[發明專利]用于圖像數據的頻率編碼的方法和系統

在審

• 申請號: 202111157689.5
• 申請日: 2021-09-30
• 公開（公告）號: CN114302144A
• 公開（公告）日: 2022-04-08
• 發明（設計）人: J·貝克托爾德;V·費舍爾
• 申請（專利權）人: 羅伯特·博世有限公司
• 主分類號: H04N19/186
• 分類號: H04N19/186;H04N19/597;G06T9/00;G06N20/00
• 代理公司: 中國專利代理(香港)有限公司 72001
• 代理人: 杜荔南;劉春元

用于圖像數據的頻率編碼的方法和系統。本發明涉及用于對成像傳感器的圖像數據進行頻率編碼的計算機實現的方法，其包括：提供通過成像傳感器記錄的單個圖像的第一圖像數據，其中第一圖像數據具有單個圖像的以整數或者作為浮點數來編碼的深度值；通過算法接收第一圖像數據，該算法通過預先給定數目的周期函數來對單個圖像的深度值進行頻率編碼；而且通過算法輸出第二圖像數據，其中第二圖像數據具有單個圖像的經頻率編碼的深度值。本發明還涉及用于提供機器學習算法以對包含在成像傳感器的單個圖像的圖像數據中的對象進行分類的計算機實現的方法。本發明還涉及用于對成像傳感器的圖像數據進行頻率編碼的系統、計算機程序和計算機可讀數據載體。

技術領域

本發明涉及一種用于對成像傳感器的圖像數據進行頻率編碼的計算機實現的方法。

本發明還涉及一種用于提供機器學習算法以用來對包含在成像傳感器的單個圖像的圖像數據中的對象進行分類的計算機實現的方法。

本發明還涉及一種用于對成像傳感器的圖像數據進行頻率編碼的系統。

背景技術

利用人工神經網絡來被處理的圖像數據通常被存儲在網格中，在該網格中，各個值、也就是說像素都包含圖像信息。該信息通常是十進制值或者浮點值。用于圖像分類的所有常用方法、諸如ResNet（residual neural network（殘差神經網絡））都使用這種數據表示。

如由深度攝像機產生的深度圖像也在該表示中被人工神經網絡處理。

在深度圖像中對信息進行評估，其中近處對象和遠處對象具有非常不同的值。在這種情況下，大帶寬的值對于人工神經網絡來說成問題。對數據的歸一化也只是有條件地消除該問題。在該表示中難以呈現小細節。

因此，本發明所基于的任務在于提供經改善的方法和系統，通過該方法和該系統能更好地呈現在深度圖像中的細節。

該任務利用具有權利要求1的特征的用于對成像傳感器的圖像數據進行頻率編碼的計算機實現的方法來被解決。

該任務還利用具有權利要求8的特征的用于提供機器學習算法以用來對包含在成像傳感器的單個圖像的圖像數據中的對象進行分類的計算機實現的方法來被解決。

該任務還利用具有權利要求9的特征的用于對成像傳感器的圖像數據進行頻率編碼的系統、具有權利要求10的特征的計算機程序和具有權利要求11的特征的計算機可讀數據載體來被解決。

發明內容

本發明提供了一種用于對成像傳感器的圖像數據進行頻率編碼的計算機實現的方法。該方法包括：提供通過成像傳感器所記錄的單個圖像的第一圖像數據，其中這些第一圖像數據具有單個圖像的以整數或者作為浮點數來編碼的深度值。

該方法還包括：通過算法來接收第一圖像數據，該算法通過預先給定的數目的周期函數來對單個圖像的深度值進行頻率編碼。該方法還包括：通過該算法來輸出第二圖像數據，其中這些第二圖像數據具有該單個圖像的經頻率編碼的深度值。

本發明還提供了一種用于提供機器學習算法以用來對包含在成像傳感器的單個圖像的圖像數據中的對象進行分類的計算機實現的方法。

該方法包括：接收通過按照本發明的算法輸出的圖像數據，這些圖像數據具有單個圖像的經頻率編碼的深度值。

該方法還包括：接收被分配給包含在相應的單個圖像中的對象的分類結果。

該方法還包括：通過優化算法，在使用圖像數據和被分配給包含在相應的單個圖像中的對象的分類結果的情況下對該機器學習算法進行訓練，該優化算法對損失函數的極值進行計算。

本發明還提供了一種用于對成像傳感器的圖像數據進行頻率編碼的系統。該系統包括成像傳感器，該成像傳感器提供所記錄的單個圖像的第一圖像數據，其中這些第一圖像數據具有單個圖像的以整數或者作為浮點數來編碼的深度值。