减速带提示的制作方法

减速带提示


背景技术：

1.减速带可能会损坏车辆，尤其是当所述车辆到达所述减速带时的速度超过通过所述减速带时设计的期望速度时。驾驶员可能会被迫突然将车速降低每小时几十公里，而当驾驶员在最后一刻看到所述减速带时，可能无法实现这个目标。
2.越来越需要降低驾驶员未发现减速带的可能性。


技术实现要素：

3.一种用于减速带提示的方法、系统和非暂时性计算机可读介质。
附图说明
4.从下文的详细描述并结合附图将更全面地理解和领会本公开的实施例，其中：
5.图1a图示了方法的示例；
6.图1b图示了特征码的示例；
7.图1c图示了维度扩展过程的示例；
8.图1d图示了合并操作的示例；
9.图1e图示了混合过程的示例；
10.图1f图示了方法的示例；
11.图1g图示了方法的示例；
12.图1h图示了方法的示例；
13.图1i图示了方法的示例；
14.图1j图示了方法的示例；
15.图1k图示了方法的示例；
16.图1l图示了方法的示例；
17.图1m图示了系统的示例；
18.图1n是根据本文描述的实施例构造和运行的示例性障碍物检测和映射系统的部分图示、部分框图说明；
19.图1o图示了方法的示例；
20.图1p图示了方法的示例；
21.图1q图示了方法的示例；
22.图2a图示了方法的示例；
23.图2b图示了方法的示例；
24.图2c图示了方法的示例；
25.图3图示了方法的示例；以及
26.图4图示了方法的执行的示例。
具体实施方式
27.所述说明书和/或附图可以指图像。图像是介质单元的示例。对图像的任何参考都可以比照地适用于介质单元。介质单元可以是感测信息的示例。对介质单元的任何参考都可以比照适用于自然信号，例如但不限于自然生成的信号、表示人行为的信号、表示与股票市场相关操作的信号、医疗信号等。任何对介质单元的参考都可以比照适用于感测信息。所述感测信息可以通过任何类型的传感器进行感测，例如可见光照相机，或者可以是感测红外线、雷达图像、超声波、电光、射线照相、激光雷达(光检测和测距)的传感器等。
28.所述说明书和/或附图可以指处理器。所述处理器可以是处理电路。所述处理电路可以实现为中央处理器(cpu)，和/或一个或多个其他集成电路，例如专用集成电路(asic)、现场可编程门阵列(fpga)、全定制集成电路等，或此类集成电路的组合。
29.可以提供所述说明书和/或附图中所示的任何方法的任何步骤的任何组合。
30.可以提供任何权利要求的任何主题的任何组合。
31.可以提供在所述说明书和/或附图中图示的系统、单元、组件、处理器、传感器的任何组合。
1.图2a是用于生成减速带提示的方法101的示例。
2.方法101可以由车辆的计算机化系统、多个车辆的计算机化系统(例如通过协作、负载平衡、在所述不同车辆之间分配不同任务等)、由一个或多个不属于车辆的计算机化系统等执行。
3.方法101可以从步骤110开始，即获取视频信息和遥测信息，其中所述视频信息和所述遥测信息是在一个或多个车辆的驾驶区段期间获得的。
4.所述遥测信息可以由一个或多个传感器生成。所述一个或多个传感器可包括非视觉传感器、视觉传感器、振动传感器、冲击传感器、减震器监控器、刹车监控器、加速度计、速度传感器、热传感器等。
5.步骤110之后可以是步骤120，即基于至少一个所述遥测信息，确定多个疑似驶过减速带事件。
6.例如，当到达并通过减速带时，所述遥测信息可以提供抬高(例如所述前轮和/或所述车辆的前部)的指示，所述抬高是紧接着(例如几厘米以内、几十厘米以内、一米以内、几米以内)所述前轮和/或所述车辆前部的下降。所述指示可以是机械指示或视觉指示。
7.步骤120之后可以是步骤130，即选择视频信息片段。每个选定的视频信息片段是在疑似驶过减速带事件之前(例如几秒前、半分钟前、一分钟前、多于一分钟前、几米前、几十米前)以及时间接近于所述疑似驶过减速带事件时获取的。时间接近可以是指，所述视频信息片段可能在发生所述疑似驶过减速带事件时、发生所述疑似驶过减速带事件前几秒等结束。
8.步骤130之后可以是步骤140，即处理至少一些所述选定的视频信息片段，从而找到至少一个减速带标识符。
9.步骤140可以包括将机器学习过程应用于至少一些所述选定的视频信息片段，从而找到所述至少一个减速带标识符。
10.所述选定的视频信息片段的获取可能与多个减速带和/或多个减速带类型和/ 或位于多个位置的减速带相关。
11.对于每一个特定的减速带，所述机器学习过程可以基于选定的视频信息片段生成一个或多个减速带标识符，所述选定的视频信息片段的获得仅与所述特定的减速带相关。
12.对于每一个特定的减速带，所述机器学习过程可以基于选定的视频信息片段生成一个或多个减速带标识符，所述选定的视频信息片段的获得仅与位于一些或全部所述多个位置中的减速带相关。
13.对于属于特定减速带e的特定减速带，所述机器学习过程可以基于选定的视频信息片段生成一个或多个减速带指示符，所述选定的视频信息片段的获得仅与所述特定的减速带类型的一个、一些或所有减速带相关。
14.对于属于特定的减速带类型的特定减速带，所述机器学习过程可以基于选定的视频信息片段生成一个或多个减速带指示符，所述选定的视频信息片段的获得仅与一个或多个减速带类型的一个、一些或所有减速带相关。
15.减速带标识符可以包括图像信息(例如减速带交通标志的图像、减速带前的情景图像、道路上形成的减速带标记的图像，或所述任何图像的特征码)和/或可以包括文字信息(例如，应出现在减速带交通标志中的文字，或此类文字的特征码)。
16.步骤140可以包括生成减速带标识符，所述减速带标识符(a)在减速带之前以及时间接近于减速带时以第一概率出现或发生，并且(b)以第二概率在所述减速带之外出现或发生，所述第二概率显著低于(例如至少10％、15％、20％、30％、35％、 40％、45％、50％、55％、60％、65％、70％、75％、80％、85％、90％)所述第一概率。
17.可以为每个减速带、每个减速带类型、每两个或多个减速带类型等提供一个或多个减速带标识符。
18.步骤140可以包括将减速带分类为减速带类型或接收减速带类型的定义。
19.所述分类可以涉及生成簇结构，所述簇结构包括减速带的特征码并且还可以包括元数据。不同的簇可能与不同的减速带类相关联。
20.特征码生成和聚类的非限制性示例可以在本文下述的某些部分和pct专利申请wo2020/079508中提供，所述专利申请通过引用并入本文。
21.步骤140之后可以是步骤170，即当确定所述车辆正在接近所述减速带时生成高级驾驶辅助系统(adas)响应。
22.所述adas响应可以包括生成针对人工驾驶员的推荐(例如驾驶推荐)。
23.所述adas响应可以包括控制驾驶车辆的一个方面，所述方面可以包括速度、加速度、超车操纵、驾驶方向等。
24.图2b是用于生成减速带提示的方法102的示例。
25.方法102可以从步骤110开始，即获取视频信息和遥测信息，其中所述视频信息和所述遥测信息是在一个或多个车辆的驾驶区段期间获得的。
