[发明专利]对空间成像数据的自适应处理

说明书

机器视觉处理包括：捕捉表示视场并且包括对视场内的各个点的测距测量的3D空间数据；将分段算法应用于3D空间数据以产生指示视场内的个体物体的存在的分段评估，其中分段算法基于至少一个可调整参数；以及基于测距测量调整至少一个可调整参数的值。分段评估基于对3D空间数据应用分段算法，且至少一个可调整参数值的不同值与视场内的各个点的测距测量的不同值相对应。

技术领域

本文描述的实施例一般涉及感测、测量和数据处理，并且更具体地涉及可被用于机器视觉和物体检测中的三维空间测量的数据处理。

背景技术

各种三维(3D)空间测量技术是可用的，并且为促进机器视觉而不断发展。在众多应用中，自主车辆表示需要有效且稳健的机器视觉技术的快速成长的部分。

在自主车辆控制的情境中，期望让系统识别可能遭遇的各种不同物体(诸如，其他车辆、行人、自行车、树、建筑物、桥和其他基础结构、以及诸如颠簸和坑洼、建筑栅栏、废墟、动物之类的障碍等)。当自主车辆识别不同类型的物体时，可预测它们的各种表现以增加自主车辆的安全性和舒适性。

在物体可被机器视觉系统识别之前，必须先从其环境之中检测它们。此检测过程被称为分段。存在着改进分段操作的性能和计算效率的持续需要，以提供更高效、可靠和价格实惠的机器视觉解决方案。

附图说明

在附图中(这些附图不一定是按比例绘制的)，相同的数字可以描述不同视图中的类似的组件。具有不同的字母后缀的相同的数字可以表示类似组件的不同实例。在附图中的图表中通过示例而非限制地图示一些实施例。

图1A是例示出其中存在各种物体的3D捕捉设备的示例视场的示图。

图1B是例示出来自给定经验场景的LiDAR返回的示例分布的图。

图2是例示出通用机器形式的计算机系统的框图，该计算机系统可被合并为便携、车载、固定或分布式计算系统的部分。

图3A是例示出计算设备(诸如，图2中描绘的计算设备)的示例性硬件和软件架构的图，其中根据一些实施例示出硬件组件和软件组件之间的各种接口。

图3B是例示出根据一些实施例的可实现于计算设备上的处理设备的示例的框图。

图3C是例示出根据各种实施例的处理设备的示例组件的框图。

图4是例示出根据一些示例实施例的用于与自主车辆控制系统一起使用的机器视觉系统的部分的系统框图。

图5是例示出根据一些实施例的执行自适应分段评估的示例过程的流程图。

图6是例示出用于选择分段算法的示例过程的流程图。

图7是例示出根据一些实施例的示例校准过程的流程图。

具体实施方式

以下的描述和附图充分示出了具体实施例，以使本领域技术人员能够实施。其他实施例可结合结构、逻辑、电气、过程、以及其他变化。一些实施例的多个部分和特征可被包括在其他实施例的多个部分和特征中，或者替换其他实施例的多个部分和特征。在权利要求中阐述的实施例涵盖了那些权利要求的所有可用等同。

实施例的方面可被实现为数据处理和计算平台的部分。数据处理和计算平台可以是一个物理机器，或者可分布于多个物理机器之中(诸如，依据角色或功能，或者依据云计算分布模型的情形中的进程线程)。在各种实施例中，本发明的方面可被配置成在虚拟机中运行，这些虚拟机进而在一个或多个物理机器上执行。本领域技术人员将理解本主题的方面的特征可通过不同的合适机器实现来实现。