[发明专利]用于训练和使用神经网络以检测自部件位置的方法

说明书

一种车辆包括：车身，具有多个相机和至少一个自部件连接部；自部件，该自部件经由所述自部件连接部连接到所述车身；位置检测系统，该位置检测系统通信地耦合到所述多个相机并且被配置为从所述多个相机接收视频馈源，所述位置检测系统被配置为识别至少部分地成像在所述视频馈源中的自部分，并且被配置为使用神经网络来确定所述自部分相对于所述车辆的最接近角位置，并且其中，所述神经网络被配置为确定所述实际角位置最接近一组预定角位置中的每个角位置的概率，并且确定所述自部分相对于车辆的最接近角位置是具有最高概率的预定角位置。

技术领域

本公开总体上涉及用于车辆的自部件位置检测系统，并且更具体地涉及用于训练和使用神经网络来提供自部件位置检测的过程。

相关申请的交叉引用

本申请要求于2019年3月8日提交的美国临时申请号62/815618的优先权。

背景技术

现代车辆包括分布在车辆的全部或一部分周围的多个传感器和相机。相机向控制器或车辆内的其他计算机化系统以及车辆操作者提供视频图像。然后，车辆操作者使用视频馈源(video feed)来辅助车辆的操作。

在一些情况下，自部件(即连接到车辆但与车辆不同的部件)附接到车辆。某些车辆，如牵引车拖车，可以连接到多个不同类型的自部件。即使在一个单独的自部件类别中，不同的制造商也可以利用不同的结构，从而产生可以连接的自部件的不同的视觉外观。例如，用于连接到牵引车拖车车辆的拖车可以具有多个不同的配置和不同的外观。

不同的配置和外观会使操作者难以跟踪自部件的位置，并且由于所连接的自部件中增加的可变性，会增加实现自动通用自部件位置检测系统的难度。

发明内容在一个示例性实施例中，车辆包括：车身，该车身具有多个相机和至少一个自部件连接部；自部件，该自部件经由所述自部件连接部连接到所述车身；位置检测系统，该位置检测系统通信地耦合到所述多个相机并且用于从所述多个相机接收视频馈源，所述位置检测系统用于识别至少部分地成像在所述视频馈源中的自部分，并且用于使用神经网络来确定所述自部分相对于所述车辆的最接近角位置，并且其中，所述神经网络用于确定所述实际角位置最接近一组预定角位置中的每个角位置的概率，并且确定所述自部分相对于车辆的最接近角位置是具有最高概率的预定角位置。

在上述车辆的另一示例中，所述多个相机中的每个相机是镜替换相机，并且其中，控制器用于接收所确定的最接近角位置并且响应于所接收的角位置而平移所述相机中的至少一个。

在任何上述车辆的另一示例中，所述自部件是拖车，并且其中，所述拖车包括边缘标记和拐角标记中的至少一个。

在任何上述车辆的另一示例中，所述神经网络用于基于所确定的所述自部件的最近角位置来确定来自所述多个相机的视频馈源内的所述边缘标记和所述拐角标记中的至少一个的预期位置。

任何上述车辆的另一示例还包括通过分析来自所述多个相机的视频馈源并确定所述边缘标记和所述拐角标记中的至少一个在所述视频馈源内的预期位置来验证所确定的自部件的最近角位置的精度。

在任何上述车辆的另一示例中，经由从第一通用神经网络到第二特定神经网络的转移学习来训练所述神经网络。

在任何上述车辆的另一示例中，所述第一通用神经网络被预训练以执行与识别至少部分地成像在所述视频馈源中的自部分以及使用神经网络确定所述自部分相对于车辆的最近角位置相关的任务。

在任何上述车辆的另一示例中，相关任务包括图像分类。

在任何上述车辆的另一示例中，所述神经网络是第二特定神经网络，并且被训练以识别至少部分地成像在所述视频馈源中的自部分，并且使用利用所述第一通用神经网络的神经网络来确定所述自部件相对于车辆的最近角位置。

在任何上述车辆的另一示例中，使用比所述第一通用神经网络更小的训练集来训练所述第二特定神经网络。