[发明专利]关联LIDAR数据和图像数据

权利要求书

1.一种方法，包括：

接收环境的LIDAR数据和图像数据；

确定与在所述环境中检测到的对象相关联的感兴趣区域；

确定与所述感兴趣区域相对应的所述LIDAR数据的LIDAR点；

生成所述LIDAR点的得分，其中，生成LIDAR点的得分包括：

至少部分地基于从所述感兴趣区域的中心到所述LIDAR点在所述图像上的投影的距离来确定因子；

确定与所述LIDAR点相关联的深度测量的概率密度；以及

至少部分地基于所述概率密度和所述因子，生成所述得分；

至少部分地基于所述得分，确定所述LIDAR点的加权中值；以及

将与所述加权中值相关联的深度测量识别为主要深度估计。

2.根据权利要求1所述的计算机实现的方法，其中确定所述因子包括使用所述LIDAR点在所述图像上的所述投影来评估以所述感兴趣区域的中心为中心的高斯分布。

3.根据权利要求1所述的方法，其中确定所述概率密度包括经由机器学习模型并且至少部分地基于所述对象的分类来生成深度范围上的概率分布。

4.根据权利要求1所述的方法，其中生成所述得分包括将所述概率密度乘以所述因子。

5.根据权利要求1所述的方法，还包括：

识别与满足或超过包括所述主要深度估计的深度值范围的距离相关联的LIDAR点的子集；

至少部分地基于与所述子集相关联的得分和排序，确定第二加权中值；以及

将与所述第二加权中值相关联的深度测量识别为次要深度估计。

6.根据权利要求5所述的方法，其中所述深度值的范围从小于所述主要深度估计0.8米的点到大于所述主要深度估计1.6米的点变化。

7.根据权利要求5所述的方法，还包括：

至少部分基于以下各项中的至少一项，选择所述主要深度估计或所述次要深度估计作为输出深度：

将与通过使用所述第一深度估计评估所述概率分布而与所述第一深度估计值相关联的第一概率密度或第一概率比较于与通过使用所述第二深度估计评估所述概率分布而与所述第二深度估计相关联的第二概率密度或第二概率；

将与所述主要深度估计相关联的LIDAR点的第一密度比较于与所述次要深度相关联的LIDAR点的第二密度；或者

将所述主要深度估计和所述次要深度估计比较于与所述对象相关联的对象轨迹。

8.根据权利要求7所述的方法，其中选择所述次要深度估计还包括：

指示至少遮挡了所述对象的一部分的遮挡对象的存在；以及

将所述主要深度估计与所述遮挡对象相关联，并将所述次要深度估计与所述对象相关联。

9.根据权利要求7或8所述的方法，还包括：

将所述输出深度发送到自动驾驶车辆的控制器；以及

至少部分地基于所述输出深度生成轨迹，所述轨迹被配置为使所述自动驾驶车辆穿过所述环境的一部分。

10.根据权利要求7所述的方法，还包括：

将所述主要深度估计和所述次要深度估计比较于单眼图像模型的输出；

将与所述主要深度估计相关联的LIDAR点的第一密度比较于与所述次要深度估计相关联的LIDAR点的第二密度；或者

将所述主要深度估计和所述次要深度估计比较于与所述对象相关联的对象轨迹。

11.根据权利要求5、7、8或10中任一项所述的方法，还包括：

至少部分地基于所述主要深度估计或所述次要深度估计，识别所述对象在所述环境中的位置；以及

至少部分地基于所述对象的所述位置，生成用于控制自动驾驶车辆的运动的轨迹。