[发明专利]车辆神经网络

权利要求书

1.一种方法，其包括：

生成道路环境的第一彩色图像；

确定所述第一彩色图像的红色通道、绿色通道和蓝色通道中的一者或多者的一个或多个奇异值分解；

通过用非线性方程修改所述奇异值分解中的相应奇异值分解来获得修改后的奇异值分解中的一个或多个；

基于所述修改后的一个或多个奇异值分解来重建第二彩色图像；

基于所述第二彩色图像来训练深度神经网络；以及

基于所述深度神经网络来操作车辆。

2.如权利要求1所述的方法，其还包括通过以下一项或多项来生成所述第一彩色图像：获取车辆传感器数据以及生成合成图像数据。

3.如权利要求1所述的方法，其中所述第二彩色图像对应于具有修改后的照明条件的所述第一彩色图像，所述修改后的照明条件对应于较暗的照明条件，包括阴天照明、晚上或夜晚。

4.如权利要求1所述的方法，其还包括利用矩阵方程X＝UΣV^T确定一个或多个奇异值分解，其中X为包括所述第一彩色图像的红色通道、绿色通道或蓝色通道中的一者的阵列，U和V为阵列X的左特征向量和右特征向量，并且Σ为奇异值的对角矩阵。

5.如权利要求4所述的方法，其中对角矩阵Σ的所述奇异值按降序排列，其中σ₁≥σ₂≥σ₃…≥σ_n。

6.如权利要求1所述的方法，其还包括基于非线性方程S＝{对于s≥S，s–n，否则0}修改一个或多个奇异值分解，其中s为奇异值，n为整数，并且S为一组奇异值。

7.如权利要求1所述的方法，其中所述神经网络为卷积神经网络。

8.如权利要求1所述的方法，其还包括训练深度神经网络以识别所述道路环境中的对象，包括道路、另一车辆和行人。

9.如权利要求1所述的方法，其还包括通过将车辆传感器数据输入到所述深度神经网络来基于所述深度神经网络操作所述车辆，所述深度神经网络输出关于所述道路环境中的对象的对象数据。

10.如权利要求9所述的方法，其还包括基于关于所述道路环境中的对象的对象数据来确定车辆路径。

11.如权利要求10所述的方法，其还包括通过控制车辆动力传动系统、转向和制动来沿着所述车辆路径操作所述车辆。

12.如权利要求1所述的方法，其中所述修改后的奇异值分解包括比修改之前的所述奇异值分解更少的奇异值。

13.如权利要求11所述的方法，其中所述第一彩色图像包括被认为对深度神经网络训练重要的事件。

14.如权利要求1所述的方法，其中训练所述深度神经网络包括确定对应于所述第二彩色图像的地面实况。

15.一种系统，其包括被编程为执行权利要求1至14中任一项所述的方法的计算机。