26.遥测信息可以是一个或多个传感器感测到的信息，尤其是非视频信息。
27.步骤110之后可以是步骤120，即基于至少一个所述遥测信息，确定多个疑似驶过减速带事件。
1.步骤120之后可以是步骤130，即选择视频信息片段。
2.步骤130之后可以是步骤140，即处理至少一些所述选定的视频信息片段，从而找到至少一个减速带标识符。
3.步骤140之后可以是步骤150，即基于在所述疑似驶过减速带事件之前以及时间接近于所述疑似驶过减速带事件时获取的遥测信息，在发生所述疑似驶过减速带事件之前确定推荐驾驶行为。
4.步骤150还响应于在疑似驶过减速带事件期间获取的遥测信息。
5.步骤150可以基于不同驾驶行为的接受度确定所述推荐驾驶行为，例如基于最常见的驾驶行为——所有驾驶行为中最常见的——每个减速带、每种减速带类型、减速带前每个初始速度、驶过减速带每个速度的最常见驾驶行为，或它们的组合。所述选择可以考虑(应用任何函数——加权总和或任何其他函数)不止一个最易接受的行为。
6.附加地或替代地，步骤150可以基于所述驾驶对所述车辆的影响确定所述推荐驾驶行为，例如选择施加压力较小和/或机械冲击较小和/或力量较小和/或损坏所述车辆较轻的行为。
7.步骤140之后还可以是步骤160，即生成可以指示所述减速带位置的减速带图。所述减速带图还可以包括附加信息，例如所述减速带类型、到达所述减速带时的推荐行为等。
8.图2c图示了方法103的示例。
9.方法102可以从步骤110开始，即获取视频信息和遥测信息，其中所述视频信息和所述遥测信息是在一个或多个车辆的驾驶区段期间获得的。
10.步骤110之后可以是步骤120，即基于至少一个所述遥测信息确定多个疑似驶过减速带事件。
11.步骤120之后可以是步骤130，即选择视频信息片段。
12.方法103还可以包括步骤135，即获得与所述选定的视频信息片段不同的其他视频信息片段。
13.所述一个或多个其他视频信息片段可以是一个或多个未选定的视频信息片段，即在步骤110期间获得但在步骤130期间未选定的视频信息片段。不管在步骤110 期间获得的所述视频信息如何，都可以获得所述一个或多个其他视频信息片段。它们可以从任何来源和/或以任何方式获得。
14.步骤130和135之后可以是步骤141，即处理至少一些所述选定的视频信息片段和至少一些所述其他视频信息片段，从而找到至少一个减速带标识符。
15.所述处理可以包括将所述机器学习过程至少应用于至少一些所述选定的视频信息片段。
16.所述处理可以包括将所述机器学习过程至少应用于至少一些所述选定的视频信息片段和至少一些所述其他视频信息片段。
17.所述处理可以包括，除了所述机器学习过程之外，将一个或多个处理步骤应用在所述机器学习过程之后、所述机器学习过程之前或所述机器学习过程期间。
18.步骤141可用于增加所述至少一个减速带标识符的独特性。
19.例如，步骤141可以包括：
·
步骤143，即获取关于在所述至少一些所述选定的视频信息片段内物体出现的第一出现信息。
·
步骤145，即获取关于在所述至少一些所述其他视频信息片段内物体出现的第二出现信息。
·
步骤147，即根据所述第一出现信息和所述第二出现信息，确定所述至少一个减速带标识符。这可以包括选择在所述至少一些所述选定的视频信息片段中出现得比在所述至少一些所述其他视频信息片段中出现得更多的减速带物体。“更多”可能具有统计意义，或者可能在误报和误警告之间取得任何预限定或以其他方式请求的其他权衡。
20.所述第一出现信息的计算可以基于所述物体在所述至少一些所述选定的视频信息片段和所述至少一些所述其他视频信息片段的组合中的出现。
21.图3图示了用于减速带提示的方法200的示例。
22.方法200可以开始于步骤210，即通过车辆计算机化系统获得至少一个减速带标识符，所述至少一个减速带标识符在离开高速公路之前是可见的。
23.步骤210可包括生成或接收所述至少一个减速带标识符。
24.可以使用方法101、102和103中的任一个生成所述至少一个减速带标识符。
25.步骤210之后可以是步骤220，即获得关于所述车辆的环境的感测信息。
26.步骤220之后可以是步骤230，即处理所述感测信息，其中所述处理可以包括搜索所述至少一个减速带标识符。
27.步骤230之后可以是步骤240，即确定所述车辆是否到达减速带。
28.步骤240之后可以是步骤250，即当确定所述车辆正在到达所述减速带时生成所述减速带提示。
29.所述提示可以是视觉提示，可以是音频提示，可以是视听提示，可以包括触觉提示，可以指示所述近处的减速带，可以提供距所述减速带的距离信息，可以生成多次，可以建议到所述减速带的路径等。
30.可以对每个减速带生成所述提示，可以仅在包括在所述车辆的计划和/或建议路径中的减速带之前生成，可以在所述路径已经改变(例如由于驾驶条件)等情况下生成。
31.用于生成所述提示的指令和/或元数据可以在步骤210中提供或者可以以任何其他方式生成和/或获得。
32.例如，关于感测和/或视觉信息的所述处理和/或特征码的生成，可以在本文下述部分和pct专利申请wo2020/079508中找到示例，所述申请通过引用并入本文。
33.图4图示了方法的执行的示例。
34.图4图示了具有减速带302、带有减速带提示文字的两个交通标志303和304 的道路300，文字“前方减速带”305绘制在道路上。
35.当所述车辆感测到两个交通标志303和304以及文字305中的至少一个时生成减速带出口提示。
36.图4还图示了在到达所述减速带之前(箭头311)以及时间接近于所述到达减速带时获得的选定的视频信息片段(例如一个或多个视频剪辑)321。
37.图4还图示了在到达所述减速带出口之后(箭头312)获得的其他视觉信息段(例如一个或多个视频剪辑)322。
38.图4还图示了在到达所述减速带之前(箭头311)以及驶过所述减速带时获得的遥测信息段331。
39.特征码的低能量生成
1.介质单元内容的分析可以通过生成所述介质单元的特征码，并且通过将所述特征
码与参考特征码进行比较来执行。所述参考特征码可以以一种或多种概念结构设置，或者可以以任何其他方式设置。所述特征码可用于物体检测或任何其他用途。
2.可以通过创建所述介质单元的多维表示来生成所述特征码。所述介质单元的所述多维表示可能具有非常多的维度。高维度数可以保证，包含不同物体的不同介质单元的所述多维表示是稀疏的，并且不同物体的物体标识符彼此相距较远，从而提高所述特征码的鲁棒性。
3.所述特征码的所述生成以包括多次迭代的迭代方式执行，每次迭代可以包括扩展操作，之后是合并操作。迭代的所述扩展操作是通过所述迭代的跨接元件来执行的。通过在每次迭代中确定(所述迭代的)哪些跨接元件是相关的，并降低不相关跨接元件的能耗，可以节省大量的能源。
4.在许多情况下，迭代的大多数跨接元件是不相关的，因此在(通过所述跨接元件)确定它们的相关性之后，被认为不相关的所述跨接元件可以被关闭或进入空闲模式。
