進一步詳細圖示根據各實施例的與圖1和圖2的一致性分析技術相關聯的附加的實施例的圖400。

圖5是根據各實施例的包括與多視圖幾何方法相關聯的實施例的過程500。

圖6圖示了根據各實施例的實現基于視差的度量的過程600的實施例。

圖7是圖示根據各實施例的與執行一致性檢查相關聯的附加實施例的過程700的流程圖。

圖8是根據各實施例的圖800。

圖9是根據各實施例的一致性分析單元和耦合的組件的軟件組件視圖。