训练学生神经网络以基于数据来检测对象的系统和方法与流程

本公开内容涉及用于训练神经网络以使用激光雷达传感器和雷达传感器执行对象检测的系统和方法。

背景技术：

1、自动和半自动车辆使用光检测和测距(激光雷达)传感器或雷达传感器来检测车辆周围的环境中的对象并执行定位例程诸如驾驶员辅助例程、自适应巡航控制例程、制动例程和/或对象检测例程。然而，与激光雷达传感器相比，雷达传感器可能提供较低的数据分辨率，从而抑制了定位例程的准确性。此外，尽管与雷达传感器相比，激光雷达传感器具有较高的分辨率，但是当使用激光雷达传感器时，不利的天气条件仍抑制定位例程的准确性。具体地，激光雷达光束可以折射离开由例如雾、雨和/或雪形成的液滴。

技术实现思路

1、本公开内容提供了用于训练学生神经网络以基于从一个或更多个雷达传感器获得的雷达数据和从一个或更多个激光雷达传感器获得的激光雷达数据来检测一个或更多个对象的方法。该方法包括：基于雷达数据生成基于雷达的强度图，以及基于激光雷达数据生成基于激光雷达的强度图；对基于雷达的强度图和基于激光雷达的强度图执行一个或更多个增强例程以生成雷达输入和激光雷达输入；使用教师神经网络基于雷达输入和激光雷达输入生成多个基于教师的边界框；以及使用学生神经网络基于雷达输入和激光雷达输入生成多个基于学生的边界框。该方法包括：基于多个基于教师的边界框和多个真实边界框确定多个基于学生的边界框的损失值；基于损失值更新学生神经网络的一个或更多个权重；以及基于与学生神经网络的一个或更多个权重相关联的移动平均来更新教师神经网络的一个或更多个权重。

技术特征：

1.一种用于训练学生神经网络以基于从一个或更多个雷达传感器获得的雷达数据和从一个或更多个激光雷达传感器获得的激光雷达数据来检测一个或更多个对象的方法，所述方法包括：

2.根据权利要求1所述的方法，其中

3.根据权利要求2所述的方法，其中

4.根据权利要求2所述的方法，其中

5.根据权利要求1所述的方法，其中

6.根据权利要求5所述的方法，其中

7.根据权利要求1所述的方法，其中

8.根据权利要求7所述的方法，其中

9.根据权利要求1所述的方法，其中

10.根据权利要求1所述的方法，还包括

11.一种训练学生神经网络以基于从一个或更多个雷达传感器获得的雷达数据和从一个或更多个激光雷达传感器获得的激光雷达数据来检测一个或更多个对象的系统，所述系统包括：

12.根据权利要求11所述的系统，其中

13.根据权利要求12所述的系统，其中：

14.根据权利要求11所述的系统，其中

15.根据权利要求11所述的系统，其中

16.一种用于训练学生神经网络以基于从一个或更多个雷达传感器获得的雷达数据和从一个或更多个激光雷达传感器获得的激光雷达数据来检测一个或更多个对象的方法，所述方法包括：

17.根据权利要求16所述的方法，其中：

18.根据权利要求16所述的方法，其中

19.根据权利要求16所述的方法，其中

20.根据权利要求16所述的方法，其中

技术总结
本申请公开了一种用于训练学生神经网络以基于雷达数据和激光雷达数据来检测对象的系统和方法，该方法包括：生成基于雷达的强度图和基于激光雷达的强度图；以及对基于雷达的强度图和基于激光雷达的强度图执行一个或更多个增强例程以生成雷达输入和激光雷达输入。该方法包括基于雷达输入和激光雷达输入生成多个基于教师的边界框和多个基于学生的边界框。该方法包括：基于多个基于教师的边界框和多个真实边界框确定多个基于学生的边界框的损失值；基于损失值更新学生神经网络(80)的一个或更多个权重；以及基于与学生神经网络(80)的一个或更多个权重相关联的移动平均来更新教师神经网络(70)的一个或更多个权重。

技术研发人员：P·西瓦库马,肖恩·亨特
受保护的技术使用者：株式会社电装
技术研发日：
技术公布日：2024/1/11