[发明专利]用于可靠地标识在视频图像中的对象的方法和装置

说明书

用于可靠地标识在借助于成像传感器（30）所接收到的输入图像（x）序列中的对象的计算机实现方法，其中借助于第一机器学习系统（NN1）、尤其是人工神经网络根据所述输入图像（x）来分别确定在相应的输入图像（x）中的光源的位置，并且其中借助于第二机器学习系统（NN2）、尤其是人工神经网络根据所得到的光源的位置（P₁、P₂）序列来标识输入图像（x）序列中的对象（i）。

技术领域

本发明涉及：用于可靠地标识在由成像传感器所检测到的图像之内的对象的方法；被设立为实施该方法的系统；用于训练该系统的方法；训练装置；计算机程序；和机器可读存储介质。

背景技术

从还未先行公开的DE 10 2017 223 264.1中公知一种用于在所提供的输入信号中探测对象的方法，其中根据所提供的输入信号来探测对象并且其中根据对该对象的探测来操控执行器。

本发明的优点

本发明考察一种视觉传感器，即使照明差的场景时，该视觉传感器也提供针对例如自动化驾驶功能的输入图像，其中所述照明差的场景具有在图像中可见的活跃光源。

在这种情况下可能的是：这些输入图像被不良调节。这可导致：只有在图像中可见的光源，比如车辆头灯、街灯、广告牌等等可见。

通过标准化可以对图像进行调整，只是这有可能导致：现在周围环境是可见的，但是光源的位置不能明确确定。

如果教导机器学习系统来标识在输入图像中的对象，则不能排除光源与车辆和/或其它对象相关联。这可能导致：每个光源都自动地导致所探测到的对象。这导致如下问题：例如由于潮湿的车道、反光的混凝土路面、隧道墙壁等等所形成的反射被识别为幽灵对象（Geisterobjekt）。

实际上不可能在机器学习系统的训练中设置真实的训练数据的其中包含所有可能的光源和反射的数据记录。

与此相对地，具有独立权利要求1的特征的方法具有如下优点：光强度在本地被匹配，使得不发生叠化。

此外，该方法能利用对运动的和未运动的光源的仿真来训练，在该仿真中可以合成地生成所有相关情况的反射和遮挡。

本发明的其它方面是并列权利要求的主题。有利的扩展方案是从属权利要求的主题。

发明内容

在第一方面中，本发明涉及一种用于可靠地标识在借助于成像传感器所接收到的输入图像序列中的对象的计算机实现的方法，其中借助于第一机器学习系统、尤其是人工神经网络根据这些输入图像来分别确定在相应的输入图像中的光源的位置，并且其中尤其是借助于第二机器学习系统、诸如人工神经网络根据所得到的光源的位置序列来标识输入图像序列中的对象。

该处理顺序具有如下优点：也将光源与反射区分开并且也可靠地标识至少部分地被遮挡的光源的复杂任务可以被转移到能用合理的花费来训练的机器学习系统中。接着，根据所标识出的光源，可以特别简单地标识对象。该任务也能又特别好地被转移到能轻松地训练的机器学习系统中。

在一个扩展方案中可以规定：尤其是借助于第二机器学习系统，除了所标识的对象之外，也标识出尤其是在输入图像序列中所标识的对象的属性。这可以利用第二机器学习系统特别简单地来实现。属性例如可以是借助于传感器所拍摄到的对象的（3d）位置、该对象的（3d）速度，或者也可以是传感器的自速度，该自速度与对象的（3d）速度共同表征传感器与对象之间的相对速度。