[发明专利]用于表示移动平台环境的方法

权利要求书

1.用于表示第一移动平台的环境的方法，所述方法包括：

通过源自至少两个传感器和相应时间标记的传感器数据的离散时间序列来捕获环境特征（S1）；

确定第一移动平台到环境特征的距离（S2）；

使用表征环境的每个传感器的数据序列，估计环境特征的语义信息（S3）；

借助于空间参考信息和时间参考信息逐传感器特征，将环境特征的语义信息变换成移动空间参考系统（S4），并基于模型变换成2维或3维网格表示，其中使用相应确定的距离和相应的时间标记，第一移动平台的位置处于恒定位点；

通过堆叠2维网格使用与至少两个传感器的传感器数据序列相对应的环境特征的变换语义表示序列来创建输入张量（S5），所述2维网格通过将传感器的空间坐标变换到移动的空间参考系统来生成，包括来自多个不同传感器的数据的语义表示；

使用深度神经网络和输入张量生成表示在请求的时间点的环境的输出张量（S6），以融合包括在输入张量中的所有个体传感器的语义网格，并在请求的时间产生预测语义网格输出张量，其中用训练输入张量和真实信息训练输出张量来训练深度神经网络，以便准确地再现在请求的时间点的任意环境表示。

2.根据权利要求1所述的方法，其中，所述传感器数据源自至少一个传感器，所述至少一个传感器机械连接到第一移动平台。

3.根据前述权利要求中的一项所述的方法，其中，通过考虑第一移动平台的自我运动，将环境特征的语义信息和/或物理信息变换成移动空间参考系统。

4.根据前述权利要求中的一项所述的方法，其中，所述至少两个传感器中的至少一个传感器机械连接到第二移动平台。

5.根据前述权利要求中的一项所述的方法，其中，所述至少两个传感器中的每一个独立于第一移动平台移动。

6.根据前述权利要求中的一项所述的方法，其中，通过使用立体相机、LIDAR传感器、RADAR传感器、超声波传感器或神经网络技术来执行第一移动平台到环境特征的距离的确定。

7.根据前述权利要求中的一项所述的方法，其中，通过使用神经网络来生成环境特征的语义信息。

8.根据前述权利要求中的一项所述的方法，其中，深度神经网络是编码器-解码器卷积神经网络。

9.根据前述权利要求中的一项所述的方法，其中，使用深度神经网络生成输出张量以预测环境，其中利用训练输入张量和现实世界训练输出张量来训练深度神经网络，以便准确地预测任意环境信息。

10.根据前述权利要求中的一项所述的方法，其中，取决于输出张量的内容来执行至少部分移动平台的运动动作。

11.一种包括指令的计算机程序产品，当所述程序由计算机执行时，所述指令使得计算机实行根据权利要求1至10的方法。

12.一种包括指令的计算机可读存储介质，所述指令当被计算机执行时，使得计算机实行根据权利要求1至10的方法。

13.一种至少部分自主的系统（50），包括控制器（51），所述控制器（51）被配置为实行根据权利要求1至10的方法，并且取决于输出张量的内容执行或发起至少部分自主的系统（50）的运动动作。