[發明專利]雷達、LIDAR和超聲測量數據的合成生成

在審

• 申請號: 202011209075.2
• 申請日: 2020-11-03
• 公開（公告）號: CN112782655A
• 公開（公告）日: 2021-05-11
• 發明（設計）人: T·賓澤爾;A·霍列娃;J·哈施
• 申請（專利權）人: 羅伯特·博世有限公司
• 主分類號: G01S7/40
• 分類號: G01S7/40;G01S7/41;G01S7/48;G01S7/497;G01S7/52;G01S7/539;G01S13/931;G01S15/931;G01S17/931;G06N3/04;G06N3/08
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 杜荔南;周學斌

雷達、LIDAR和超聲測量數據的合成生成。一種用于生成與由第一物理測量模式捕獲的實際測量數據不能區分開的合成測量數據的方法，其中，該第一物理測量模式基于向對象發射詢問波并且以允許確定詢問射束的發射與反射波的到達之間的飛行時間的方式記錄來自對象的反射波，該方法包括以下步驟：獲得第一潛在空間中的合成測量數據的第一壓縮表示，其中，該第一潛在空間與第一解碼器相關聯，該第一解碼器將第一潛在空間的每個元素映射到與第一物理測量模式的實際測量數據的記錄不能區分開的合成測量數據的記錄；以及將第一解碼器應用于第一壓縮表示，以便于獲得所尋求的合成測量數據。用于訓練第一編碼器和解碼器以及用于訓練域變換的方法。

技術領域

本發明涉及測量數據的合成生成，特別是用于對應于雷達、LIDAR（激光雷達）、超聲和相似的物理測量模式的數據。

背景技術

為了以至少部分自動化的方式引導車輛通過道路交通，有必要從車輛的周圍環境中捕獲物理測量數據，并且為其出現可能需要更改車輛的軌跡的其他交通參與者、車道邊界或其他任何種類的對象評估該數據。

不論照明條件如何，都可以通過雷達捕獲對象。而且，雷達數據會立即得出到對象的距離和對象的速度。這對于評估車輛是否可能與檢測到的對象碰撞來說是至關重要的信息。

當機器學習模塊要被訓練成基于雷達測量來識別對象時，所需訓練的訓練數據就是一種稀缺資源。正如德國專利DE 10 2018 204 494 B3中詳述的那樣，當訓練數據需要由人類做標記以實行監督學習時，該任務比對于圖像而言更艱難，因為從雷達信號中識別對象遠非那么直觀。而且，由于有很多因素會影響雷達波的傳播，因此與基于光學圖像的對象識別相比，基于雷達數據的對象識別傾向于需要更多訓練數據。因此，DE 10 2018 204 494B3專利建議使用生成對抗網絡GAN來生成合成雷達數據。

發明內容

發明人已經開發了一種用于生成與由第一物理成像模式捕獲的實際測量數據不能區分開的合成測量數據的方法。這種物理成像模式基于向對象發射詢問波，并且以允許確定詢問射束的發射與反射波的到達之間的飛行時間的方式記錄來自對象的反射波。以定向射束的形式，可以傳輸詢問波，并且可以接收反射波。

特別地，詢問波可以是雷達波、LIDAR波或超聲波。具體地，第一物理測量模式的測量數據可以包括

● 到對象上有助于發射反射波的位點的角度和距離的組合；和/或

● 對象上所述位點的點云。

這些測量模式的共同之處在于，原始數據比圖像數據更難被人類解釋。因此，當機器學習模型被訓練成對測量數據所指示的對象進行分類或獲取諸如對象的速度之類的回歸量時，利用與手頭的任務有關的“地面實況（ground truth）”來標記訓練數據的記錄會更加昂貴和耗時。獲得合成測量數據的可能性允許使更多訓練數據可用于機器學習模塊的訓練，而無需為標記該數據付出過多的人力。

測量數據可以采用適合于預期用途的任何形式。例如，測量數據可以包括時間序列數據或該時間序列數據到頻率空間的變換，諸如快速傅立葉變換。

該方法開始于在第一潛在空間中獲得合成測量數據的第一壓縮表示。該第一潛在空間與第一解碼器相關聯，該第一解碼器被訓練成將第一潛在空間的每個元素映射到與第一物理測量模式的實際測量數據的記錄不能區分開的合成測量數據的記錄。例如，編碼器和解碼器的串聯（tandem）可以被訓練成使得當實際測量數據的記錄由編碼器變換為第一壓縮表示并且然后變換回合成測量數據的記錄時，該合成測量數據的記錄最好與實際測量數據的原始記錄相對應。即使進行這種串聯訓練，也僅需要處于其訓練狀態的第一解碼器來實行該方法。

經訓練的第一解碼器被應用于第一壓縮表示。這產生了所尋求的合成測量數據。