[发明专利]用于感兴趣对象的探测中的持续改进的自动数据收集

说明书

本发明涉及用于感兴趣对象的探测中的持续改进的自动数据收集。更新车辆的识别算法的方法包括感测图像以及在图像中绘制边界框。算法试图识别每一个相应边界框内的感兴趣对象。算法还试图识别每一个相应边界框内的感兴趣对象的组成部分，并且如果组成部分被识别出，则计算组成部分边界的处于对象边界外部的排除量。当排除量大于覆盖阈值时，识别算法将图像传送到处理中心，其可以识别出图像中的先前未被识别感兴趣对象。处理中心可以将图像添加到图像的训练集，以限定图像的修正训练集，并且使用图像的修正训练集来再次训练识别算法。然后更新的识别算法可以被上传到车辆上。

技术领域

本公开大体上涉及更新被用于识别感兴趣对象的车辆的识别算法的方法以及用于其的车辆和系统。

背景技术

许多车辆包括对象识别系统以用于探测车辆附近的感兴趣对象。对象识别系统可以使用传感器，诸如但不限于照相机，其捕捉或感测图像。识别算法可以被用于探测在感测图像中的感兴趣对象。识别算法可以被训练以使用包含感兴趣对象的一个或更多个视图或变型的图像的训练集来识别感兴趣对象。如果感测图像中的对象类似于先前在图像的训练集中的一个或更多个中被识别为感兴趣对象的对象，则识别算法可以确定在感测图像中的对象是感兴趣对象。然后车辆控制器可以基于对感兴趣对象的识别来控制车辆。

发明内容

提供了更新车辆的对象识别算法的方法。方法包括使用车辆的图像传感器来感测图像。然后可在车辆的计算装置上运行的识别算法在图像中绘制多个边界框。识别算法分析多个边界框中的每一个相应边界框以试图识别在边界框中的每一个相应边界框中的感兴趣对象和/或边界框中的每一个相应边界框中的感兴趣对象的组成部分。如果识别算法成功地在边界框中的相应一个边界框中识别出图像中的感兴趣对象，则识别算法将多个边界框中包含被识别感兴趣对象的相应一个边界框限定为对象边界。如果识别算法成功地在边界框中的相应一个边界框中识别出图像中的感兴趣对象的组成部分，则识别算法将多个边界框中包含感兴趣对象的被识别组成部分的相应一个边界框限定为组成部分边界。然后识别算法计算组成部分边界的排除量。排除量是组成部分边界的不被包括在对象边界中的量。当排除量等于或者大于覆盖阈值时，识别算法使用车辆的通信器将图像传送到处理中心。

在更新识别算法的方法的一个方面中，将排除量与覆盖阈值比较以确定排除量是否小于覆盖阈值，或者排除量是否等于或大于覆盖阈值。当排除量小于覆盖阈值时，识别算法不将感测图像传送到处理中心。

在更新识别算法的方法的另一方面中，当识别没有将图像传送到处理中心时，识别算法还传送与图像有关的其它车辆数据。其它车辆数据可以包括但不限于紧接在图像之前和之后的其它图像、GPS数据、车辆运行数据、雷达数据、LIDAR数据等等。

在更新识别算法的方法的另一方面中，可以在处理中心处识别出与图像中的被识别组成部分相关联的图像中的先前未被识别感兴趣对象。当在图像中识别出先前未被识别感兴趣对象时，图像在处理中心处被添加到图像的训练集以限定图像的修正训练集。然后识别算法可以使用图像的修正训练集被再次训练以辨识先前未被识别感兴趣对象以限定更新的识别算法。然后更新的识别算法可以被上传到车辆的移动计算装置上以用于未来使用。

在更新识别算法的方法的一个实施例中，当排除量等于或大于覆盖阈值时估计从车辆到图像中的被识别组成部分的分离距离。将分离距离与距离阈值比较以确定分离距离是否小于距离阈值，或者分离距离是否等于或大于距离阈值。然后当分离距离小于距离阈值时，车辆控制器可以使用预定义控制模式来控制车辆。