[發(fā)明專利]計算機執(zhí)行的方法和用于生成虛擬車輛環(huán)境的系統

在審

• 申請?zhí)枺?/td>: 202110189814.4
• 申請日: 2021-02-18
• 公開（公告）號: CN113344210A
• 公開（公告）日: 2021-09-03
• 發(fā)明（設計）人: S·黑寧;T·普施爾;M·圖勞
• 申請（專利權）人: 帝斯貝思數字信號處理和控制工程有限公司
• 主分類號: G06N20/00
• 分類號: G06N20/00;G06N3/08
• 代理公司: 中國貿促會專利商標事務所有限公司 11038
• 代理人: 樓震炎

1.一種計算機執(zhí)行的方法，所述計算機執(zhí)行的方法用于在使用真實車輛環(huán)境(U1)的在先檢測到的視頻圖像數據(10a)、雷達數據和/或激光雷達點云的情況下生成虛擬車輛環(huán)境(U2)來測試機動車(1)的高度自動化的行駛功能，所述方法包括如下步驟：

接收(S1A、S1B)真實車輛環(huán)境(U1)的在先檢測到的視頻圖像數據(10a)、雷達數據和/或激光雷達點云，所述真實車輛環(huán)境包括多個在先表征(S1A)的或在后通過使用至少一個第一機器學習算法(A1)表征(S1B)的真實對象(12a、12b、12c、12d、12e)；

通過將第二機器學習算法(A2)應用于相應的真實對象(12a、12b、12c、12d、12e)來生成(S2)表示相應的真實對象(12a、12b、12c、12d、12e)的第一特征向量(M1)并且存儲(S3)第一特征向量(M1)；

提供(S4)多個存儲的、表示合成生成對象(14a、14b、14c、14d、14e)的第二特征向量(M2)；

識別(S5)與第一特征向量(M1)具有最高相似度(MA)的第二特征向量(M2)；

根據識別的相似度(MA)，選擇(S6A)識別的第二特征向量(M2)并調用存儲的配設給所述第二特征向量(M2)的、相應于真實對象(12a、12b、12c、12d、12e)的合成對象(14a、14b、14c、14d、14e)或者程序化地生成(S6B)相應于真實對象(12a、12b、12c、12d、12e)的合成對象(14a、14b、14c、14d、14e)；和

將合成對象(14a、14b、14c、14d、14e)集成(S7)到預定的虛擬車輛環(huán)境(U2)中。

2.根據權利要求1所述的計算機執(zhí)行的方法，其特征在于，通過監(jiān)督學習算法或通過無監(jiān)督學習算法、尤其是人工神經網絡執(zhí)行對所述多個真實對象(12a、12b、12c、12d、12e)的表征(S1A、S1B)、尤其是探測和分類。

3.根據權利要求1或2所述的計算機執(zhí)行的方法，其特征在于，如果識別的第二特征向量(M2)與第一特征向量(M1)的相似度(MA)大于或等于預定的閾值(T)，那么選擇所述識別的第二特征向量(M2)，并且調用(S6A)存儲的配設給第二特征向量(M2)的、相應于真實對象(12a、12b、12c、12d、12e)的合成對象(14a、14b、14c、14d、14e)。

4.根據權利要求1或2所述的計算機執(zhí)行的方法，其特征在于，如果識別的第二特征向量(M2)與第一特征向量(M1)的相似度(MA)小于預定的閾值(T)，那么程序化地生成(S6B)所述合成對象(14a、14b、14c、14d、14e)。

5.根據權利要求4所述的計算機執(zhí)行的方法，其特征在于，在使用通過第二機器學習算法(A2)生成的第一特征向量(M1)的情況下執(zhí)行程序化地生成(S6B)所述合成對象(14a、14b、14c、14d、14e)。

6.根據前述權利要求之一所述的計算機執(zhí)行的方法，其特征在于，用于生成、尤其是用于編碼第一特征向量(M1)的第二機器學習算法(A2)通過第一變分自編碼器構成。

7.根據前述權利要求之一所述的計算機執(zhí)行的方法，其特征在于，通過將第三機器學習算法(A3)應用于相應的合成對象(14a、14b、14c、14d、14e)來生成表示相應的合成對象(14a、14b、14c、14d、14e)的第二特征向量(M2)，并且將所述第二特征向量(M2)存儲(S3)在數據存儲器中。

8.根據前述權利要求之一所述的計算機執(zhí)行的方法，其特征在于，通過第一機器學習算法(A1)將包含在視頻圖像數據(10a)、雷達數據和/或激光雷達點云中的真實對象(12a、12b、12c、12d)分類在主類別(C1、C2、C3、C4)中，其中，配設給一個主類別(C1、C2、C3、C4)的真實對象(12a、12b、12c、12d)通過使用第四機器學習算法(A4)被分類到子類別(12d1、12d2)中。