[发明专利]用于交通场景中收集和自动标记测量数据的装置和方法

说明书

本发明涉及一种传感装置(101)。所述传感装置(101)包括一个或多个雷达和/或激光雷达传感器(103)，用于收集与在所述装置(101)附近的交通场景(100)相关联的多个对象(107)的多个位置，即距离和/或方向测量值。所述传感装置(101)还包括处理电路(102)，所述处理电路(102)用于获取与在所述装置(101)附近的所述多个对象(107)中的一个或多个对象相关联的辅助数据，并且基于所述辅助数据将所述多个位置测量值中的相应位置测量值分配，即映射到在所述装置(101)附近的所述多个对象(107)中的相应对象。因此，所述传感装置(101)允许自动标记由所述雷达或激光雷达传感器(103)在交通场景中生成的所收集的低级数据，例如原始点云数据。可以将所述传感装置(101)实施为车辆(106)，例如汽车的部件。

技术领域

本发明涉及一种传感装置。更具体地，本发明涉及一种用于在涉及一个或多个车辆的交通场景中收集和自动标记测量数据的传感装置和方法。

背景技术

多家汽车制造商正在采用自动驾驶技术。自动驾驶车辆包括例如相机、雷达传感器、激光雷达传感器、全球定位系统(Global Positioning System，GPS)传感器等传感器。这些传感器产生大量的数据。

激光雷达和雷达传感器通常生成未标记的原始点云数据，原始点云数据需要由各种算法处理以达到对象检测和识别等目的。开发和评估此类算法的性能可以涉及使用每个点云的地面实况信息。已标记的点云可以用于确定点云的给定点是否与例如汽车、公共汽车、行人、摩托车或其它类型的对象相关联。在评估基于雷达或激光雷达的算法时，基于数学模型的仿真环境不能完全反映任何表面的真实反射率特性。

因此，使用标记点云对基于雷达或激光雷达的算法进行评估，以确保客观的性能评估，而不必仅仅依赖于人类的感知来进行评估和比较。因此，在交通场景中，以自动化的方式收集和生成由雷达或激光雷达传感器捕获的已标记的点云数据集，并生成客观评估基于雷达或激光雷达的算法的性能所必须的地面实况信息是一个挑战。

在传统的点云处理方法中，该性能评估是基于人眼进行的，通过将检测到的对象与相机馈送进行比较。

斯蒂芬·里希特(Stephan Richter)等人的《为数据而玩：来自计算机游戏的地面实况(Playing for Data:Ground Truth from Computer Games)》，达姆施塔特工业大学和英特尔研究院，2016，(链接：http://download.visinf.tu-darmstadt.de/data/from_games/)公开了使用已标记的点云数据集，其中由计算机游戏合成该数据，并且每个对象的地面实况和特性由模拟器生成。然后，基于数学模型，从所识别的对象中生成雷达或激光雷达点云，以针对每种传感器类型开发合适的算法(见翔宇悦(Xiangyu Yue)等人的《LiDAR点云生成器：从虚拟世界到自动驾驶(A LiDAR Point Cloud Generator:from a VirtualWorld to Autonomous Driving)》，2018年六月；https://par.nsf.gov/servlets/purl/10109208)。此外，还使用了由计算机游戏提供的模拟环境来测试用于自动驾驶汽车的算法(参见马克·马丁内斯(Mark Martinez)的《在侠盗猎车手5之外，训练、测试和增强自动驾驶汽车中的深度学习(Beyond Grand Theft Auto V for Training,Testing andEnhancing Deep Learning in Self Driving Cars)》，硕士论文，普林斯顿大学，2018年六月)。然而，模拟雷达和激光雷达数据是基于数学模型，这些模型试图模拟真实交通场景中的电磁波传播。这些模型基于大量假设和简化，这些假设和简化使合成数据与实际测量有所不同，特别是在复杂环境中，即具有多个传播路径和反射结构的环境中。