[发明专利]用于对光学图像的盲区进行分类的方法

说明书

本发明涉及用于对光学图像的盲区进行分类的方法。建议了一种用于对移动平台的环境的光学图像的盲区进行分类的方法，所述方法具有下列步骤：提供移动平台的环境的数字光学图像；形成多个区域，用于划分数字图像；借助经过训练的机器学习系统利用至少两个不同的盲区属性，并且利用数字图像作为机器学习系统的输入信号，对数字图像的多个区域中的每个区域进行分类，其中所述机器学习系统借助多个数字参考图像和相应的数字参考图像的经过分类的区域已被训练为，关于至少两个盲区属性对数字参考图像的区域进行分类；和将至少两个盲区属性分配给数字图像的相应的区域。

技术领域

本发明涉及一种用于对光学图像的盲区（Blindheit）进行分类的方法，一种用于改进光学图像的方法、一种用于确定光学图像的至少一个图像平面的方法和一种用于生成经过训练的机器学习系统的方法，以及涉及一种相对应的设备、计算机程序和机器可读的存储介质。

背景技术

驾驶的自动化随着给车辆装备有用于进行周围环境检测的越来越广泛的和性能越来越强大的传感器系统而出现。在解释传感器数据时，针对分类和探测任务，采用机器学习（英语为Machine Learning）的方法。在视频领域中，在此例如利用卷积网络（英语为：Convolutional Neural Networks（卷积神经网络））来工作。视频传感器可能由于拍摄路径的极其不同的干扰而退化，这样例如由于摄像机镜头的或者设置在前部的挡风玻璃的弄脏而退化，或者由于摄像机的损坏或者由于如雨、雾、雪或者溅水之类的另外的环境影响而退化。

为了借助光学传感器检测对至少部分自动化驾驶的环境表示，光学传感器的足够清楚的图像是特别重要的。

发明内容

用于对象探测和对象分类的典型方案在这些情况下由于假阳性和假阴性识别不起作用，而在此不能识别出这些方案的已退化的状态。在视频传感器的周围环境检测中的错误又可能导致上级的系统中的功能性误判。视所实现的功能而定，由此可能发生安全风险或者舒适性丧失。因而，车辆中的视频传感器可以装备有单独的盲区识别（Blindheitserkennung）。通过针对传感器盲区的识别机制，在整个系统中在传感器数据上实现的功能可能以对于当前的传感器可用性适当的方式而退化。

换言之，由传感器系统生成数据，以便借助传感器数据实现系统功能。如果传感器系统的可用性是已知的，如例如通过可靠的盲区探测而是已知的，则由此可能导出系统功能的可用性。也就是说，系统可以仅仅通过良好地识别出传感器退化也诊断或标识出适当的系统功能退化。使得例如在仅部分检测到的环境中，由于系统的局部的盲区，也只能相对应地部分受限地提供相对应的功能。

当前的盲区识别具有极大的弱点，尤其在识别如光剑（Lichtschwertern）或者畸变之类的复杂退化效应时具有极大的弱点。盲区识别的假阳性率也过高，以便针对自动化水平采用所述盲区识别，其中驾驶员不再承担责任并且在怀疑的情况下可能会接管车辆导向。

类似于对象识别，用于识别视频图像上的盲区的中心方案是关于盲区对图像或者图像片段的分类。分类器典型地受到监督训练（英语为supervised training）。对此的关键是合适数量、多样性和质量的参考数据（英语为Ground Truth（地面实况））。

产生参考数据的前提条件是如下合适的标签模式（Label-Schema），按照该标签模式，数据可以合适地被表征为盲的或者非盲的。与如汽车、行人或者道路表面之类的对象不同，对于各种各样的不同盲区原因、盲区效应和盲区密度有意义的是，判定在此 “盲区”标签的边界该处在何处。