5.图1a图示了用于生成介质单元的特征码的方法5000。
6.方法5000可以从步骤5010开始，即接收或生成感测信息。
7.所述感测信息可以是多个物体的介质单元。
8.步骤5010之后可以是，通过执行多次迭代来处理所述介质单元，其中所述多次迭代中的至少一些包括通过所述迭代的跨接元件应用维度扩展过程，之后是合并操作。
9.所述处理可以包括：
10.步骤5020，即执行第k次迭代扩展过程(k可以是用于跟踪迭代次数的变量)。
11.步骤5030，即执行第k次迭代合并过程。
12.步骤5040，即改变k的所述值。
13.步骤5050，即检查是否完成了所有所需迭代，如果完成了，则进行到完成所述特征码的所述生成的步骤5060，否则，则跳转到步骤5020。
14.步骤5020的输出是第k次迭代扩展结果5120。
15.步骤5030的输出是第k次迭代合并结果5130。
16.对于每次迭代(所述第一次迭代除外)，所述前次迭代的所述合并结果是所述当前迭代扩展过程的输入。
17.所述k次迭代中的至少一些涉及选择性地降低被认为不相关的一些跨接元件 (在步骤5020期间)的能耗。
18.图1b是作为图像6000的介质单元和最后(第k次)迭代的结果6013的图像特征码6027的示例。
19.图像6001实际上是片段到片段6000(i,k)。所述片段可以具有相同的形状和尺寸，但不一定如此。
20.结果6013可以是包括所述介质单元的每个片段值的向量的张量。一个或多个物体可能出现在特定片段中。对于每个物体，(所述特征码的)物体标识符指向与特定片段相关联的特定向量内显著值的位置。
21.例如，所述图像的左上角片段(6001(1,1))可以在所述结果6013中由具有多个值的向量v(1,1)6017(1,1)表示。每个向量值的数量可能超过100、200、500、 1000等。
22.可以选择所述显著值(例如，超过10、20、30、40个值和/或超过所述向量的全部值
的0.1％、0.2％、0.5％、1％、5％等)。所述显著值可以具有所述值——但可以以任何其他方式选择。
23.图1b图示了向量v(1,1)6017(1,1)的一组显著响应6015(1,1)。所述组包括五个显著值，如第一显著值sv1(1,1)6013(1,1,1)、第二显著值sv2(1,1)、第三显著值sv3(1,1)、第四显著值sv4(1,1)和第五显著值sv5(1,1)6013 (1,1,5)。
24.所述图像特征码6027包括用于检索所述五个显著值的五个指数，第一至第五标识符idl-id5是用于检索所述第一至第五显著值的指数。
25.图1c图示了第k次迭代扩展过程。
26.所述第k次迭代扩展过程通过接收前次迭代的合并结果5060’开始。
27.前次迭代的所述合并结果可以包括指示前次扩展过程的值，例如，可以包括指示来自前次扩展操作的相关跨接元件的值、指示在前次迭代的所述合并结果的多维表示中感兴趣的相关区域的值。
28.(所述前次迭代的)所述合并结果被馈送到诸如跨接元件5061(1)-5061 (j)之类的跨接元件。
29.每个跨接元件都与唯一一组值相关联。所述组可以包括一个或多个值。所述跨接元件应用可能彼此正交的不同函数。使用非正交函数可能会增加所述跨接元件的数量，但这种增加是可以容忍的。
30.所述跨接元件可以应用彼此去相关的函数，即使彼此不正交。
31.所述跨接元件可以与物体标识符的不同组合相关联，所述物体标识符可以“覆盖”多个可能的介质单元。可以以各种方式选择物体标识符组合的候选方案，例如基于它们在各种图像(例如测试图像)中随机出现、伪随机出现、根据一些规则出现等来选择。在这些候选方案中，所述组合可以被选择为去相关的，以覆盖所述多个可能的介质单元和/或以将某些物体映射到相同跨接元件的方式选择。
32.每个跨接元件将所述合并结果的所述值与所述唯一组(与所述跨接元件相关联)进行比较，并且如果可以匹配，则认为所述跨接元件是相关的。如果可以匹配，则所述跨接元件完成所述扩展操作。
33.如果不匹配，则所述跨接元件被认为是不相关的并且进入低功率模式。所述低功率模式也可以称为空闲模式、待机模式等。所述低功率模式被称为低功率的原因于，不相关跨接元件的功耗低于相关所述跨接元件的功耗。
34.在图1c中，各种跨接元件是相关的(5061(1)-5061(3))，并且一个跨接元件是不相关的(5061(j))。
35.每个相关跨接元件可以执行跨接操作，所述跨接操作包括分配指示所述迭代的所述相关跨接元件的身份的输出值。所述输出值还可以指示(来自前次迭代的)前次相关跨接元件的身份。
36.例如，假设所述跨接元件的数量50是相关的，并且与唯一一组值8和4相关联，那么所述输出值可能反映数字50、4和8，例如1000乘以(50+40)再加上40。可以应用任何其他映射函数。
37.图1c还图示了每个跨接元件执行的所述步骤：
38.检查所述合并结果是否与所述跨接元件相关(步骤5091)。
39.如果相关，则完成所述跨接操作(步骤5093)。
40.如果不相关，则进入空闲状态(步骤5092)。
41.图1d是各种合并操作的示例。
42.合并操作可以包括查找感兴趣的区域。所述感兴趣的区域是所述感测信息的多维表示内的区域。感兴趣的区域可能表现出更显著的响应(例如更有力、更高强度的响应)。
43.所述合并操作(在第k次迭代合并操作期间执行)可以包括以下至少一项：
44.步骤5031，即搜索(所述第k次迭代扩展操作结果的)感兴趣的区域之间的重叠，并限定与所述重叠相关的感兴趣的区域。
45.步骤5032，即确定以丢弃一个或多个感兴趣的区域，并根据所述确定丢弃。
46.步骤5033，即搜索(所述第k次迭代扩展操作结果的)感兴趣的区域之间的关系，并限定与所述关系相关的感兴趣的区域。
47.步骤5034，即搜索(所述第k次迭代扩展操作结果的)感兴趣的邻近区域，并限定与所述邻近相关的感兴趣的区域。邻近可以是所述多维空间的某一部分(例如小于1％)的距离，可以是被测试是否邻近的所述感兴趣的区域中至少一个的某一部分。
48.步骤5035，即搜索(所述第k次迭代扩展操作结果的)感兴趣的区域之间的关系，并限定与所述关系相关的感兴趣的区域。
49.步骤5036，即基于与第k次迭代的感兴趣的区域的形状相关的形状信息，合并和/或丢弃第k次迭代的感兴趣的区域。
50.可以在不同的迭代中应用相同的合并操作。
51.可选地，可以在不同的迭代期间执行不同的合并操作。
52.图1e图示了混合过程和输入图像6001的示例。
53.在某些扩展和合并操作由卷积神经网络(cnn)执行，并且某些扩展和合并操作(表示扩展和合并的附加迭代)不是由cnn执行，而是由可以包括确定跨接元件的相关性且使不相关跨接元件进行低功率模式的过程执行的意义上，混合过程是混合的。
54.在图1e中，一个或多个初始迭代由应用第一和第二函数6015(1)和6015 (2)的第一和第二cnn层6010(1)和6010(2)执行。
