[发明专利]用于地图增强的道路属性检测和分类

权利要求书

1.一种生成用于交通工具自主驾驶的增强地图的方法，该方法包括：

获取第一视角的图像；

训练第一神经网络，以在第一视角的图像中识别并分类与属性相关的特征；

将所述特征投射到以第二视角获取的图像上；

基于所述特征训练第二神经网络，以在第二视角的图像中识别所述属性；和

通过将属性添加到第二视角的地图图像来生成增强地图。

2.根据权利要求1所述的方法，其中获取第一视角的图像包括获取街道水平图像。

3.根据权利要求2所述的方法，还包括使用交通工具的一个或多个摄像头来获取街道水平图像，其中获取第二视角的图像包括获取航拍图像。

4.根据权利要求1所述的方法，其中识别属性包括识别道路边缘，并且基于道路边缘的类型来识别和分类特征，所述特征包括障碍物、墙壁或表面变化。

5.根据权利要求1所述的方法，还包括训练第三神经网络以在没有所述特征的第二视角的图像中识别属性，其中训练第三神经网络包括使用第二神经网络的输出。

6.一种生成用于交通工具自主驾驶的增强地图的系统，该系统包括：

存储装置，被配置为存储第一视角的图像和第二视角的图像；和

处理器，被配置为训练第一神经网络以在第一视角的图像中识别和分类与属性相关的特征，将特征投射到第二视角的图像上，训练第二神经网络以基于所述特征识别第二视角的图像中的属性，并且通过将所述属性添加到第二视角的地图图像来生成增强地图。

7.根据权利要求6所述的系统，其中第一视角的图像是街道水平图像。

8.根据权利要求7所述的系统，还包括交通工具的一个或多个摄像头，所述一个或多个摄像头被配置成获取街道水平图像，其中第二视角的图像是航拍图像。

9.根据权利要求6所述的系统，其中所述属性是道路边缘，并且所述特征基于道路边缘的类型，并且所述特征包括障碍物、墙壁或表面变化。

10.根据权利要求6所述的系统，其中所述处理器还被配置为训练第三神经网络，以在没有所述特征的第二视角的图像中识别所述属性，并且所述处理器被配置为使用所述第二神经网络的输出来训练所述第三神经网络。