[发明专利]车辆神经网络

说明书

本公开提供“车辆神经网络”。一种计算机，其包括处理器和存储器，所述存储器包括指令，所述指令由所述处理器执行以：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一个或多个修改后的奇异值分解；以及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。所述指令可包括其他指令，以用于基于所述第二彩色图像来训练深度神经网络并且基于所述深度神经网络来操作车辆。

技术领域

本公开总体上涉及车辆网络。

背景技术

车辆可配备有计算装置、网络、传感器和控制器以获取关于车辆的环境的数据并且基于所述数据来操作车辆。车辆传感器可提供有关在车辆的环境中要行进的路线和要避开的对象的数据。车辆的操作可依赖于在车辆正在道路上进行操作时获取关于车辆的环境中的对象的准确且及时的数据。

发明内容

车辆可被配备为以自主模式和乘员驾驶模式两者操作。半自主或完全自主模式意指其中车辆可由作为具有传感器和控制器的系统的一部分的计算装置部分地或完全地驾驶的操作模式。车辆可被占用或未被占用，但是在任何一种情况下，都可在没有乘员辅助的情况下部分地或完全地驾驶车辆。出于本公开的目的，自主模式被限定为其中车辆推进(例如，经由包括内燃发动机和/或电动马达的动力传动系统)、制动和转向中的每一者由一个或多个车辆计算机控制的模式；在半自主模式中，一个或多个车辆计算机控制车辆推进、制动和转向中的一者或两者。在非自主模式中，这些都不由计算机控制。

车辆中的计算装置可被编程为获取关于车辆外部环境的数据并使用所述数据来确定车辆路径，在所述车辆路径上以自主或半自主模式操作车辆。通过确定用于引导车辆的动力传动系统、制动和转向部件操作车辆以沿着路径行进的命令，车辆可基于车辆路径而在道路上操作。关于外部环境的数据可包括车辆周围的环境中的一个或多个移动对象(诸如，车辆和行人等)的位置，并且可由车辆中的计算装置用来操作车辆。

可通过使用大量(通常1000个)样本视频图像训练深度神经网络(DNN)来训练DNN以操作车辆，所述样本视频图像包括车辆在道路上操作时可能遇到的交通场景。样本视频图像与在道路上操作时车辆传感器所获取的真实视频图像之间的相似性越多，DNN就越可能向车辆提供有用的数据。为了提供对应于车辆在道路上可能遇到的多种照明和天气条件的大量样本视频图像，可通过在道路上操作时从车辆传感器获取图像来生成彩色视频图像，并且可通过合成图像渲染软件生成逼真合成图像。可使用奇异值分解处理来处理彩色视频图像和逼真合成图像两者，以将图像修改为看起来就像它们是在不同的照明条件下获取的一样，从而模拟比原始彩色视频图像和逼真合成图像更广泛的真实世界照明和天气条件。

本文公开了一种方法，所述方法包括：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；以及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。可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，可基于所述第二彩色图像来训练深度神经网络，并且可基于所述深度神经网络来操作车辆。可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。所述第二彩色图像可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。可利用矩阵方程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。