[发明专利]通过运动矢量来改进驾驶员辅助视觉系统的方法和装置

说明书

本公开涉及通过运动矢量来改进驾驶员辅助视觉系统的方法和装置。公开了使用基于运动矢量进行的对象检测来改进驾驶员辅助视觉系统的方法和装置。示例装置包括运动矢量对象检测分析器，用以生成围绕第一图像中表示的对象的运动矢量边界框，运动矢量边界框基于第一图像相对于第二图像的比较生成。示例装置还包括边界框分析器，用以确定运动矢量边界框是否与基于对第一图像的分析而生成的任何基于人工智能(AI)的边界框相对应，该分析使用对象检测机器学习模型来进行；并且响应于运动矢量边界框不对应于与第一图像相关联的任何基于AI的边界框而将标签与运动矢量边界框相关联，标签用以指示对象检测机器学习模型未识别出第一图像中的对象。

技术领域

本公开总体涉及驾驶员辅助系统，并且更具体地，涉及使用基于运动矢量进行的对象检测来改进驾驶员辅助视觉系统的方法和装置。

背景技术

近年来，汽车工业的进步为半自主车辆创造了机遇，并继续开发可能有朝一日使车辆变得完全自主的技术。利用源于早期防抱死制动系统和汽车导航系统的技术，如今的防撞系统、前方碰撞警告甚至自动泊车等功能已成为绝大多数汽车的标准配置。车辆及其功能不断演进和改进，最终目标不仅是提高车辆在驾驶环境中的安全性，而且还在于增强驾驶员在使用车辆时的驾驶体验。

附图说明

图1是本文公开的示例系统的示意图，该系统使用运动矢量来促进对对象的检测。

图2是示出图1中的示例视觉数据分析系统的示例实现的框图。

图3是用于训练图1中的示例车辆的基于视觉的高级驾驶员辅助系统(ADAS)的示例AI模型的对象类别的示例分布。

图4示出了包含用于运动矢量推导的两个初始示例像素块的示例第一图像帧。

图5示出了第二示例图像帧，该示例第二图像帧示出了与图4中的示例像素块相关联的内容在第一图像帧与第二图像帧之间的移动。

图6示出了图5中的第二示例图像帧，其带有生成的运动矢量。

图7示出了图1中的示例车辆的(一个或多个)相机之一所捕捉的示例驾驶场景。

图8示出了针对图7中的示例图像帧生成的、相对于在不同时间点捕捉的驾驶场景的第二图像帧的运动矢量。

图9示出了在实现了示例运动矢量强度阈值筛选(thresholding)操作之后的图8中的示例图像帧。

图10示出了在实现了示例运动矢量分组操作之后的图9中的示例图像帧。

图11示出了在实现了示例集群剪枝(pruning)操作之后的图10中的示例图像帧。

图12根据本文公开的教导示出了一系列示例图像帧经历运动矢量边界框分析。

图13示出了图12中的一系列示例图像帧经历根据基于AI视觉的驾驶员辅助系统进行的标识和标注，该图中包括的帧带有示例未识别出的对象。

图14示出了图13中的一系列示例图像帧，其中示例未识别出的对象基于图12中的运动矢量边界框分析而被标注。

图15-图17是表示可以被执行以实现图1和/或图2的示例视觉数据分析系统的示例机器可读指令的流程图。

图18是被构造成执行图15-图17的示例机器可读指令以实现图1和/或图2的示例视觉数据分析系统的示例处理平台的框图。

附图不一定是按比例绘制的。通常，在(一幅或多幅)附图和伴随附图的书面描述中将使用相同的附图标记来指代相同或相似的部件。

具体实施方式