[发明专利]用于提供雷达数据的方法和设备、计算机程序和计算机可读存储介质

说明书

本发明涉及一种用于提供雷达数据的计算机实现的方法，所述方法具有以下步骤：接收输入数据，其中，所述输入数据包括卫星图像；通过使用经训练的机器学习算法的生成雷达数据，将所述经训练的机器学习算法应用于所述输入数据；输出所生成的雷达数据。

技术领域

本发明涉及一种用于提供雷达数据的计算机实现的方法、一种用于提供雷达数据的设备、一种计算机程序和一种非易失性计算机可读存储介质。

背景技术

在自动化驾驶领域中，需要对车辆进行准确定位，由此能够估计车辆部件的位置。可将雷达数据用于定位。雷达数据可以包括密集点云，这些密集点云基于雷达测量而产生。车辆可以行驶通过应检测的区域，其中，基于车辆的雷达测量生成雷达地图。然而，产生雷达地图因为以下原因而是耗费时间的：必须驶过待检测区域中的所有路线。同样地，产生雷达地图是昂贵的，因为对于车辆、燃料和驾驶员可能产生高成本。

从Carle等人的《Global rover localization by matching lidar and orbital3D maps》(IEEE国际机器人与自动化大会，2010年)已知基于3D地图的定位。

从Vysotska等人的《Exploiting Building Information from PubliclyAvailable Maps in Graph-Based SLAM》(IEEE/RSJ国际智能机器人和系统国际会议，2016年)已知一种用于改善现有地图的方法。

从Wang等人的《A review of road extraction from remote sensing images》(交通运输工程学报，2016年3月3日，271-282页)已知一种用于道路分割的方法。在Mnih等人的《Learning to Detect Roads in High-Resolution Aerial Images》(欧洲计算机视觉会议(ECCV)，2010年)中可以找到另一这种类型的方法。

从Xia等人的《Road Extraction from High Resolution Image with DeepConvolution Network—A Case Study of GF-2Image》(国际遥感电子会议，2018年)已知一种基于神经网络的方法。

发明内容

根据第一方面，本发明涉及一种用于提供雷达数据的计算机实现的方法。接收输入数据，其中，该输入数据包括卫星图像。通过使用经训练的机器学习算法来生成雷达数据，其中，将经训练的机器学习算法应用于输入数据。输出所生成的雷达数据。

根据第二方面，本发明涉及一种用于提供雷达数据的设备，该设备具有输入接口、计算装置和输出接口。输入接口构造为用于接收输入数据，其中，该输入数据包括卫星图像。计算装置构造为：通过使用经训练的机器学习算法来生成雷达数据，其中，将经训练的机器学习算法应用于输入数据。输出接口构造为用于输出所生成的雷达数据。

根据第三方面，本发明涉及一种计算机程序，当在计算机上实施时，该计算机程序促使该计算机控制根据第一方面的计算机实现的方法的步骤的实施。

根据第四方面，本发明涉及一种非易失性计算机可读存储介质，该存储介质存储可实施的计算机程序，在计算机上实施时，该可实施的计算机程序促使该计算机控制根据第一方面的计算机实现的方法的步骤的实施。

优选的实施方式是相应的扩展方案的主题。

本发明的优点

卫星图像非常适合于检测大的区域。此外，通常能够成本有利地提供卫星图像。本发明的好处在于：在卫星图像中以及在雷达测量中都能够良好地识别确定的结构。借助两种方法尤其良好地探测如立柱、防撞栏或交通标志的道路结构。由此能够计算机实现地将卫星图像传输到雷达数据中。