[发明专利]使用神经网络的基于雷达的对象跟踪

说明书

计算机实现的方法包括：获取(5001)雷达测量数据集(752)，雷达测量数据集指示由雷达单元(70)观察的场景(100)的数据点的深度位置，场景(100)包括目标(80)，目标(80)选自由手、手的一部分和手持对象组成的组。方法还包括：使用至少一个神经网络算法(500、500‑1、500‑2、500‑3)来处理(5020)雷达测量数据集(752)，以获得输出数据集(753)，输出数据集(753)包括相对于与场景(100)相关联的预定义参考坐标系(99)定义的目标(80)的一个或多个位置估计(788)。

技术领域

本公开的各种示例涉及基于雷达测量数据集跟踪可移动目标的3-D位置。

背景技术

依赖于跟踪目标的3-D位置的各种用例是已知的。示例用例包括人机界面(HMI)：在此，实现目标的用户控制对象的3D位置可以被跟踪。可以确定目标是否执行手势。还可以确定目标是否对用户界面(UI)的输入元素致动。

发明内容

因此，可能需要确定对可移动目标的位置的稳健且准确的估计。

本公开的各种示例整体描述了使用神经网络算法来处理雷达测量数据集(诸如由雷达传感器生成的3-D点云或2-D地图)的技术。神经网络算法可以提供指示目标的位置估计的输出数据集，目标诸如是例如手、手的一部分(例如手指或手掌)或手持对象。在一些示例中，神经网络算法可以提供对目标执行的姿势进行分类的输出数据集。

接下来，提供了本公开的可能实现方式的一些示例。

计算机实现的方法包括：获取雷达测量数据集。雷达测量数据集指示场景的数据点的深度位置。场景由雷达单元观察。场景包括目标。目标选自由手、手的一部分和手持对象组成的组。方法还包括使用至少一个神经网络算法来处理雷达测量数据集，以获得输出数据集。输出数据集包括相对于预定义参考坐标系定义的目标的一个或多个位置估计。预定义参考坐标系与场景相关联。

计算机程序或计算机程序产品或计算机可读存储介质包括程序代码。程序代码可以由至少一个处理器加载和执行。在加载和执行程序代码时，至少一个处理器执行方法。方法包括：获取雷达测量数据集。雷达测量数据集指示场景的数据点的深度位置。场景由雷达单元观察。场景包括目标。目标选自由手、手的一部分和手持对象组成的组。方法还包括使用至少一个神经网络算法来处理雷达测量数据集，以获得输出数据集。输出数据集包括相对于预定义参考坐标系定义的目标的一个或多个位置估计。预定义参考坐标系与场景相关联。

提供了执行至少一个神经网络算法的训练的计算机实现的方法。神经网络算法用于处理雷达测量数据集来获得输出数据集。输出数据集包括目标的一个或多个位置估计。方法包括处理多个训练雷达测量数据集，多个训练雷达测量数据集指示由雷达单元观察的场景的数据点的深度位置。场景包括目标。目标选自由手、手的一部分和手持对象组成的组。方法还包括获取多个训练雷达测量数据集的真实标签。真实标签各自包括相对于预定义参考坐标系定义的目标的一个或多个位置。预定义参考坐标系与场景相关联。此外，方法包括基于多个训练雷达测量数据集和真实标签来执行训练。

计算机程序或计算机程序产品或计算机可读存储介质包括程序代码。程序代码可以由至少一个处理器加载和执行。在加载和执行程序代码时，至少一个处理器执行一方法，该方法执行至少一个神经网络算法的训练。神经网络算法用于处理雷达测量数据集以获得输出数据集。输出数据集包括目标的一个或多个位置估计。方法包括处理多个训练雷达测量数据集，多个训练雷达测量数据集指示由雷达单元观察的场景的数据点的深度位置。场景包括目标。目标选自由手、手的一部分和手持对象组成的组。方法还包括获取多个训练雷达测量数据集的真实标签。真实标签各自包括相对于预定义参考坐标系定义的目标的一个或多个位置。预定义参考坐标系与场景相关联。此外，方法包括基于多个训练雷达测量数据集和真实标签来执行训练。