本公开总体上涉及车辆导航,并且更具体地,涉及用于检测车辆环境中的物体的系统和方法。
背景技术:
1、随着技术的不断进步,能够在道路上导航的完全自主车辆的目标即将出现。自主车辆可能需要考虑各种各样的因素,并且基于那些因素做出适当的决定,以安全和准确地到达意图的目的地。例如,自主车辆可能需要处理和解释可视信息(例如,从相机捕获的信息)、来自雷达或激光雷达的信息,并且也可能使用从其他源(例如,从gps装置、速度传感器、加速度计、悬架传感器等)获得的信息。同时,为了导航到目的地,自主车辆可能还需要识别其在特定道路(例如,多车道道路中的特定车道)内的定位,与其他车辆并排导航,避开障碍物和行人,观察交通信号和标志,并在适当的交叉路口或交汇处从一条道路行驶到另一条道路。当自主车辆行驶到其目的地时利用(harness)和解释由该车辆收集的大量信息造成了许多设计挑战。自主车辆可能需要分析、访问和/或存储的海量数据(例如,捕获的图像数据、地图数据、gps数据、传感器数据等)造成了实际上可能限制甚至不利地影响自主导航的挑战。此外,如果自主车辆依靠传统的映射(mapping)技术来导航,那么存储和更新地图所需的海量数据将造成巨大的挑战。
技术实现思路
1、与本公开一致的实施例提供了用于车辆导航的系统和方法。
2、在实施例中,用于识别主车辆的环境中的物体的系统可以包括至少一个处理器,其包括电路和存储器。存储器可以包括指令,该指令在由电路执行时使至少一个处理器:接收表示主车辆的环境的多个图像;将第一像素描述符值分配给与所述多个图像中的第一图像相关联的多个像素中的每一个像素;基于所述第一像素描述符值中的至少两个来识别所述第一图像中的至少一个物体表示;基于与所述第一图像中的至少一个物体表示相关联的所述第一像素描述符值中的至少两个来确定第一物体描述符;将第二像素描述符值分配给与所述多个图像中的第二图像相关联的多个像素中的每一个像素;基于所述第二像素描述符值中的至少两个来识别所述第二图像中的至少一个物体表示;基于与所述第二图像中的至少一个物体表示相关联的所述第二像素描述符值中的至少两个来确定第二物体描述符;以及基于第一物体描述符和第二物体描述符的比较,输出第一图像中的至少一个物体表示和第二图像中的至少一个物体表示表示共同物体的指示。
3、在实施例中,一种用于识别主车辆的环境中的物体的方法可以包括:接收表示主车辆的环境的多个图像;将第一像素描述符值分配给与所述多个图像中的第一图像相关联的多个像素中的每一个像素;基于所述第一像素描述符值中的至少两个来识别所述第一图像中的至少一个物体表示;基于与所述第一图像中的至少一个物体表示相关联的所述第一像素描述符值中的至少两个来确定第一物体描述符;将第二像素描述符值分配给与所述多个图像中的第二图像相关联的多个像素中的每一个像素;基于所述第二像素描述符值中的至少两个来识别所述第二图像中的至少一个物体表示;基于与所述第二图像中的至少一个物体表示相关联的所述第二像素描述符值中的至少两个来确定第二物体描述符;以及基于第一物体描述符和第二物体描述符的比较,输出第一图像中的至少一个物体表示和第二图像中的至少一个物体表示表示共同物体的指示。
4、与其他公开的实施例一致,非暂时性计算机可读存储介质可以存储程序指令,该程序指令由至少一个处理器执行并执行本文描述的任何方法。
5、前面的一般性描述和下面的详细描述仅是示例性和说明性的,并不限制权利要求。
1.一种用于识别主车辆的环境中的物体的系统,所述系统包括:
2.根据权利要求1所述的系统,其中,所述第一像素描述符值中的每一个包括数字向量。
3.根据权利要求1所述的系统,其中,通过对所述第一像素描述符值中的至少两个进行聚类来识别所述第一图像中的至少一个物体表示。
4.根据权利要求3所述的系统,其中,经聚类的所述第一像素描述符值中的至少两个在彼此的预定阈值内。
5.根据权利要求3所述的系统,其中,经聚类的所述第一像素描述符值中的至少两个与所述第一图像中的至少一个物体表示的边缘或至少部分边界相关联。
6.根据权利要求1所述的系统,其中,使用经训练的系统来识别所述第一图像中的至少一个物体表示。
7.根据权利要求1所述的系统,其中,所述经训练的系统包括一个或多个神经网络。
8.根据权利要求1所述的系统,其中,所述第一物体描述符包括数字向量。
9.根据权利要求8所述的系统,其中,所述数字向量基于对所述第一像素描述符值中的至少两个进行分析。
10.根据权利要求1所述的系统,其中,所述第二像素描述符值中的每一个包括数字向量。
11.根据权利要求1所述的系统,其中,通过对所述第二像素描述符值中的至少两个进行聚类来识别所述第二图像中的至少一个物体表示。
12.根据权利要求11所述的系统,其中,经聚类的所述第二像素描述符值中的至少两个在彼此的预定阈值内。
13.根据权利要求11所述的系统,其中,经聚类的所述第二像素描述符值中的至少两个与所述第二图像中的至少一个物体表示的边缘或至少部分边界相关联。
14.根据权利要求1所述的系统,其中,使用经训练的系统来识别所述第二图像中的至少一个物体表示。
15.根据权利要求14所述的系统,其中,所述经训练的系统包括一个或多个神经网络。
16.根据权利要求1所述的系统,其中,所述第二物体描述符包括数字向量。
17.根据权利要求16所述的系统,其中,所述数字向量基于对所述第二像素描述符值中的至少两个进行分析。
18.根据权利要求1所述的系统,其中,所述存储器还包括可由所述电路执行以使所述至少一个处理器基于所输出的指示来确定所述主车辆的导航动作的指令。
19.根据权利要求18所述的系统,其中,所述导航动作包括使所述主车辆转向、加速或制动中的至少一个。
20.根据权利要求1所述的系统,其中,所述共同物体包括目标车辆、行人、交通灯或标志中的至少一个。
21.一种用于识别主车辆的环境中的物体的方法,所述方法包括:
22.一种存储指令的非暂时性计算机可读介质,所述指令可由至少一个处理器执行以执行用于识别主车辆的环境中的物体的方法,所述方法包括: