[发明专利]具有对传感器数据的机器学习分类的嵌入式机动车辆感知

权利要求书

1.一种用于执行车辆的辅助或自动驾驶系统中对传感器测量数据的机器学习分类的方法，包括：

由计算系统，生成由安装在车辆中的传感器所收集的传感器测量数据的可匹配的表示，其中所述传感器测量数据的所述可匹配的表示包括所述传感器测量数据的二维形状描述、所述传感器测量数据的三维结构描述、所述传感器测量数据的纹理化描述、所述传感器测量数据的几何化描述、所述传感器测量数据的结构化或骨架化描述；

由所述计算系统，将所述传感器测量数据的所述可匹配的表示与描述了能够位于所述车辆附近的对象的类型的对象模型进行比较；和

由所述计算系统，至少部分地基于所述传感器测量数据的所述可匹配的表示与所述对象模型的所述比较，将所述传感器测量数据分类为与所述对象的类型相对应，其中，用于所述车辆的控制系统被配置，以至少部分地基于所述传感器测量数据的已分类的对象的类型来控制所述车辆的操作；

其中将所述传感器测量数据的所述可匹配的表示与所述对象模型进行比较进一步包括：

至少部分地基于所述传感器测量数据中的一个或多个检测事件，从多个分类图中选择至少一个分类图，其中每一个分类图包括一个或多个计算节点以实施所述对象模型；和

遍历所选择的分类图中的所述计算节点，从而将所述传感器测量数据的所述可匹配的表示与在对象模型中所描述的对象的不同特性进行比较，其中所述对象模型与所选择的分类图相关联。

2.根据权利要求1所述的方法，其中，生成所述传感器测量数据的所述可匹配的表示进一步包括：

提取对应于所述传感器测量数据的结构的线；和

确定所述线之间的关系和连接，从而生成所述传感器测量数据的所述可匹配的表示。

3.根据权利要求1所述的方法，其中，生成所述传感器测量数据的所述可匹配的表示进一步包括：

确定用于所述传感器测量数据的边界轮廓；和

至少部分地基于所述传感器测量数据，在所述边界轮廓内创建表面积数据，从而生成所述传感器测量数据的所述可匹配的表示。

4.根据权利要求1所述的方法，其中，所述计算节点中的每一个包括有在所述对象模型中所描述的所述对象的表示，所述对象模型包括所述对象的姿态、所述对象的状态、所述对象的方位、所述对象的纹理特征、所述对象的帧间差异、或所述对象的一种或多种变形中的至少一种。

5.根据权利要求1所述的方法，其中，在所选择的分类图中的所述计算节点中的每一个被配置，以生成所述传感器测量数据的所述可匹配的表示与被包括在对应的计算节点中的所述对象的表示之间的匹配距离，其中所述遍历所选择的分类图中的所述计算节点是至少部分地基于由所述计算节点中的一个或多个生成的所述匹配距离。

6.根据权利要求1所述的方法，还包括：由所述计算系统，估算与所述传感器测量数据相关联的对象到所述车辆的距离，其中将所述传感器测量数据的所述可匹配的表示与所述对象模型进行比较是至少部分地基于所述对象到所述车辆的已估算距离、所述传感器测量数据的重心、或对应于所述传感器测量数据的边界框的中心。