[发明专利]使用听觉数据训练用于碰撞躲避的算法

说明书

通过限定包括车辆模型和典型驾驶环境的场景，来训练机器学习模型。将主体车辆模型加入到场景并且在主体车辆上限定传感器位置。模拟在传感器位置通过传感器进行的场景感知。场景还包括发动机运行的停泊车辆的模型。将停泊车辆的位置和感知场景的传感器的模拟输出输入到机器学习算法，机器学习算法训练模型来根据传感器输出探测停泊车辆的位置。车辆控制器之后与机器学习模型结合并且根据输入到机器学习模型的实际传感器输出来估算发动机运行的停泊车辆的存在和/或位置。

技术领域

本发明涉及在自主车辆中执行障碍躲避。

背景技术

自主车辆装备有探测其周边环境的传感器。算法评估传感器的输出并且识别障碍。然后导航系统可以操纵车辆转向、制动和/或加速，从而既躲避识别的障碍物又到达期望的目的地。传感器可以既包括成像系统(如视频摄像机)又包括雷达(RADAR)或激光雷达(LIDAR，Light Detection And Ranging)传感器。

本申请文件公开的系统和方法提供了一种用于探测障碍的改善途径。

发明内容

根据本发明，提供一种方法，包含：

通过计算机系统限定三维(3D)模型；

通过计算机系统根据从发动机运行的停泊车辆传入到三维模型中主体车辆的两个或多个传感器位置的声音来模拟两个或多个传感器输出；和

通过计算机系统使用三维模型中停泊车辆的位置和两个或多个传感器输出来训练机器学习模型。

根据本发明的一个实施例，还包含：

在主体车辆上限定一个或多个摄像机位置；

模拟在一个或多个摄像机位置的图像探测；和

使用图像和两个或多个传感器输出来训练机器学习模型。

根据本发明的一个实施例，还包含：

在主体车辆上限定雷达传感器位置；

根据三维模型模拟雷达传感器输出；和

使用图像、雷达传感器输出和两个或多个传感器输出中的全部来训练机器学习模型。

根据本发明的一个实施例，还包含：

在主体车辆上限定激光雷达传感器位置；

模拟从三维模型的激光雷达传感器位置探测的点云序列；和

使用图像、雷达传感器输出、点云序列和两个或多个传感器输出中的全部来训练机器学习模型。

根据本发明的一个实施例，其中限定三维模型还包括在停泊车辆和主体车辆之间限定多个居间车辆。

根据本发明的一个实施例，其中机器学习模型是深度神经网络。

根据本发明的一个实施例，其中根据多个车辆传入到两个或多个传感器位置的声音来模拟两个或多个传感器输出，包含模拟从停泊车辆的发动机，到围绕停泊车辆和主体车辆之间的一个或多个居间车辆，并且传入主体车辆的声音传播。

根据本发明的一个实施例，其中将停泊车辆建模为发出对应于运行的车辆发动机的声音的车辆。

根据本发明的一个实施例，还包含：

提供包括车辆控制器和两个或多个麦克风的车辆；

通过机器学习模型编程车辆控制器；

通过车辆控制器接收来自两个或多个麦克风的两个或多个音频流；

通过车辆控制器将两个或多个音频流输入到机器学习模型；