[发明专利]检测多模式图像的特征

说明书

提供了用于从多模式图像类数据表示检测特征的系统和方法。所述系统包含：小波变换器，所述小波变换器被配置成经由至少一个处理器接收图像数据并对所述图像数据进行小波变换，从而提供分为频率子带的分解图像数据。所述系统进一步包含人工神经网络，所述人工神经网络被配置成接收并处理所述分解图像数据的至少一个子带以基于其检测图像特征，所述人工神经网络被配置成输出所述检测到的图像特征。

引言

本发明大体涉及用于检测图像特征的系统和方法，并且更具体地说，涉及用于检测用于控制车辆的物体和/或道路特征的系统和方法。

自主和半自主车辆能够感测其环境，并且基于所感测的环境进行导航。这种车辆使用例如雷达、激光雷达、图像传感器等的传感装置来感测它们的环境。该车辆系统进一步使用来自全球定位系统(GPS)技术、导航系统、车辆到车辆通信、车辆到基础设施技术和/或线控驾驶系统的信息来导航车辆。

车辆自动化被分类为若干数字级别，范围从零(对应于没有自动化，完全人工控制)到五(对应于完全自动化而无人工控制)。各种自主驾驶辅助系统，例如巡航控制、自适应巡航控制和停车辅助系统，对应于较低的自动化级别，而真正的“无人驾驶”车辆对应于较高的自动化级别。包含自主车辆特征的一些车辆包含多个光学摄像头以对车辆周围的环境进行成像。基于从摄像头获得的图像，一些自主车辆系统检测车道特征和/或检测车辆周围的物体以用于控制车辆，例如通过避开从图像中提取的障碍物并遵守从图像中提取的道路信息所指示的驾驶规则。

因此，需要提供以计算有效的方式检测图像特征的系统和方法。进一步需要提供使用功率有效且处理有效的人工神经网络来检测图像特征的方法和系统。此外，本发明的其它所需特征和特性将从随后的详细描述和所附权利要求结合附图和前述技术领域和背景而变得显而易见。

发明内容

提供了用于检测图像特征的系统和方法。一种用于检测图像特征的系统包含：小波变换器，该小波变换器被配置成经由处理器接收图像数据并对该图像数据进行小波变换，从而提供被分成频率子带的分解图像数据；以及人工神经网络，该人工神经网络被配置成接收并处理该分解图像数据的子带以基于其检测图像特征，该人工神经网络被配置成输出检测到的图像特征。

在实施例中，该小波变换器执行二维离散小波变换功能。在实施例中，该小波变换器执行多级二维离散小波变换功能以获得分解图像特征的多级子带。在实施例中，该离散小波变换包含子带译码。

在实施例中，该小波变换器包含具有高通滤波器和低通滤波器的至少一个分解级别，并且该分解图像数据包含至少四个子带，包含LL_k、HL_k、LH_k和HH_k，其中k表示分解级别，L表示已通过低通滤波器的图像数据，并且H表示已通过高通滤波器的图像数据。各级的滤波器限定小波变换功能。

在实施例中，该人工神经网络被配置成接收并处理该分解图像数据的该频率子带中的仅一个、一些或全部。

在实施例中，该系统包含滤波器，该滤波器被配置成去除该分解图像数据的低于阈值的系数或将其设置为零，从而提供经滤波的分解图像数据，其中该人工神经网络被配置成接收并处理该经滤波的分解图像数据的一组子带，以基于其检测图像特征。在实施例中，基于该分解图像数据来自适应地设置阈值(例如，最小的75％的系数设置为零)，或使用静态阈值。

在实施例中，该人工神经网络被配置成执行基于刺激的漏失，从而当分解图像的输入系数全部基本为零时，神经元的输出被设置为零，而不执行常规计算。在实施例中，基于刺激的漏失是在人工神经网络的训练和/或应用期间执行的。

在实施例中，该人工神经网络包含并行计算管线，该并行计算管线被配置成接收并处理该分解图像数据的相应子带并输出相应的特征图。

在实施例中，该人工神经网络被配置成级联该输出的特征图以形成级联特征图且基于该级联特征图检测图像特征。