[发明专利]自主机器应用中使用RADAR传感器检测障碍物的深度神经网络

权利要求书

1.一种方法，包括：

接收从三维(3D)环境收集的RADAR数据和LIDAR数据；

正射投影与时间片相关联的所述LIDAR数据的第一实例，以生成代表所述3D环境中的LIDAR检测的LIDAR投影图像；

接收LIDAR标签，所述LIDAR标签识别在所述LIDAR投影图像中由所述LIDAR检测表示的对象位置；

正射投影与所述时间片相关联的所述RADAR数据的第二实例，以生成代表所述3D环境中的RADAR检测的RADAR投影图像；

将所述LIDAR标签传播到所述RADAR投影图像以生成传播的LIDAR标签；

确定与所述传播的LIDAR标签中的每个传播的LIDAR标签相对应的所述RADAR检测的数量；

移除包含少于阈值数量的RADAR检测的所述传播的LIDAR标签集，剩下剩余的LIDAR标签集；以及

使用至少部分地基于所述剩余的LIDAR标签集生成的地面真实数据训练神经网络，以从所述RADAR投影图像检测对象。

2.根据权利要求1所述的方法，还包括：

将所述RADAR投影图像和代表所述RADAR检测的特征集以及相应的反射特性编码为多通道RADAR数据张量；以及

使用所述多通道RADAR数据张量和所述地面真实数据作为训练数据训练所述神经网络。

3.根据权利要求1所述的方法，其中所述RADAR数据的所述第二实例包括累积的、自我运动补偿的RADAR检测。

4.根据权利要求1所述的方法，其中所述地面真实数据包括类置信度张量和实例回归张量。

5.根据权利要求1所述的方法，还包括使用所述剩余的LIDAR标签集生成所述地面真实数据，以生成由所述LIDAR检测所表示的所述对象的位置、大小或方向数据中的至少一个，且将所述位置、大小或方向数据中的至少一个编码为实例回归张量的相应通道。

6.根据权利要求1所述的方法，其中所述LIDAR标签还识别由所述LIDAR投影图像中的所述LIDAR检测表示的所述对象的类别，所述方法还包括通过将代表所述对象的所述类别的分类数据编码为类置信张量的相应通道来生成所述地面真实数据。

7.根据权利要求1所述的方法，其中所述LIDAR标签包括在所述3D环境中围绕静止车辆绘制的边界盒，所述方法还包括使用围绕所述静止车辆绘制的所述边界盒来训练所述神经网络以从输入RADAR数据检测其他静止车辆。

8.根据权利要求1所述的方法，其中所述LIDAR投影图像是LIDAR点云的正射投影，其中所述LIDAR标签包括围绕在所述正射投影顶部绘制的每个车辆的闭合折线集。

9.一种方法，包括：

接收从三维(3D)环境收集的RADAR数据和LIDAR数据；

对于所述LIDAR数据的每帧：

从所述LIDAR数据的帧生成代表来自所述3D环境的LIDAR检测的LIDAR投影图像；

接收LIDAR标签，所述LIDAR标签识别在所述LIDAR投影图像中由所述LIDAR检测表示的对象位置；

从与所述LIDAR数据的帧相关联的所述RADAR数据的相应帧生成代表来自所述3D环境的RADAR检测的RADAR投影图像；以及

使用至少部分地基于所述LIDAR标签生成的地面真实数据训练神经网络，以从所述RADAR投影图像中检测对象。

10.根据权利要求9所述的方法，还包括通过以下步骤生成所述地面真实数据：

将所述LIDAR标签传播到所述RADAR投影图像以生成传播的LIDAR标签；

确定与所述传播的LIDAR标签中的每个传播的LIDAR标签相对应的所述RADAR检测的数量；

移除包含少于阈值数量的RADAR检测的所述传播的LIDAR标签集，剩下剩余的LIDAR标签集；以及

从所述剩余的LIDAR标签集生成所述地面真实数据。