55.这些层的所述输出提供了关于图像属性的信息。所述图像属性可能不等同于物体检测。图像属性可以包括边缘的位置、曲线的属性等。
56.所述cnn可以包括附加层(例如第三到第n层6010(n))，其可以提供可以包括物体检测信息的cnn输出6018。应当注意的是，可以不包括所述附加层。
57.需要注意的是，由固定连接的硬件cnn执行所述整个特征码生成过程的功耗可能更高，因为所述cnn将无法降低不相关节点的功耗。
58.图1f图示了用于特征码的低功率计算的方法7000。
59.方法7000从步骤7010开始，即接收或生成多个物体的介质单元。
60.步骤7010之后可以是步骤7012，即通过执行多次迭代来处理所述介质单元，其中所述多次迭代中的至少一些包括通过所述迭代的跨接元件应用维度扩展过程，之后是合并操作。
61.迭代的所述维度扩展过程的所述应用可以包括(a)确定所述迭代的所述跨接元件的相关性；以及(b)通过所述迭代的相关跨接元件完成所述维度扩展过程，并降低不相关跨
接元件的功耗，直到至少完成所述维度扩展过程的所述应用。
62.所述标识符可以是用于检索所述显著部分的检索信息。
63.所述多次迭代中的所述至少一些可以是所述多次迭代中的大部分。
64.所述多次迭代的所述输出可以包括所述介质单元的多个片段中的每个片段的多种属性特性；并且其中所述多次迭代的输出的所述显著部分可以包括更有影响力的属性特性。
65.所述多次迭代的所述第一次迭代可以包括通过在所述介质单元上应用不同的过滤器应用所述维度扩展过程。
66.所述多次迭代中的所述至少一些不包括所述多次迭代中的至少第一次迭代。例如，参见图1e。
67.所述迭代的所述跨接元件的相关性的所述确定可以基于至少一个前次迭代的相关跨接元件的至少一些身份。
68.所述迭代的所述跨接元件的相关性的所述确定可以基于所述迭代之前的至少一个前次迭代的相关跨接元件的至少一些身份。
69.所述迭代的所述跨接元件的相关性的所述确定可以基于所述介质单元的属性。
70.所述迭代的所述跨接元件的相关性所述确定可以由所述迭代的所述跨接元件执行。
71.方法7000可以包括神经网络处理操作，所述操作可以由神经网络的一个或多个层执行，并且不属于所述多次迭代中的至少一些。例如，参见图1e。
72.可以在不降低所述一个或多个层的不相关神经元功耗的情况下执行所述至少一次迭代。
73.所述一个或多个层可以输出关于所述介质单元的属性的信息，其中所述信息不同于所述多个物体的识别。
74.通过不同于所述第一次迭代的迭代的跨接元件来应用所述维度扩展过程可以包括：分配输出值，所述输出值可以指示所述迭代的所述相关跨接元件的身份。例如，参见图1c。
75.通过不同于所述第一次迭代的迭代的跨接元件来应用所述维度扩展过程可以包括：分配输出值，所述输出值可以指示维度扩展过程的历史，直到与所述第一次迭代不同的迭代。
76.所述每个跨接元件可以与参考标识符的子组相关联。所述迭代的每个跨接元件的相关性的所述确定可以基于所述跨接元件的所述参考标识符的所述子组与所述迭代之前的最后合并操作的输出之间的关系。
77.迭代的维度扩展过程的所述输出可以是所述介质单元的多维表示，其可以包括可能与一个或多个扩展过程相关联的感兴趣的介质单元区域，所述扩展过程生成感兴趣的区域。
78.所述迭代的所述合并操作可以包括基于所述感兴趣的多维区域的子组之间的空间关系选择感兴趣的介质单元区域的子组。
79.方法7000可以包括对感兴趣的多维区域的所述子组应用合并函数。例如，参见图1c。
80.方法7000可以包括对感兴趣的多维区域的所述子组应用相交函数。例如，参见图1c。
81.所述迭代的所述合并操作可以基于一个或多个感兴趣的多维区域的实际尺寸。
82.所述迭代的所述合并操作可以基于所述感兴趣的多维区域的尺寸之间的关系。例如，可以保持较大的感兴趣的多维区域，同时可以忽略较小的感兴趣的多维区域。
83.所述迭代的所述合并操作可以基于在至少所述迭代和一个或多个前次迭代期间所述感兴趣的介质单元区域的变化。
84.步骤7012之后可以是步骤7014，即确定与所述多次迭代的输出的显著部分相关联的标识符。
85.步骤7014之后可以是步骤7016，即提供包括所述标识符并且表示所述多个物体的特征码。
86.定位和分割
87.任何上述特征码生成方法都提供了不明确包括精确形状信息的特征码。这增加了所述特征码相对于形状相关不准确性或其他形状相关参数的鲁棒性。
88.所述特征码包括用于识别感兴趣的介质区域的标识符。
89.每个感兴趣的介质区域可以表示物体(例如车辆，行人，道路要素，人造结构，可穿戴设备，鞋子，自然要素，例如树、天空、太阳等)或物体的一部分(例如，就行人而言，颈部、头部、手臂、腿、大腿、臀部、脚、上臂、前臂、手腕和手)。应当注意的是，鉴于物体检测的目的，物体的一部分可以被视为物体。
90.所述物体的所述确切形状可能是令人感兴趣的。
91.图1g图示了方法7002，即生成介质单元的混合表示。
92.方法7002可以包括一系列步骤7020、7022、7024和7026。
93.步骤7020可以包括接收或生成所述介质单元。
94.步骤7022可以包括通过执行多次迭代处理所述介质单元，其中所述多次迭代中的至少一些包括通过所述迭代的跨接元件应用所述维度扩展过程，之后是合并操作。
95.步骤7024可以包括，基于所述多次迭代的输出，选择对所述多次迭代的所述输出有贡献的感兴趣的介质单元区域。
96.步骤7026可以包括提供混合表示，其中所述混合表示可以包括：(a)关于所述感兴趣的介质单元区域的形状的形状信息，以及(b)介质单元特征码，其包括识别所述感兴趣的介质单元区域的标识符。
97.步骤7024可以包括从所述介质单元的多个片段中选择每个片段的所述感兴趣的介质区域。例如，参见图2。
98.步骤7026可以包括生成所述形状信息的步骤7027。
99.所述形状信息可以包括表示基本上界定所述感兴趣的介质单元区域的形状的多边形。这些多边形可能是有高度的。
100.为了节省存储空间，所述方法可以包括步骤7028，即压缩所述介质单元的所述形状信息以提供所述介质单元的压缩形状信息。
101.图1h图示了用于生成介质单元的混合表示的方法5002。
102.方法5002可以从步骤5011开始，即接收或生成介质单元。
103.步骤5011之后可以是，通过执行多次迭代处理所述介质单元，其中所述多次迭代中的至少一些包括通过所述迭代的跨接元件应用维度扩展过程，之后是合并操作。
104.所述处理之后可以是步骤5060和5062。
105.所述处理可以包括步骤5020、5030、5040和5050。
106.步骤5020可以包括执行第k次迭代扩展过程(k可以是用于跟踪迭代次数的变量)。
107.步骤5030可以包括执行第k次迭代合并过程。
108.步骤5040可以包括改变k的所述值。
109.步骤5050可以包括检查是否完成了所有需要的迭代，如果完成了，则进行到步骤5060和5062。否则，跳到步骤5020。
