[發(fā)明專利]車輛圖像生成

在審

• 申請?zhí)枺?/td>: 202010621324.2
• 申請日: 2020-07-01
• 公開（公告）號: CN112184844A
• 公開（公告）日: 2021-01-05
• 發(fā)明（設計）人: 尼基塔·齋普里亞;古薩姆·肖林格;維迪亞·納里亞曼特穆拉里;羅漢·巴辛;阿希爾·帕林謝里
• 申請（專利權）人: 福特全球技術公司
• 主分類號: G06T11/00
• 分類號: G06T11/00;G06N3/04;G06N3/08
• 代理公司: 北京連和連知識產權代理有限公司 11278
• 代理人: 陳黎明;李紅蕭

1.一種方法，其包括：

生成合成圖像和對應的地面實況；

通過利用變分自動編碼器-生成式對抗網絡(VAE-GAN)處理所述合成圖像來生成多個域適應合成圖像，其中訓練所述VAE-GAN以使所述合成圖像從第一域適應到第二域；

基于所述域適應合成圖像和所述對應的地面實況訓練深度神經網絡(DNN)；以及

利用經訓練的深度神經網絡處理圖像以確定對象。

2.如權利要求1所述的方法，其還包括通過修改所述合成圖像以改變所述合成圖像中的天氣和照明條件而使所述合成圖像從第一域適應到第二域。

3.如權利要求1所述的方法，其還包括基于無監(jiān)督學習來訓練所述VAE-GAN。

4.如權利要求1所述的方法，其中所述VAE-GAN包括編碼器神經網絡、生成器神經網絡和鑒別器神經網絡，其中所述編碼器神經網絡生成隱變量，所述生成器神經網絡基于隱變量生成修改后的合成圖像，并且所述鑒別器確定所述修改后的合成圖像是否類似于真實圖像。

5.如權利要求4所述的方法，其還包括通過基于真實圖像確定損失函數(shù)來確定所述修改后的合成圖像是否類似于真實圖像。

6.如權利要求1所述的方法，其還包括利用真實感渲染過程生成所述合成圖像和對應的地面實況。

7.如權利要求6所述的方法，其中所述真實感渲染過程基于對場景描述進行光線跟蹤而生成所述合成圖像和對應的地面實況。

8.如權利要求1所述的方法，其中光線跟蹤包括隨著來自虛擬照明源的光線從場景描述中所包括的表面反射到虛擬相機的鏡頭中而跟蹤所述光線。

9.如權利要求1所述的方法，其還包括將在交通場景中確定的對象和位置傳達給車輛。

10.如權利要求9所述的方法，其還包括基于根據(jù)所述對象和位置確定車輛路徑來操作所述車輛。

11.如權利要求10所述的方法，其中移動對象包括行人和車輛中的一者或多者。

12.如權利要求1所述的方法，其還包括通過將隱變量約束為與期望的輸出域一致來訓練所述VAE-GAN。

13.如權利要求12所述的方法，其中假設所述隱變量具有高斯分布。

14.如權利要求13所述的方法，其中使用應用于所述高斯分布的均值和標準偏差的貝葉斯推理來處理所述隱變量。

15.一種系統(tǒng)，其包括被編程為執(zhí)行權利要求1-14中任一項所述的方法的計算機。