[发明专利]用于减少在车辆的周围环境中的跟踪对象的漏检测的系统和方法

说明书

本公开提供了在与车辆相关联的处理器处并经由与该车辆相关联的一个或多个图像传感器接收与在该车辆周围的环境相关联并对应于在第一时间处捕获的第一图像的图像数据和与在该车辆周围的环境相关联并对应于在第二时间处捕获的第二图像的附加图像数据的系统和方法。所提供的系统和方法可基于所接收的附加图像数据和机器学习模型来确定在该第二图像中未检测到在该第一图像中识别的跟踪对象，并且可基于车辆数据和该跟踪对象的跟踪数据来确定在该第二图像中应当存在该跟踪对象并且对该附加图像数据执行补救动作以在该第二图像中识别该跟踪对象。

技术领域

本申请涉及一种用于减少在车辆的周围环境中的跟踪对象的漏检测的系统和方法。

背景技术

在自主和半自主车辆中，车辆确定在车辆附近是否存在对象以及在此类对象与车辆之间的距离可能是有用的。在一种方法中，可采用神经网络机器学习模型来检测在车辆周围的对象。然而，需要的是减少神经网络对对象的负误识和漏检测。

发明内容

因此，本文公开了一种系统和方法，其包括处理电路，该处理电路被配置为：在与车辆相关联的处理器处并经由与该车辆相关联的一个或多个图像传感器接收与在该车辆周围的环境相关联的图像数据，其中该图像数据对应于由该一个或多个图像传感器在第一时间处捕获的第一图像；以及在该处理器处并经由该一个或多个图像传感器接收与在该辆周围的环境相关联的附加图像数据，其中该附加图像数据对应于由该一个或多个图像传感器在该第一时间之后的第二时间处捕获的第二图像。该处理电路可基于所接收的附加图像数据和机器学习模型来确定在该第二图像中未检测到在该第一图像中识别的跟踪对象。所提供的系统和方法还可基于车辆数据和该跟踪对象的跟踪数据来确定在该图像中应当存在该跟踪对象，并且对该附加图像数据执行补救动作以在该第二图像中识别该对象。

在一些实施方案中，该处理电路被配置为通过以下操作基于所接收的附加图像数据和该机器学习模型来确定在该第二图像中未检测到在该第一图像中识别的该跟踪对象：将该图像数据输入到该机器学习模型中，并且该机器学习模型基于该输入图像数据来输出第一输出。另外，可将该附加图像数据输入到该机器学习模型中，并且该机器学习模型基于该输入附加图像数据来输出第二输出，并且所提供的系统和方法可基于该机器学习模型的该第二输出来确定该第二图像不包括对该跟踪对象的描绘。

在一些实施方案中，该车辆数据包括该车辆的速度，该跟踪数据包括在该车辆与该跟踪对象之间的第一距离，并且该处理电路被配置为通过以下操作基于该车辆数据和该跟踪对象的该跟踪数据来确定在该第二图像中应当存在该跟踪对象：基于该机器学习模型的该第一输出来确定该跟踪对象在该第一时间处位于距该车辆的该第一距离处；以及基于该第一距离和该车辆的该速度来确定该第二输出本应指示在该第二图像中描绘该跟踪对象。

在一些实施方案中，该第一输出包括与在该第一图像中该跟踪对象的位置相关联的边界框，并且该处理电路被配置为通过以下操作对该附加图像数据执行该补救动作以在该第二图像中识别该跟踪对象：基于该边界框、该第一距离和该车辆的该速度来确定与在该第二图像中该跟踪对象的预测位置相关联的感兴趣区域。

在一些实施方案中，该处理电路被还配置为通过以下操作对该附加图像数据执行该补救动作以在该第二图像中识别该跟踪对象：在该感兴趣区域内执行计算机视觉卷积以在该第二图像中识别该跟踪对象；以及基于该计算机视觉卷积来确定该跟踪对象在该第二时间处位于距该车辆的第二距离处。

在一些实施方案中，该机器学习模型与用于在输入到该机器学习模型的图像数据中识别对象的阈值置信度水平相关联，并且该处理电路被配置为通过以下操作对该附加图像数据执行该补救动作以在该第二图像中识别该跟踪对象：降低该第二图像的与该感兴趣区域相关联的一部分的该阈值置信度水平。