[发明专利]集成由每个对象检测器检测的对象检测信息的方法及装置

说明书

本发明提供一种通过利用基于车对外界的信息交换(V2X)的自动标记和评估来集成由对象检测器检测到的对象检测信息的方法，其中，所述对象检测器与位于周边的每个摄像机对应，并且通过基于深度学习的图像分析来检测从所述摄像机生成的每个图像中的对象，所述方法包括：当按照检测可靠性的降序，分别从第一对象检测器至第n对象检测器获取第一至第n对象检测信息时，集成装置随着将k从3增加到n，通过匹配运算，集成第(k‑2)对象与第k对象，获取第(k‑1)对象集成信息，将所述第(k‑1)对象集成信息重新投影到图像。所述方法可用于通过多个车辆的传感器融合、通过支持车对外界的信息交换通信的应用程序的协作驾驶或者高清(HD)地图更新等。

技术领域

本发明涉及一种用于自动驾驶车辆的方法和装置，更具体地，涉及一种集成由对象检测检测到的对象检测信息的方法和装置，所述对象检测器与位于周边的每个摄像机对应。

背景技术

通常，深度学习(Deep learning)被定义为通过多种非线性变换技术的组合来试图实现高水平抽象的机器学习算法的集合，并且是在一个大框架中使计算机学习人的思考方式的机器学习的一个领域。

将某些数据表现为计算机可读形式，作为一例，将图像的像素信息表现为列向量(column vector)的形式，并正在开展将其应用于机器学习中的各种研究，通过这些努力，如深度神经网络(deep neural network)、卷积神经网络(convolutional neuralnetwork)、循环神经网络(Recurrent neural network)等各种深度学习技术应用于如计算机视觉、语音识别、自然语言处理以及语音/信号处理等许多领域中，正在开发出基于高性能的深度学习网络。

利用这些深度学习来分析图像并检测图像中的对象的对象检测器已经应用于许多工业领域。

尤其，将对象检测器应用于自动驾驶车辆、移动终端、监测系统等，从而提高用户的便利性和稳定性。

但是，由于现有的对象检测器根据学习的参数来检测对象，因此具有无法在实际情况下确认是否准确地检测到对象，且为此需要单独监测的缺点。

并且，现有的对象检测器难以确保用于提高性能的各种学习数据。

并且，现有的对象检测器的系统只能确认摄像机可以看到的方向以及没有被障碍物遮挡的区域，因此该系统具有对于盲点或被遮挡的区域无法识别实际情况的问题。

并且，现有的对象检测器可根据学习的参数输出不同的结果，由此位于周边的系统检测到的信息之间可存在差异。

发明内容

本发明的目的在于解决所有上述问题。

本发明的再一目的在于，防止从位于周边的摄像机获取的图像分析结果之间的差异。

本发明的另一目的在于，检测位于诸如盲点或被障碍物遮挡的区域而无法检测区域中的对象。

本发明的还一目的在于，通过确保对周边区域的准确的对象检测信息来验证对象检测器。

本发明的又一目的在于，通过利用对周围区域的准确的对象检测信息来自动生成训练数据。

为了实现如上所述的本发明的目的，并且实现后述的本发明的特征效果，本发明的特征结构如下。