[发明专利]生成地面实况数据的方法和系统

权利要求书

1.一种生成地面实况数据的由计算机实现的方法，所述方法包括由计算机硬件组件执行的以下步骤：

对于多个时间点，获取(402)针对相应时间点的传感器数据；以及

对于所述多个时间点中的至少一个子集，基于至少一个当前时间点和/或过去时间点以及至少一个将来时间点的传感器数据来确定(404)所述相应时间点的地面实况数据。

2.根据权利要求1所述的由计算机实现的方法，

其中，所述当前时间点、所述过去时间点和/或所述将来时间点是相对于所述相应时间点的。

3.根据权利要求1或2所述的由计算机实现的方法，

其中，所述传感器数据包括雷达数据或激光雷达数据中的至少一种。

4.根据权利要求1至3中的至少一项所述的由计算机实现的方法，所述方法还包括：

基于所述地面实况数据训练机器学习模型。

5.根据权利要求4所述的由计算机实现的方法，

其中，所述机器学习模型包括用于确定占用网格的步骤；和/或

其中，所述机器学习模型包括用于下方可驾驶性分类的步骤。

6.根据权利要求5所述的由计算机实现的方法，其中，基于至少两个地图确定所述地面实况数据。

7.根据权利要求6所述的由计算机实现的方法，

其中，所述至少两个地图包括与扫描结果的范围无关的基于扫描结果的全范围地图。

8.根据权利要求6至7中的至少一项所述的由计算机实现的方法，

其中，所述至少两个地图包括基于低于预定范围阈值的扫描结果的有限范围地图。

9.根据权利要求7和8所述的由计算机实现的方法，

其中，基于所述全范围地图的小区的概率和所述有限范围地图的对应小区的概率，将所述小区标记为非下方可驾驶或下方可驾驶。

10.根据权利要求7和8或9所述的由计算机实现的方法，

其中，如果所述有限范围地图中的小区的概率高于第一预定阈值，则将该小区标记为非下方可驾驶。

11.根据权利要求7和8或权利要求9至10中的至少一项所述的由计算机实现的方法，

其中，如果所述全范围地图中的所述小区的概率高于第二预定阈值，并且所述有限范围地图中的所述小区的概率等于表示所述小区中没有占用的值，则所述小区被标记为下方可驾驶。

12.根据权利要求4至11中的至少一项所述的由计算机实现的方法，

其中，所述机器学习模型包括人工神经网络。

13.一种计算机系统(500)，所述计算机系统(500)包括多个计算机硬件组件，所述多个计算机硬件组件被配置为执行根据权利要求1至12中的至少一项所述的由计算机实现的方法的步骤，其中，优选地，所述计算机系统(500)还包括传感器(508)，所述传感器被配置为获取传感器数据。

14.一种计算机系统(500)，所述计算机系统(500)包括多个计算机硬件组件，所述多个计算机硬件组件被配置为使用根据权利要求4至12中的至少一项所述的由计算机实现的方法训练的机器学习模型，其中，优选地，所述计算机系统(500)被包括在高级驾驶员辅助系统中。

15.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质包括用于执行根据权利要求1至12中的至少一项所述的由计算机实现的方法的指令。