[发明专利]用于确定可行驶空间的系统和方法

权利要求书

1.一种使用包括对象的图像的二维图像确定可行驶空间的方法，所述方法包括：

确定相对于所述对象在所述二维图像内的所述图像的二维边界框；

使用处理电路，通过以下方式生成至少部分地围绕所述对象的所述图像的三维边界框：

将所述三维边界框的顶点定位在所述二维边界框的边缘上，以及

基于一组几何约束优化所述顶点的位置；

以及

至少部分地从所述三维边界框识别所述车辆的所述可行驶空间。

2.根据权利要求1所述的方法，还包括确定所述对象在所述二维图像中的取向，其中所述生成所述三维边界框至少部分地基于所述对象的所述取向。

3.根据权利要求1所述的方法，还包括确定所述对象在所述二维图像中的特征尺寸，其中所述生成所述三维边界框至少部分地基于所述对象的所述特征尺寸。

4.根据权利要求3所述的方法，还包括将所述对象识别为所识别对象，并且接收与所述所识别对象相关联的尺寸，所述对象的所述特征尺寸包括所接收的尺寸。

5.根据权利要求4所述的方法，其中所述对象的所述特征尺寸包括所述所识别对象的宽度。

6.根据权利要求1所述的方法，其中所述优化包括迭代地修正所述顶点的位置。

7.根据权利要求1所述的方法，还包括确定所述对象的语义点，其中所述生成所述三维边界框还包括：

(a)增大所述二维边界框的大小，以便形成较大二维边界框；

(b)至少部分地基于所述较大二维边界框生成经修正的三维边界框；以及

(c)重复(a)和(b)直到所述经修正的三维边界框包括所述对象的所述语义点。

8.根据权利要求1所述的方法，其中所述识别所述可行驶空间包括使用一个或多个经训练的机器学习模型来识别所述可行驶空间，所述一个或多个经训练的机器学习模型将所述对象的所述图像和所述三维边界框作为输入，并且提供指示所述车辆的所述可行驶空间的输出。

9.根据权利要求1所述的方法，其中所述识别所述可行驶空间还包括使用所述对象的所述图像和所述三维边界框训练一个或多个机器学习模型，所述一个或多个机器学习模型将所述对象的所述图像和所述三维边界框作为输入，并且提供指示所述车辆的所述可行驶空间的输出。

10.一种生成用于一个或多个机器学习模型的训练数据集的方法，所述一个或多个机器学习模型被配置为基于包括对象的图像的二维图像并且基于所述对象的语义信息提供指示车辆的可行驶空间的输出，所述方法包括：

生成至少部分地围绕所述二维图像中的所述对象的三维边界框；

使用处理电路，至少部分地基于所述三维边界框并且至少部分地基于所述语义信息，确定对应于围绕所述二维图像中的所述对象的所述图像的可行驶空间的标签，以便形成所述二维图像中的经标记二维图像；以及

将所述二维图像中的所述经标记二维图像添加到所述训练数据集。

11.根据权利要求10所述的方法，其中所述生成三维边界框还包括确定至少部分地围绕所述二维图像中的所述对象的二维边界框，以及至少部分地基于将所述三维边界框的顶点定位在所述相应二维边界框的边缘上来生成所述三维边界框。

12.根据权利要求11所述的方法，其中所述生成所述三维边界框还包括基于一组几何约束优化所述顶点的位置。

13.根据权利要求12所述的方法，其中所述优化包括迭代地修正所述顶点的位置。

14.根据权利要求11所述的方法，还包括确定所述对象在所述二维图像中的取向，其中所述生成所述三维边界框至少部分地基于所述相应二维边界框并且基于所述对象的所述相应取向。