[发明专利]在测量系统的不同配置之间变换测量数据

说明书

用于确定将已在场景利用测量系统的源配置所记录的源测量数据F转换成测量系统的目标配置在相同场景将会记录的目标测量数据F'的变换的方法，包括：提供已在学习场景以测量系统的源配置所记录的学习源测量数据；预给定方案，根据其通过将至少一个预给定的过滤操作应用于源测量数据F从源测量数据F得出目标测量数据F'，预给定的过滤操作又经由可训练模型而取决于过滤操作应被应用于的源测量数据F；分别通过应用过滤操作将学习源测量数据映射到目标测量数据F'；以如下目标训练该可训练模型：由此得出的过滤操作和/或借此生成的目标测量数据F'与预给定的附加信息和/或条件协调一致；提供以经训练的模型补充的方案作为所寻求的变换。

技术领域

本发明涉及将场景（Szenerie）的测量数据转换成所使用的测量系统的另一配置在相同场景将会记录的测量数据。

背景技术

为了能够使车辆在道路交通中至少部分地自动移动，需要检测车辆的环境，并且如果与车辆的环境中的对象即将发生碰撞，则采取应对措施。创建环境表示以及定位对于安全的自动驾驶也是必要的。例如，可以使用摄像机或雷达传感器用于以测量数据的形式检测环境。

经训练的机器学习模型、例如神经网络在这里尤其是可以为对象识别作出重要贡献。为了训练这些模型，需要训练数据，所述训练数据通常基于试驾而被记录并且随后用在分别观测的场景中对实际包含的对象进行注释（“加标签（gelabelt）”）。加标签需要很多手动工作，并且与此相应地是耗费的。标签受到测量系统的所使用的配置的约束（bindenan。。）。

DE 10 2018 204 494 B3公开一种发生器，利用该发生器能够以合成雷达数据对训练数据的给定储备进行扩展。

发明内容

在本发明的范围中，开发了一种用于确定如下变换的方法，所述变换将已经在场景利用测量系统的源配置（Quell-Konfiguration）所记录的源测量数据F转换成该测量系统的目标配置在相同的场景将会记录的目标测量数据F'。

测量数据尤其是例如可以以图像数据的形式存在。图像数据通常给二维或多维栅格中的每个位置（Ort）分配一个或多个测量值（例如强度）。在此，栅格还定义位置之间的邻近（Nachbarschaft）。然而，测量数据也可以例如作为点云存在。点云同样给二维或多维空间中的位置分配一个或多个测量值。但是，这些位置并非以栅格而布置。因此，点云是在空间中分别配备有测量值的位置的无序列表（ungeordnete Liste）。

尤其是，雷达数据和激光雷达数据通常可以有选择性地被表达为图像数据或点云。

测量数据尤其是可以例如是摄像机图像、视频图像、雷达数据、激光雷达数据和/或超声图像。在此，测量数据可以通过任意预处理从由相应传感器提供的原始数据而得出。因此，例如在空间和时间上波动（fluktuieren）的雷达数据可以被转换成由特定位置反射雷达辐射的概率的空间离散分布。然后，该分布例如也可以与例如信号强度的、与对象的距离的、对象速度的以及反射角的其他与位置有关的分布被组合成数据张量（Daten-Tensor）。

测量数据可以分别通过物理测量过程而获得，但也可以例如通过物理测量过程的模拟而获得。此外，可以根据通过对利用测量系统的一种配置所获得的测量数据进行物理测量而鉴于如下方面训练例如生成对抗网络GAN的发生器：产生来自相同域的真实测量数据。

测量系统的源配置和目标配置例如可以在传感器针对观测场景而被安置于的位置方面不同。例如，在雷达传感器以被遮蔽的方式安置的情况下，安置在传感器和场景之间的屏蔽材料的配置也可能发生变化。也可以例如以新型号的传感器替换传感器本身。

该方法是基于数据的。也就是说，提供已经在学习场景利用测量系统的源配置所记录的学习源测量数据。