[发明专利]用于地图增强的道路属性检测和分类

说明书

一种生成用于交通工具自主驾驶的增强地图的系统和方法包括获取第一视角的图像，并训练第一神经网络以识别和分类与第一视角的图像中的属性相关的特征。方法还包括将特征投射到以第二视角获取的图像上，并且基于所述特征训练第二神经网络以在第二视角图像中识别所述属性。通过将属性添加到第二视角的地图图像来生成增强地图。

技术领域

本主题公开涉及用于地图增强的道路属性检测和分类。

背景技术

交通工具(例如汽车、卡车、建筑设备、农业设备、自动化工厂设备)包括越来越多的自主操作。自主操作和半自主操作(例如碰撞避免、自适应巡航控制、自动制动)要求交通工具控制器能够访问关于道路、方向、交通工具及其环境的信息。传感器(例如雷达系统、激光雷达系统、摄像头、惯性测量单元、加速度计)可用于确定交通工具状态以及关于其附近的其他交通工具或障碍物的信息。详细的地图可用于引导交通工具沿着路线到达目的地。当航拍图像用于生成用于半自主或自主操作的地图时，某些被遮挡的或不清晰的特征可能会对交通工具操作产生负面影响。因此，期望提供用于地图增强的道路属性检测和分类。

发明内容

在一个示例性实施例中，一种生成用于交通工具自主驾驶的增强地图的方法包括获取第一视角的图像，以及训练第一神经网络以识别和分类与第一视角的图像中的属性相关的特征。该方法还包括将所述特征投射到在第二视角获取的图像上，并且基于所述特征训练第二神经网络以在第二视角图像中识别属性。通过将属性添加到第二视角的地图图像来生成增强地图。

除了这里描述的一个或多个特征之外，获取第一视角的图像包括获取街道水平图像。

除了这里描述的一个或多个特征之外，该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。

除了这里描述的一个或多个特征之外，获取第二视角的图像包括获取航拍图像。

除了这里描述的一个或多个特征之外，识别属性包括识别道路边缘。

除了这里描述的一个或多个特征之外，识别和分类特征基于道路边缘的类型，所述特征包括障碍物、墙壁或表面变化。

除了在此描述的一个或多个特征之外，该方法还包括训练第三神经网络，以在没有特征的第二视角图像中识别属性。

除了这里描述的一个或多个特征之外，训练第三神经网络包括使用第二神经网络的输出。

除了这里描述的一个或多个特征之外，训练第一神经网络、第二神经网络和第三神经网络是指训练同一神经网络。

除了这里描述的一个或多个特征之外，训练第一神经网络和第二神经网络是指训练同一神经网络。

在另一示例性实施例中，生成用于交通工具自主驾驶的增强地图的系统包括存储第一视角的图像和第二视角的图像的存储装置。该系统还包括处理器，用于训练第一神经网络以识别和分类与第一视角的图像中的属性相关的特征，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，以及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。

除了这里描述的一个或多个特征之外，第一视角的图像是街道水平图像。

除了这里描述的一个或多个特征之外，该系统还包括交通工具的一个或多个摄像头，以获取街道水平图像。

除了这里描述的一个或多个特征之外，第二视角的图像是航拍图像。

除了这里描述的一个或多个特征之外，所述属性是道路边缘。

除了这里描述的一个或多个特征之外，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。

除了这里描述的一个或多个特征之外，处理器训练第三神经网络，以在没有所述特征的第二视角图像中识别所述属性。