[发明专利]用于标识对象的方法和系统

说明书

提供了用于标识对象的方法和装置。该方法可包括并且该装置可用于：在第一时刻，获取经由车辆装载的多个不同类型的传感器输出的第一组传感器数据；将第一组传感器数据馈送到通用统计模型以形成针对所述第一时刻的通用统计模型格式数据；将针对第一时刻的通用统计模型格式数据与历史通用统计模型格式数据进行融合以更新针对第一时刻的通用统计模型格式数据；将经更新的针对第一时刻的通用统计模型格式数据与隐含模型进行比较以标识对象。

技术领域

本发明涉及标识对象，更具体地，涉及使用实时传感器数据来标识对象。

背景技术

自动驾驶车辆(也称为无人驾驶汽车，自动驾驶汽车，机器人汽车)是一种能够在没有人为输入的情况下感测其周围环境并进行导航的车辆。自动驾驶车辆(下文称为“ADV”)使用各种技术来检测其周围环境，例如雷达，激光，GPS，测距和计算机视觉。先进的控制系统解释感测到的信息，以标识适当的导航路径，以及障碍物和相关标志。

更具体地，ADV从各种车载传感器收集传感器数据，例如视觉类传感器(例如，摄像头)，雷达类测距传感器(诸如激光雷达，毫米波雷达，超声波雷达)等。

如本领域中已知的，不同类型的传感器产生不同形式或格式的数据。在处理来自不同传感器的传感器数据时，必须分别处理每种类型的传感器数据。因此，对于每种类型的传感器数据，必须建立一个或多个用于存储该类型的传感器数据的模型以进行对象标识。当前，并不存在一种能够同时支持多种不同类型的传感器数据的模型。

此外，针对单个时刻所获得的单组传感器数据是不稳定且不可靠的。将针对该时刻的传感器数据与针对先前多个时刻的多组传感器数据进行融合以拟合数据从而来标识对象是理想的。

因此，希望提供一种能够同时支持多种类型的传感器数据的模型来实时标识对象的方案，以便克服上述提及的缺陷。

发明内容

提供本发明内容以便以简化形式介绍将在以下具体实施方式中进一步的描述一些概念。本发明内容并非旨在标识所要求保护的主题的关键特征或必要特征，也不旨在用于帮助确定所要求保护的主题的范围。

根据本发明的一个实施例，提供了一种用于构建实时道路模型的方法，包括：在第一时刻，获取经由车辆装载的多个不同类型的传感器输出的第一组传感器数据；将所述第一组传感器数据馈送到通用统计模型以形成针对所述第一时刻的通用统计模型格式数据，所述通用统计模型格式包括多个传感器数据集，其中所述多个传感器数据集中的每一个传感器数据集是由所述不同类型的传感器中的一个传感器输出的；将针对所述第一时刻的通用统计模型格式数据与历史通用统计模型格式数据进行融合以更新针对所述第一时刻的通用统计模型格式数据；将经更新的针对所述第一时刻的通用统计模型格式数据与隐含模型进行比较以标识对象，所述隐含模型包括用于描述经预定义的对象的多个传感器数据样本集，其中所述多个传感器数据样本集中的每一个传感器数据样本集包括预先获取的由所述不同类型的传感器中的一个传感器描述所述经预定义的对象的传感器数据样本集。

根据本发明的一个实施例，提供了一种用于构建实时道路模型的装置，包括：传感器数据获取模块，所述传感器数据获取模块被配置成获取在第一时刻由车辆上装载的不同类型的传感器输出的第一组传感器数据；数据馈送模块，所述馈送模块被配置成将所述第一组传感器数据馈送到通用统计模型以形成针对所述第一时刻的通用统计模型格式数据，所述通用统计模型格式包括多个传感器数据集，其中所述多个传感器数据集中的每一个传感器数据集是由所述不同类型的传感器中的一个传感器输出的；数据融合模块，所述数据融合模块被配置将针对所述第一时刻的通用统计模型格式数据与历史通用统计模型格式数据进行融合以更新针对所述第一时刻的通用统计模型格式数据；对象标识模块，所述对象标识模块被配置成将经更新的针对所述第一时刻的通用统计模型格式数据与隐含模型进行比较以标识对象，所述隐含模型包括用于描述经预定义的对象的多个传感器数据样本集，其中所述多个传感器数据样本集中的每一个传感器数据样本集包括预先获取的由所述不同类型的传感器中的一个传感器描述所述经预定义的对象的传感器数据样本集。