[发明专利]计算机执行的方法和用于生成虚拟车辆环境的系统

权利要求书

1.一种计算机执行的方法，所述计算机执行的方法用于在使用真实车辆环境(U1)的在先检测到的视频图像数据(10a)、雷达数据和/或激光雷达点云的情况下生成虚拟车辆环境(U2)来测试机动车(1)的高度自动化的行驶功能，所述方法包括如下步骤：

接收(S1A、S1B)真实车辆环境(U1)的在先检测到的视频图像数据(10a)、雷达数据和/或激光雷达点云，所述真实车辆环境包括多个在先表征(S1A)的或在后通过使用至少一个第一机器学习算法(A1)表征(S1B)的真实对象(12a、12b、12c、12d、12e)；

通过将第二机器学习算法(A2)应用于相应的真实对象(12a、12b、12c、12d、12e)来生成(S2)表示相应的真实对象(12a、12b、12c、12d、12e)的第一特征向量(M1)并且存储(S3)第一特征向量(M1)；

提供(S4)多个存储的、表示合成生成对象(14a、14b、14c、14d、14e)的第二特征向量(M2)；

识别(S5)与第一特征向量(M1)具有最高相似度(MA)的第二特征向量(M2)；

根据识别的相似度(MA)，选择(S6A)识别的第二特征向量(M2)并调用存储的配设给所述第二特征向量(M2)的、相应于真实对象(12a、12b、12c、12d、12e)的合成对象(14a、14b、14c、14d、14e)或者程序化地生成(S6B)相应于真实对象(12a、12b、12c、12d、12e)的合成对象(14a、14b、14c、14d、14e)；和

将合成对象(14a、14b、14c、14d、14e)集成(S7)到预定的虚拟车辆环境(U2)中。

2.根据权利要求1所述的计算机执行的方法，其特征在于，通过监督学习算法或通过无监督学习算法、尤其是人工神经网络执行对所述多个真实对象(12a、12b、12c、12d、12e)的表征(S1A、S1B)、尤其是探测和分类。

3.根据权利要求1或2所述的计算机执行的方法，其特征在于，如果识别的第二特征向量(M2)与第一特征向量(M1)的相似度(MA)大于或等于预定的阈值(T)，那么选择所述识别的第二特征向量(M2)，并且调用(S6A)存储的配设给第二特征向量(M2)的、相应于真实对象(12a、12b、12c、12d、12e)的合成对象(14a、14b、14c、14d、14e)。

4.根据权利要求1或2所述的计算机执行的方法，其特征在于，如果识别的第二特征向量(M2)与第一特征向量(M1)的相似度(MA)小于预定的阈值(T)，那么程序化地生成(S6B)所述合成对象(14a、14b、14c、14d、14e)。

5.根据权利要求4所述的计算机执行的方法，其特征在于，在使用通过第二机器学习算法(A2)生成的第一特征向量(M1)的情况下执行程序化地生成(S6B)所述合成对象(14a、14b、14c、14d、14e)。

6.根据前述权利要求之一所述的计算机执行的方法，其特征在于，用于生成、尤其是用于编码第一特征向量(M1)的第二机器学习算法(A2)通过第一变分自编码器构成。

7.根据前述权利要求之一所述的计算机执行的方法，其特征在于，通过将第三机器学习算法(A3)应用于相应的合成对象(14a、14b、14c、14d、14e)来生成表示相应的合成对象(14a、14b、14c、14d、14e)的第二特征向量(M2)，并且将所述第二特征向量(M2)存储(S3)在数据存储器中。

8.根据前述权利要求之一所述的计算机执行的方法，其特征在于，通过第一机器学习算法(A1)将包含在视频图像数据(10a)、雷达数据和/或激光雷达点云中的真实对象(12a、12b、12c、12d)分类在主类别(C1、C2、C3、C4)中，其中，配设给一个主类别(C1、C2、C3、C4)的真实对象(12a、12b、12c、12d)通过使用第四机器学习算法(A4)被分类到子类别(12d1、12d2)中。