[发明专利]分类方法及系统

说明书

提供了用于分类对象的系统和方法。在一个实施例中，一种方法包括：接收与车辆的环境相关联的传感器数据；通过处理器处理传感器数据，以确定场景内的元素；通过处理器生成围绕元素的边界框；通过处理器将元素的片段投影到边界框上，以获得深度图像；并且通过将深度图像提供给机器学习模型并接收将元素分类为对象以便辅助控制自主车辆的分类输出来分类对象。

技术领域

本公开总体上涉及自主车辆，并且更具体地涉及用于分类对象并基于对象的分类控制自主车辆的系统和方法。

背景技术

自主车辆是一种能够感测其环境并在极少的用户输入或完全没有用户输入的情况下进行导航的车辆。自主车辆采用诸如雷达、激光雷达、图像传感器等感测设备来感测其环境。自主车辆系统还采用从全球定位系统(GPS)技术、导航系统、车辆到车辆通信、车辆到基础设施技术和/或线控系统得到的信息来对车辆进行导航。

人们已经将车辆自动化划分成多个数字等级，具体的等级范围涵盖了与完全由人工进行控制的非自动化相对应的零级到与没有人工控制的全自动化相对应的五级。各种自动化驾驶辅助系统(如巡航控制系统、自适应巡航控制系统和停车辅助系统)对应的是较低的自动化水平，而真正意义上的“无人驾驶”车辆对应的是较高的自动化水平。

尽管近年来自主车辆已经取得了明显的进步，但是这样的系统仍然可以在许多方面加以改进。例如，有利的是，自主车辆能够更精确地对在其周围感测到的对象进行分类，例如，在环境中感测到的对象是人类还是机动车辆等等。

因此，期望提供能够更准确地对在环境中感测的对象进行分类的系统和方法。此外，结合附图以及前述技术领域和背景技术，根据以下详细描述和所附权利要求，本发明的其他期望特征和特性将变得显而易见。

发明内容

提供了用于分类对象的系统和方法。在一个实施例中，一种方法包括：接收与车辆的环境相关联的传感器数据；通过处理器处理传感器数据，以确定场景内的元素；通过处理器生成围绕元素的边界框；通过处理器将元素的片段投影到边界框上，以获得深度图像；并且通过将深度图像提供给机器学习模型并接收将元素分类为用于辅助控制自主车辆的对象的分类输出来分类对象。

在一个实施例中，一种系统包括对象分类模块，该对象分类模块包括处理器。对象分类模块配置为经通过处理器接收与车辆的环境相关联的传感器数据；通过处理器处理传感器数据，以确定场景内的元素；通过处理器生成围绕元素的边界框；通过处理器将元素的片段投影到边界框上，以获得深度图像；并且通过将深度图像提供给机器学习模型并接收将元素分类为对象以便辅助控制自主车辆的分类输出来分类对象。

在一个实施例中，提供了一种自主车辆。自主车辆包括提供传感器数据的至少一个传感器；以及控制器，该控制器通过处理器并且基于传感器数据：接收与车辆的环境相关联的传感器数据；通过处理器处理传感器数据，以确定场景内的元素；通过处理器生成围绕元素的边界框；通过处理器将元素的片段投影到边界框上，以获得深度图像；并且通过将深度图像提供给机器学习模型并接收将元素分类为对象以便辅助控制自主车辆的分类输出来分类对象。

附图说明

在下文中，将结合以下附图来描述示例性实施例，其中相同的附图标记表示相同的元件，并且其中：

图1是示出了根据各种实施例的具有对象分类系统的自主车辆的功能框图；

图2是示出了根据各种实施例的具有图1的一个或多个自主车辆的交通系统的功能框图；

图3和图4是示出了根据各种实施例的包括自主车辆的对象分类系统的自主驾驶系统的数据流程图；以及

图5是示出了根据各种实施例的用于控制自主车辆的控制方法的流程图。

具体实施方式