[发明专利]用于确定行驶通道的方法和系统

权利要求书

1.一种用于确定机动车辆(10)的行驶通道的方法，所述机动车辆具有控制设备(24)和至少一个相机(22)，其中，所述相机(22)被设计成生成所述机动车辆(10)前方的前部区域(30)的图像并将所述图像转发给所述控制设备(24)，并且其中，所述控制设备(24)包括包含人工神经网络的机器学习模块(28)，所述方法包括以下步骤：

-从所述至少一个相机(22)获得所述机动车辆(10)前方的前部区域(30)的图像；

-通过所述人工神经网络提取所述图像的表征图像特征；以及

-通过同一人工神经网络基于所提取的表征图像特征来确定界定所述机动车辆(10)的行驶通道和/或与所述行驶通道相邻的至少一个行驶通道的图像点(32)。

2.如权利要求1所述的方法，其特征在于，所述提取表征图像特征对应于将所述图像的图像区域在各自的情况下分类成一个或多个类别。

3.如权利要求1或2所述的方法，其特征在于，所述图像点(32)包括高度坐标和宽度坐标，其中，所述坐标之一、特别是所述高度坐标的值被设置为至少一个搜索值，以确定所述图像点(32)，并且仅确定所述坐标中的另一个坐标、特别是所述宽度坐标的值。

4.如权利要求3所述的方法，其特征在于，针对每个搜索值确定至少两个图像点(32)，其中，所述图像点(32)与所述行驶通道中的至少一个行驶通道的左手边界和同一行驶通道的右手边界相对应。

5.如前述权利要求之一所述的方法，其特征在于，所确定的图像点(32)的集合包含由指配给行驶通道的左手边界的图像点(32)和指配给同一行驶通道的右手边界的图像点(32)组成的对，其中，一对图像点具有相同的坐标。

6.如前述权利要求之一所述的方法，其特征在于，所述人工神经网络具有至少一个第一子网络(38)和至少一个第二子网络(40)，其中，特别构造为卷积网络的所述第一子网络(38)提取所述表征图像特征，并且/或者其中，特别构造为基于回归的网络的所述第二子网络(40)确定所述图像点(32)。

7.如前述权利要求之一所述的方法，其特征在于，所确定的图像点(32)用作认定侧向界定所确定的行驶通道的至少一条结果曲线(36)的基础，特别是其中，所述结果曲线(36)是三次样条或贝塞尔样条。

8.如前述权利要求之一所述的方法，其特征在于，利用目标训练数据训练所述人工神经网络，其中，所述目标训练数据包括通过所述相机(22)生成的图像以及关于所述图像中存在的实际表征图像特征和/或界定至少一个行驶通道的实际图像点(32’)的信息，所述训练包括以下训练步骤：

-将所述目标训练数据前馈到所述人工神经网络；

-通过所述人工神经网络认定：表征图像特征和/或界定所述至少一个行驶通道的图像点(32)；

-确定所认定的表征图像特征与所述实际表征图像特征之间的误差并且/或者确定所认定的图像点(32)与所述实际图像点(32’)之间的误差；以及

-通过将所述误差反馈给所述人工神经网络来改变所述神经网络的加权因子。

9.如权利要求8所述的方法，其特征在于，所认定的图像点(32)与所述实际图像点(32’)之间和/或所述至少一条结果曲线(36)上的点与对应的实际结果曲线(36’)上的点之间的平方欧几里德距离用于认定所述误差，特别是其中，所述相应的平方欧几里德距离被求和/或平均。

10.如权利要求5至9之一所述的方法，其特征在于，所述目标训练数据另外包含现有行驶通道的实际数量，从而另外训练所述人工神经网络以认定行驶通道的数量。