[发明专利]分类对象的方法和装置

权利要求书

1.一种用于分类对象的方法(100)，

其中，所述方法(100)包括用于特征提取单元(13)的来自传感器的测量数据的提供(106)，

其特征在于，

所述方法(100)包括从所述测量数据中提取(107)与模态无关的特征(24)，

其中，所述模态无关的特征(24)与所述传感器的传感器模态无关，从而不可能从与模态无关的特征得出所述传感器的传感器模态。

2.根据权利要求1所述的方法(100)，其特征在于，

至少有一个第一传感器模态和一个第二传感器模态，

其中，所述方法(100)被配置为以能够重建来自所述第二测量模态的传感器的测量数据的方式，从来自所述第一传感器模态的传感器的测量数据中提取与模态无关的特征(24)。

3.根据前述权利要求中任一项所述的方法(100)，其特征在于，

所述特征提取单元(13)包括用于每个传感器模态的至少一个特征提取器(14、15、16)，

其中，所述特征提取器(14、15、16)从测量数据中提取(108)特征。

4.根据权利要求3所述的方法(100)，其特征在于，

所述特征提取器(14、15、16)是神经网络。

5.根据权利要求4所述的方法(100)，其特征在于，

所述第一传感器模态是激光雷达，

其中，所述第一传感器模态的所述特征提取器(14)是多层感知器(MLP)网络。

6.根据权利要求3或4所述的方法(100)，其特征在于，

所述第二传感器模态是图像，

其中，所述第二传感器模态的所述特征提取器(15)是卷积神经网络。

7.根据权利要求3至6中任一项所述的方法(100)，其特征在于，

所述特征提取单元(13)包括特征变换单元(17)，

其中，所述特征变换单元(17)包括用于每一传感器模态的神经网络，

其中，所述特征变换单元(17)从至少两个特征提取器的特征中提取(109)与模态无关的特征(24)。

8.根据前述权利要求中任一项所述的方法(100)，其特征在于，

所述方法包括通过无监督学习对所述特征提取单元(13)进行的先前训练(101)。

9.根据前述权利要求中任一项所述的方法(100)，其特征在于，

所述方法(100)包括通过分类单元(18)对与模态无关的特征(24)进行的分类(110)。

10.根据权利要求9所述的方法(100)，其特征在于，

所述方法(100)包括通过监督学习对所述分类单元(18)进行的先前训练(102)。

11.根据权利要求9或10所述的方法(100)，其特征在于，

所述方法(100)包括将至少一个特征向量从所述特征提取单元(13)转发(110a)到所述分类单元(18)，

其中，所述分类(110)包括将接收到的特征向量与每一类别的各自先前确定的平均特征向量进行的比较(110c)，以及

其中，当低于先前规定的偏差极限时相应的类别标签被发放(110f)。

12.一种用于光学距离测量的方法，其特征在于，

所述用于光学距离测量的方法包括用于分类对象(100)的方法。

13.一种用于分类对象的装置(10)，

其中，所述装置(10)被配置为执行根据权利要求1至12中任一项所述的方法(100)。