110.步骤5020的所述输出是第k次迭代扩展结果。
111.步骤5030的所述输出是第k次迭代合并结果。
112.对于每次迭代(第一次迭代除外)，所述前次迭代的所述合并结果是所述当前迭代扩展过程的输入。
113.步骤5060可以包括完成特征码的所述生成。
114.步骤5062可以包括生成关于感兴趣的介质单元区域的形状的形状信息。所述特征码和所述形状信息提供所述介质单元的混合表示。
115.步骤5060和5062的所述组合相当于提供混合表示，其中所述混合表示可以包括(a)关于所述感兴趣的介质单元区域的形状的形状信息，以及(b)介质单元特征码，其包括标识所述感兴趣的介质单元区域的标识符。
116.使用压缩形状信息的物体检测。
117.物体检测可以包括将输入图像的特征码与一个或多个簇结构的特征码进行比较，以便查找一个或多个簇结构，所述簇结构包括一个或多个匹配特征码，其与所述输入图像的特征码匹配。
118.与所述簇结构比较的输入图像数量可能会超过所述簇结构的特征码数量。例如，数千、数万、数十万(甚至更多)的输入特征码可以与更少的簇结构特征码进行比较。输入图像数量与所有所述簇结构的特征码总数的比值可能超过十、一百、一千等。
119.为了节省计算资源，可以压缩所述输入图像的所述形状信息。
120.另一方面，属于所述簇结构的特征码的所述形状信息可以是未压缩的，并且比所述压缩的形状信息具有更高的精确度。
121.当不需要更高的质量时，所述簇特征码的所述形状信息也可以被压缩。
122.簇特征码的所述形状信息的压缩可以基于所述簇特征码的优先级、与所述簇特征码匹配的接受度等。
123.可以基于与匹配特征码相关的形状信息计算与输入图像相关的所述形状信息，所述形状信息与一个或多个簇结构相匹配。
124.例如，可以基于与所述匹配特征码内的所述特定标识符相关的形状信息确定关于所述输入图像的所述特征码内的特定标识符的形状信息。
125.可以应用对与所述匹配特征码内的所述特定标识符相关的所述形状信息的任何操作，以便确定由所述特定标识符标识的所述输入图像的所述感兴趣区域的(更高精确度)所述形状信息。
126.例如，所述形状可以彼此实际重叠并且每个像素群可以限定所述形状。
127.例如，只有出现在所述重叠形状的至少大部分中的像素才应被视为属于所述感兴趣的区域。
128.其他操作可以包括平滑所述重叠形状、选择出现在所有重叠形状中的像素。
129.可以忽略或考虑所述压缩的形状信息。
130.图1i图示了匹配过程和生成精确度更高的形状信息。
131.假设存在多个(m)簇结构4974(1)-4974(m)。每个簇结构包括簇特征码、关于所述簇特征码的元数据以及关于所述感兴趣的区域的形状信息，所述感兴趣的区域由所述簇特征码的标识符标识。
132.例如，第一簇结构4974(1)包括多个(n1)特征码(称为簇特征码cs) cs(1,1)-cs(1,n1)4975(1,1)-4975(1,n1)、元数据4976(1)和关于与所述cs 标识符相关联的感兴趣区域的形状的形状信息(形状信息4977(1))。
133.再如，第m个簇结构4974(m)包括多个(n2)特征码(称为簇特征码 cs)cs(m,1)
–
cs(m,n2)4975(m,1)
–
4975(m,n2)、元数据4976(m)和关于与所述cs标识符相关联的感兴趣区域的形状的形状信息(形状信息4977(m))。
134.每个概念结构的特征码数量可能会随着时间而改变，例如，原因在于在从所述结构中移除cs以缩减簇结构期间的簇缩减尝试，检查所述缩减的结构，从而确定所述缩减的簇特征码仍然可以识别与(非缩减的)簇特征码相关联的物体，并且如果是这样的话，所述特征码可能会从所述簇特征码中缩减。
135.每个簇结构的所述特征码相互关联，其中所述关联可以基于特征码的相似性和/或基于所述特征码的元数据之间的关联。
136.假设每个簇结构都与唯一的物体相关联，那么可以通过查找与所述物体相关联的簇结构来识别介质单元的物体。所述匹配簇结构的所述查找可以包括将所述介质单元的特征码与所述簇结构的特征码进行比较，并且从所述簇特征码中搜索一个或多个匹配特征码。
137.在图1i中，具有混合表示的介质单元进行物体检测。所述混合表示包括介质单元特征码4972和压缩形状信息4973。
138.将所述介质单元特征码4972与所述m个簇结构——从cs(1,1)4975 (1,1)到cs(m,n2)4975(m,n2)的所述特征码进行比较。
139.我们假设一个或多个簇结构是匹配的簇结构。
140.一旦查找所述匹配的簇结构，所述方法就通过生成准确度高于所述压缩形状信息的形状信息继续进行。
141.所述形状信息的所述生成是按标识符进行的。
142.对于范围在1和j(j是每个所述介质单元特征码4972的标识符的数量)之间的每个j，所述方法可以执行以下步骤：
143.查找(步骤4978(j))每个匹配特征码或所述匹配簇结构的每个特征码的第j个标识符的所述形状信息。
144.生成(步骤4979(j))所述第j个标识符的更高准确度的形状信息。
145.例如，假设所述匹配特征码包括cs(1,1)2975(1,1)、cs(2,5)2975 (2,5)、cs(7,3)
2975(7,3)和cs(15,2)2975(15,2)，并且所述第j个标识符包含在cs(1,1)2975(1,1)、cs(7,3)2975(7,3)和cs(15,2)2975(15,2)中，然后基于与cs(1,1)2975(1,1)、cs(7,3)2975(7,3)和cs(15,2)2975(15,2)关联的所述形状信息确定所述介质单元的所述第j个标识符的所述形状信息。
146.图1p图示了包括四个感兴趣的区域8001、8002、8003和8004的图像8000。图像8000的所述特征码8010包括各种标识符，包括标识所述感兴趣的四个区域8001、 8002、8003和8004的id1 8011、id2 8012、id3 8013和id48014。
147.所述感兴趣的四个区域8001、8002、8003和8004的所述形状是四个多边形。可以在特征码8010的所述生成期间生成关于这些感兴趣的区域的形状的准确形状信息。
148.图1j图示了用于物体检测的方法8030。
149.方法8030可以包括方法8020的步骤或者之前可以是步骤8022、8024和 8026。
150.方法8030可以包括一系列步骤8032、8034、8036和8038。
151.步骤8032可以包括接收或生成输入图像。
152.步骤8034可以包括生成所述输入图像的特征码。
153.步骤8036可以包括将所述输入图像的所述特征码与特定概念结构的特征码进行比较。所述特定概念结构可以通过方法8020生成。
154.步骤8038可以包括当所述特定概念结构的所述特征码中的至少一个与所述输入图像的所述特征码匹配时确定所述输入图像包括所述物体。
155.图示了用于物体检测的方法8040。
156.方法8040可以包括方法8020的步骤或者之前可以是步骤8022、8024和 8026。
