[发明专利]使用相邻车辆的姿态观察进行路面表征

权利要求书

1.一种方法，其包括由计算机系统：

接收训练数据条目，每个条目包括用车辆姿态和危险类型注释的视频片段；

根据所述训练数据条目训练第一深度神经网络(DNN)以输出车辆姿态估计；以及

根据所述训练数据条目和所述车辆姿态估计训练第二DNN以分类危险，其中所述第二DNN是递归神经网络。

2.如权利要求1所述的方法，其还包括根据所述训练数据条目和所述车辆姿态估计训练所述第二DNN以识别所述危险的位置。

3.如权利要求1所述的方法，其还包括根据所述训练数据条目、所述车辆姿态估计以及所述车辆姿态估计的导数训练所述第二DNN以识别所述危险的位置。

4.如权利要求1所述的方法，其中所述车辆姿态估计每个包括x、y、z、俯仰、横摆和侧倾估计。

5.如权利要求1所述的方法，其中根据所述训练数据条目和所述车辆姿态估计训练所述第二DNN以分类所述危险包括：训练所述第二DNN以将所述危险分类为坑洼、冰、泥、砾石、隆起物、不平的路面、污物和杂散物体中的至少一者。

6.如权利要求1所述的方法，其还包括对车辆控制器进行编程以使用所述第一DNN和所述第二DNN来检测危险。

7.一种系统，其包括一个或多个处理装置和能操作地耦合到所述一个或多个处理装置的一个或多个存储器装置，所述一个或多个存储器装置存储可执行代码，所述可执行代码有效地致使所述一个或多个处理装置：

接收训练数据条目，每个条目包括用车辆姿态和危险类型注释的视频片段；

根据所述训练数据条目训练第一深度神经网络(DNN)以输出车辆姿态估计；以及

根据所述训练数据条目和所述车辆姿态估计训练第二DNN以分类危险。

8.如权利要求7所述的系统，其中所述可执行代码还有效地致使所述一个或多个处理装置根据所述训练数据条目和所述车辆姿态估计训练所述第二DNN以识别所述危险的位置。

9.如权利要求7所述的系统，其中所述可执行代码还有效地致使所述一个或多个处理装置根据所述训练数据条目、所述车辆姿态估计以及所述车辆姿态估计的导数训练所述第二DNN以识别所述危险的位置。

10.如权利要求7所述的系统，其中所述车辆姿态估计每个包括x、y、z、俯仰、横摆和侧倾估计。

11.如权利要求7所述的系统，其中所述第二DNN是递归神经网络。

12.如权利要求7所述的系统，其中所述可执行代码还有效地致使所述一个或多个处理装置通过训练所述第二DNN以将所述危险分类为坑洼、冰、泥、砾石、隆起物、不平的路面、污物和杂散物体中的至少一者，从而根据所述训练数据条目和所述车辆姿态估计训练所述第二DNN以分类所述危险。

13.如权利要求7所述的系统，其中所述可执行代码还有效地致使所述一个或多个处理装置对车辆控制器进行编程以使用所述第一DNN和所述第二DNN来检测危险。

14.一种车辆，其包括:

相机；

耦合至所述相机的车辆控制器，所述车辆被编程为：

从所述相机接收视频数据；

将所述视频数据输入到第一深度神经网络(DNN)，所述第一深度神经网络被训练以输出车辆姿态估计，其中所述车辆姿态估计每个包括x、y、z、俯仰、横摆和侧倾估计；

将所述车辆姿态估计输入到第二DNN中，所述第二DNN被根据所述训练数据条目和所述车辆姿态估计训练以分类危险，其中所述第二DNN是递归神经网络；以及

在所述第二DNN的输出指示危险时执行躲避动作，其中所述躲避动作是自主躲避所述危险的位置。

15.如权利要求14所述的车辆，其中所述控制器被编程为将所述车辆姿态估计的导数输入到所述第二DNN。