[发明专利]增强的目标检测

权利要求书

1.一种方法，其包括：

将图像数据输入到用基于主车辆与目标对象之间的距离的虚拟边界模型和基于真实世界物理模型的损失函数训练的机器学习程序；

从所述机器学习程序输出对威胁对象的识别；以及

基于对所述威胁对象的所述识别来致动所述主车辆的子系统。

2.如权利要求1所述的方法，其中所述损失函数包括对所述主车辆与多个目标中的每一者之间的相应距离进行求和的距离相关项。

3.如权利要求2所述的方法，其中当所述主车辆与所述多个目标中的每一者之间的所述相应距离增加时，所述距离相关项增大。

4.如权利要求2所述的方法，其还包括将所述图像数据输入到图像处理程序以确定所述主车辆与所述多个目标中的每一者之间的所述相应距离。

5.如权利要求2所述的方法，其还包括基于收集的传感器数据来确定所述主车辆与所述多个目标中的每一者之间的所述相应距离。

6.如权利要求1所述的方法，其还包括从所述机器学习程序输出威胁数，所述威胁数指示所述主车辆到达所述威胁对象的可能性，以及基于所输出的威胁数来致动所述子系统。

7.如权利要求1所述的方法，其中所述虚拟边界模型进一步基于所述主车辆到所述目标对象的接近速度。

8.如权利要求1所述的方法，其还包括将所述图像数据输入到所述虚拟边界模型，确定所述机器学习程序的所述输出与所述虚拟边界模型的输出之间的差异，以及当所述差异低于差异阈值时，致动所述子系统。

9.如权利要求1所述的方法，其还包括将所述图像数据输入到所述虚拟边界模型，以确定所述机器学习程序的所述输出与所述虚拟边界模型的输出之间的差异，以及当所述差异低于差异阈值时，致动所述子系统。

10.如权利要求1所述的方法，其中所述机器学习程序是递归神经网络。

11.如权利要求1所述的方法，其中对所述机器学习程序的所述训练包括当所述目标对象违反所述虚拟边界模型的约束时，识别所述目标对象以进行威胁评估。

12.如权利要求1所述的方法，其中所述机器学习程序进一步用包括所述主车辆和指示一个或多个目标对象是否为威胁对象的注释的图像的训练数据集来进行训练。

13.如权利要求1所述的方法，其中所述机器学习程序包括布置成层的多个节点。

14.如权利要求1所述的方法，其中训练所述机器学习程序包括在所述机器学习程序中反向传播损失函数以确定权重和偏差。

15.一种系统，其包括被编程为执行权利要求1至14中任一项所述的方法的计算机。