157.方法8040可以包括一系列步骤8041、8043、8045、8047和8049。
158.步骤8041可以包括接收或生成输入图像。
159.步骤8043可以包括生成所述输入图像的特征码，所述输入图像的所述特征码仅包括一些所述特定第二图像标识符；其中所述第二比例的所述输入图像。
160.步骤8045可以包括将所述输入图像的比例改变为所述第一比例以提供修正的输入图像。
161.步骤8047可以包括生成所述修正的输入图像的特征码。
162.步骤8049可以包括当所述修正的输入图像的所述特征码包括所述至少一个特定的第一图像标识符时验证所述输入图像包括所述物体。
163.对采集角度具有鲁棒性的物体检测。
164.物体检测可以受益于采集角度的鲁棒性——受益于图像传感器的光轴线和所述物体的某个部分之间角度的鲁棒性。这使得检测过程更可靠，使用的不同簇更少 (可能不需要用来从不同图像中识别同一物体的多个簇)。
165.图1k图示了包括以下步骤的方法8120：
166.步骤8122，即接收或生成从不同角度拍摄的物体的图像。
167.步骤8124，即查找从彼此接近的不同角度拍摄的物体的图像。足够接近可能小于1度、5度、10度、15度和20度，但通过接收到基本相同的特征码可以更好地反映所述接近程度。
168.步骤8126，即在相似特征码的所述图像之间进行链接。这可能包括搜索本地相似
性。所述相似性是局部的，因为它们是根据特征码的子组计算的。例如，假设要确定每两个图像的相似性，那么第一特征码可以链接到与所述第一图像相似的第二特征码。可以基于所述第二和第三特征码之间的相似性，甚至不管所述第一和第三特征码之间的关系如何，将第三特征码链接到所述第二图像。
169.步骤8126可以包括生成包括所述相似特征码的概念数据结构。
170.这种所谓的局部或滑动窗口方法，除了获取足够的图像(这将在统计上大角度覆盖)之外，还能够生成包括在多个方向拍摄的物体特征码的概念结构。
171.特征码定制的匹配阈值。
172.物体检测可以通过以下方式实现：(a)接收或生成包括介质单元的特征码和相关元数据的概念结构，(b)接收新介质单元，生成新介质单元特征码，以及(c) 将所述新介质单元特征码与所述概念结构的所述概念特征码进行比较。
173.所述比较可以包括将新介质单元特征码标识符(出现在所述新介质单元中物体的标识符)与概念特征码标识符进行比较，并基于特征码匹配标准确定所述新介质单元特征码是否与概念特征码匹配。如果发现这样的匹配，则认为所述新介质单元包括与所述概念结构相关联的所述物体。
174.发现通过应用可调整的特征码匹配标准，所述匹配过程可以是高效的并且可以使其自身适应不同场景中标识符出现的统计数字。例如，当所述新介质单元特征码和簇特征码中出现一个相对靠后但区别性很强的标识符时，可能会得到匹配，但当在所述新介质单元特征码和簇特征码中出现多个共同且稍有区别的标识符时，可能会宣称不匹配。
175.图1l图示了用于物体检测的方法8200。
176.方法8200可以包括：
177.步骤8210，即接收输入图像。
178.步骤8212，即生成所述输入图像的特征码。
179.步骤8214，即将所述输入图像的所述特征码与概念结构的特征码进行比较。
180.步骤8216，即基于特征码匹配标准，确定所述输入图像的所述特征码是否匹配所述概念结构的任一所述特征码，其中所述概念结构的每个特征码在特征码匹配标准内相关联，基于所述特殊码的物体检测参数确定所述特征码匹配标准。
181.步骤8218，即基于所述确定的结果总结出所述输入图像包括与所述概念结构相关联的物体。
182.所述特征码匹配标准可以是指示匹配的匹配标识符数量最少。例如，假设包括几十个标识符的特征码，最小数量可以在所述特征码的单个标识符到所有标识符之间变化。
183.应当注意的是，输入图像可以包括多个物体，并且所述输入图像的特征码可以匹配多个簇结构。方法8200适用于所有所述匹配过程，并且可以为每个簇结构的每个特征码设置所述特征码匹配标准。
184.步骤8210之前可以是步骤8202，即通过根据不同特征码匹配标准评估所述特征码的物体检测能力确定每个特征码匹配标准。
185.步骤8202可以包括：
186.步骤8203，即接收或生成一组测试图像的特征码。
187.步骤8204，即针对所述不同的特征码匹配标准中的每个特征码匹配标准，计算所
述特征码的所述物体检测能力。
188.步骤8206，即根据所述不同的特征码匹配标准，基于所述特征码的所述物体检测能力，选择所述特征码匹配标准。
189.所述物体检测能力可以反映匹配所述特征码的测试图像组的特征码的百分比。
190.所述特征码匹配标准的所述选择包括选择所述特征码匹配标准，所述标准一旦应用就使得匹配所述特殊码的测试图像组的特征码的百分比，接近于匹配所述特征码的测试图像组的特征码的预设期望百分比。
191.所述物体检测能力可以反映匹配所述特征码的测试图像组的特征码百分比的显著变化。例如，假设所述特征码匹配标准是匹配标识符的数量最少，并且改变所述最小数量的值可以改变匹配测试图像的百分比。百分比的实质变化(例如超过10％、 20％、30％、40％的变化)可能指示所述期望值。可以在实质性变化之前、在实质性变化附近等设置所述期望值。
192.例如，参考图1i，簇特征码cs(1,1)、cs(2,5)、cs(7,3)和cs (15,2)匹配单元特征码4972。这些匹配中的每一个可以应用唯一特征码匹配标准。
193.系统示例
194.图1m图示了能够执行一个或多个上述方法的系统的示例。
195.所述系统包括各种组件、元件和/或单元。
196.组件、元件和/或单元可以是处理电路，可以实现为中央处理器(cpu)，和/或一个或多个其他集成电路，例如专用集成电路(asic)、现场可编程门阵列 (fpga)、全定制集成电路等，或此类集成电路的组合。
197.可选地，每个组件、元件和/或单元可以在硬件、固件或软件中实现，所述硬件、固件或软件可由处理电路执行。
198.系统4900可以包括感测单元4902、通信单元4904、输入4911、一个或多个处理器，例如处理器4950，和输出4919。所述通信单元4904可以包括所述输入和/或所述输出。所述通信单元4904可以与任何实体通信——所述车辆内(例如驾驶员设备、乘客设备、多媒体设备)、所述车辆外部(另一车辆、另一计算机化系统，例如图1n 的车外计算机化系统4820、另一道路使用者、车辆外的另一人)等。
199.输入和/或输出可以是任何合适的通信组件，例如网络接口卡、通用串行总线(usb)端口、磁盘读取器、调制解调器或收发器，它们是可以操作的以使用诸如本领域已知的协议来与所述系统的其他元件直接或间接通信。
200.处理器4950可以包括以下各项中的至少一些(并且因此可能不包括以下各项的至少一个)：a.多个跨接元件4951(q)。b.多个合并元件4952(r)。c.物体检测器4953。d.簇管理器4954。e.控制器4955。f.选择单元4956。g.物体检测确定单元4957。
h.特征码生成器4958。i.运动信息单元4959。j.标识符单元4960。
201.虽然系统4900包括感测单元4902，但应该注意的是，所述系统可以从其他传感器和/或不属于所述系统的感测单元接收感测信息。所述系统可以从位于所述车辆中、与所述车辆相关联和/或位于所述车辆外部的一个或多个传感器接收信息。
202.所述说明书中说明的任何方法可以完全或部分地由系统4900执行，和/或可以完全或部分地由一个或多个其他计算机化系统执行，和/或一个或多个计算机化系统执行，例如通过计算机化系统之间的任务分配，通过多个计算机化系统之间的合作(例如，信息交换、决策交换、任何资源分配、协作决策等)执行。
203.所述一个或多个其他计算机化系统可以是，例如图1n的车外计算机化系统 4820、任何其他车外计算机化系统、一个或多个其他车载系统、所述车辆内人员的计算机化设备、所述车辆外的任何计算机化系统，例如包括另一车辆的计算机化系统。
204.其他车载系统的示例在图1n中表示为4830，并且位于沿着道路4820行驶的车辆4800内。
205.系统4900可以从任何类型的传感器获得感测信息，如照相机，一种或多种传感器。所述传感器使用任何合适的成像技术代替或附加于：传统照相机、红外传感器、雷达、超声波传感器、任何光电传感器、射线照相传感器、激光雷达(光检测和测距)、遥测ecu传感器、震动传感器等。
206.系统4900和/或其他车载系统被表示为4830，可以使用监督和/或无监督学习方式执行由它们执行的任何方法。
207.另一个车载系统4830可以是自动驾驶系统、高级驾驶员辅助系统，或者可以不同于自动驾驶系统和高级驾驶员辅助系统。
208.另一个车载系统4830可以包括处理电路210、输入/输出(i/o)模块220、一个或多个传感器233和数据库270。所述处理电路210可以执行被分配或编程为与应用程序中说明的任何方法有关的任何任务。可选地，另一个车载系统4830可以包括用于 (单独或与所述处理电路一起)执行任何此类任务的另一个模块。例如，所述处理电路可以执行指令以提供自动驾驶管理器功能。可选地，所述车载系统4830的另一个电路或模块可以提供所述自动驾驶管理器功能。
209.图1o图示了生成介质单元的混合表示的方法7002。
210.方法7002可以包括一系列步骤7020、7022、7024和7026。
211.步骤7020可以包括接收或生成所述介质单元。
212.步骤7022可以包括通过执行多次迭代处理所述介质单元，其中所述多次迭代中至少一些包括通过所述迭代的跨接元件应用维度扩展过程，之后是合并操作。
213.步骤7024可以包括基于所述多次迭代的输出，选择对所述多次迭代的所述输出有贡献的感兴趣的介质单元区域。
214.步骤7026可以包括提供混合表示，其中所述混合表示可以包括(a)关于所述感兴趣的介质单元区域的形状的形状信息，以及(b)介质单元特征码，其包括识别所述感兴趣的介质单元区域的标识符。
215.步骤7024可以包括从所述介质单元的多个片段中选择每个片段的所述感兴趣的介质区域。例如，参见图2。
216.步骤7026可以包括步骤7027，即生成所述形状信息。
217.所述形状信息可以包括表示基本上限定所述感兴趣的介质单元区域的形状的多边形。这些多边形可能是有高度的。
218.为了节省存储空间，所述方法可以包括步骤7028，即压缩所述介质单元的所述形状信息以提供所述介质单元的压缩形状信息。
219.图1p图示了用于比例不变的物体检测的方法8020。
220.方法8020可以包括第一步骤序列，所述第一步骤序列可以包括步骤8022、 8024、8026和8028。
221.步骤8022可以包括接收或生成物体以第一比例出现的第一图像和物体以第二比例出现的第二图像，所述第二比例与所述第一比例不同。
222.步骤8024可以包括生成第一图像特征码和第二图像特征码。
223.所述第一图像特征码包括第一组至少一个特定第一图像标识符，所述第一图像标识符识别所述物体的至少一部分。
224.所述第二图像特征码包括第二组特定第二图像标识符，所述第二图像标识符识别所述物体的不同部分。
225.所述第二组比所述第一组大，因为所述第二组比所述第一组具有更多的成员。
226.步骤8026可以包括在所述至少一个特定第一图像标识符和所述特定第二图像标识符之间进行链接。
227.步骤8026可以包括在所述第一图像特征码、所述第二图像特征码和所述物体之间进行链接。
228.步骤8026可以包括将所述第一特征码和所述第二特征码添加到与所述物体相关联的特定概念结构。
229.步骤8028可以包括至少部分地基于所述链接来确定输入图像是否包括所述物体。所述输入图像不同于所述第一图像和所述第二图像。
230.所述确定可以包括：当所述输入图像的特征码包括所述至少一个特定第一图像标识符或所述特定第二图像标识符时，确定所述输入图像包括所述物体。
231.所述确定可以包括：当所述输入图像的所述特征码仅包括所述至少一个特定第一图像标识符的一部分或所述特定第二图像标识符的一部分时，确定所述输入图像包括所述物体。
232.可以对所述物体以两种以上比例出现的两个以上图像执行所述链接。
233.图1q图示了用于物体检测的方法8200。
234.方法8200可以包括：
235.步骤8210，即接收输入图像。
236.步骤8212，即生成所述输入图像的特征码。
237.步骤8214，即将所述输入图像的所述特征码与概念结构的特征码进行比较。
238.步骤8216，即基于特征码匹配标准确定所述输入图像的所述特征码是否与所述概念结构的任一所述特征码匹配，其中所述概念结构的每个特征码在特征码匹配标准内相关
联，基于所述特征码的物体检测参数确定所述特征码匹配标准。
239.步骤8218，即基于所述确定的结果总结出所述输入图像包括与所述概念结构相关联的物体。
240.所述特征码匹配标准可以是指示匹配的匹配标识符数量最少。例如，假设包括几十个标识符的特征码，所述最小数量可以在所述特征码的单个标识符到所有标识符之间变化。
241.应当注意的是，输入图像可以包括多个物体，并且所述输入图像的特征码可以匹配多个簇结构。方法8200适用于所有匹配过程，并且可以为每个簇结构的每个特征码设置所述特征码匹配标准。
242.步骤8210之前可以是步骤8202，即通过根据不同的特征码匹配标准评估所述特征码的物体检测能力来确定每个特征码匹配标准。
243.步骤8202可以包括：
244.步骤8203，即接收或生成一组测试图像的特征码。
245.步骤8204，即针对所述不同的特征码匹配标准中的每个特征码匹配标准，计算所述特征码的所述物体检测能力。
246.步骤8206，即根据所述不同的特征码匹配标准，基于所述特征码的所述物体检测能力，选择所述特征码匹配标准。
247.所述物体检测能力可以反映匹配所述特征码的测试图像组的特征码的百分比。
248.所述特征码匹配标准的所述选择包括选择所述特征码匹配标准，一旦应用所述标准使得，匹配所述特殊码的测试图像组的特征码的百分比，接近于匹配所述特征码的测试图像组的特征码的预设期望百分比。
249.所述物体检测能力可以反映匹配所述特征码的测试图像组的特征码百分比的显著变化。例如，假设所述特征码匹配标准是匹配标识符的数量最少，并且改变所述最小数量的值可以改变匹配测试图像的百分比。百分比的实质变化(例如超过10％、 20％、30％、40％的变化)可能指示所述期望值。可以在实质性变化之前、在实质性变化附近等设置所述期望值。
250.所述说明书中对方法的任何参照都应比照适用于能够执行所述方法的系统，并且应比照适用于存储指令的非暂时性计算机可读介质，这些指令一旦由计算机执行就会执行所述方法。
251.所述说明书中对系统和任何其他组件的任何参考都应比照适用于由系统执行的方法，并且应当比照适用于存储可由所述系统执行的指令的非暂时性计算机可读介质。
252.所述说明书中对非暂时性计算机可读介质的任何参考都应比照适用于能够执行存储在所述非暂时性计算机可读介质中的所述指令的系统，并且应比照适用于可以由读取存储在所述非暂时性计算机可读介质中指令的计算机执行的方法。
253.可以提供在任何附图、所述说明书的任何部分和/或任何权利要求中列出的任何模块或单元的任何组合。尤其可以提供任何要求保护的特征的任何组合。
254.对术语“包括”或“具有”的任何参考也应被解释为指的是“组成”或“基本上由
……
组成”。例如，包括某些步骤的方法可以包括附加步骤，可以限于所述某些步骤，或者可以分别包括不会实质性影响所述方法的基本特征和新颖特征的附加步骤。
255.本发明还可以在用于在计算机系统上运行的计算机程序中实现，至少包括代码部分，所述代码部分用于当在诸如计算机系统之类的可编程设备上运行时执行根据本发明的方法步骤或使可编程设备能够执行根据本发明的设备或系统的功能。所述计算机程序可以使所述存储系统将磁盘驱动器分配给磁盘驱动器组。
256.计算机程序是诸如特定应用程序和/或操作系统之类的指令列表。所述计算机程序可以例如包括以下一种或多种：子例程、函数、过程、对象方法、对象实现、可执行应用程序、小应用程序、小服务程序、源代码、目标代码、共享库/动态加载库和/ 或设计用于在计算机系统上执行的其他指令序列。
257.所述计算机程序可以内部地存储在诸如非暂时性计算机可读介质之类的计算机程序产品上。所有或一些所述计算机程序可以设置在永久地、可移除地或远程地耦合到信息处理系统的非暂时性计算机可读介质上。所述非暂时性计算机可读介质可以包括，例如但不限于任意数量以下各项：磁存储介质，包括磁盘和磁带存储介质；光存储介质，例如光盘介质(如cd-rom、cd-r等)和数字视频磁盘存储介质；非易失性存储介质，包括基于半导体的存储单元，如闪存、eeprom、eprom、rom；铁磁数字存储器；磁性随机存储器(mram)；易失性存储介质，包括寄存器、缓存器或高速缓存、主存储器、ram等。计算机进程通常包括执行(运行)程序或程序的一部分、当前程序值和状态信息，以及所述操作系统管理所述进程的所述执行所使用的资源。操作系统(os)是管理计算机所述资源共享，并为程序员提供用于访问这些资源的接口的软件。操作系统处理系统数据和用户输入，并通过分配和管理任务和内部系统资源作为对系统用户和程序的服务来响应。所述计算机系统可以例如包括至少一个处理单元、相关联的存储器和多个输入/输出(i/o)设备。当执行所述计算机程序时，所述计算机系统根据所述计算机程序处理信息并通过i/o设备生成结果输出信息。
258.在前述说明书中，已经参考本发明的实施例的具体示例描述了本发明。然而，很明显，在不脱离所附权利要求中阐述的本发明更广泛的精神和范围的情况下，可以在其中进行各种修改和改变。
259.此外，所述说明书和权利要求中的术语“前部”“后部”“顶部”“底部”“上方”“下方”等用于描述目的并且不一定用于描述永久的相对位置。可以理解的是，如此使用的术语在适当的情况下是可互换的，使得例如这里描述的本发明的实施例能够在不同于这里所示出或以其他方式描述的其他方向上操作。
260.本领域技术人员将认识到，逻辑块之间的边界仅是说明性的，并且替代实施例可以合并逻辑块或电路元件，或者将在功能上可选地拆分各种逻辑块或电路元件上。因此，应当理解的是，这里描述的架构仅仅是示例性的，并且实际上，可以实现达到相同功能的许多其他架构。
261.实现相同功能的任何组件布置被有效地“关联”，从而实现期望的功能。因此，本文中组合以实现特定功能的任何两个组件可被视为彼此“关联”，从而实现期望的功能，而不管架构或中间组件如何。同样地，任何两个如此关联的组件也可以被视为彼此“可操作地连接”或“可操作地耦合”以实现所需的功能。
262.此外，本领域技术人员将认识到，上述操作之间的边界仅是说明性的。所述多种操作可以组合成单个操作，单个操作可以分布在附加操作中，并且操作可以在时间上至少部分重叠地执行。此外，替代实施例可以包括特定操作的多个实例，并且在各种其他实施例中
可以改变操作的顺序。又如，在一个实施例中，所说明的示例可被实现为位于单个集成电路上或同一设备内的电路。可选地，这些示例可以实现为任意数量的单独集成电路或单独设备，它们以合适的方式彼此互连。
263.又如，所述示例或其部分可以实现为物理电路或可转换为物理电路的逻辑表示的柔性或代码表示，例如以任何适当类型的硬件描述语言。
264.此外，本发明不限于在非可编程硬件中实现的物理设备或单元，还可以应用于能够通过根据合适的程序代码运行执行所需设备功能的可编程设备或单元，例如大型机、小型计算机、服务器、工作站、个人计算机、记事本、个人数字助理、电子游戏、汽车和其他嵌入式系统、手机和各种其他无线设备，这些在本技术中通常称为“计算机系统”。
265.然而，其他修改、变化和替代也是可能的。因此，所述说明书和附图被认为是说明性的而不是限制性的。
266.在权利要求中，置于括号之间的任何参考标记不应被解释为限制权利要求。“包括”一词不排除权利要求中所列的其他要素或步骤的存在。此外，在权利要求中使用“至少一个”和“一个或多个”等介绍性短语不应被解释为暗示由不定冠词“一个”对另一权利要求要素的所述引入，将包含此类引入的权利要求要素的任何特定权利要求限制为仅包含一个此类要素的发明，即使同一权利要求包括介绍性短语“一个或多个”或“至少一个”以及不定冠词如“一个”。这同样适用于定冠词的使用。除非另有说明，诸如“第一”和“第二”之类的术语用于任意区分此类术语所描述的要素。因此，这些术语不一定旨在表明此类要素在时间上的优先级或其他优先级。仅在相互不同的权利要求中描述某些措施的事实，并不表明这些措施的组合不能加以利用。
267.虽然本文已经说明和描述了本发明的某些特征，但是本领域普通技术人员还会想到许多修改、替换、变化和等效方式。因此，应当理解的是，所附权利要求旨在涵盖落入本发明真正精神内的所有此类修改和变化。