[发明专利]自运动估计方法和设备以及模型训练方法和设备

说明书

公开了一种用于估计自运动的方法和设备、以及训练设备及其方法。用于估计自运动的设备可以基于运动识别模型根据雷达感测数据来估计自运动信息。

相关申请的交叉引用

本申请要求于2018年6月27日在韩国知识产权局递交的韩国专利申请No.10-2018-0073709的权益，出于所有目的，其全部公开内容通过引用合并于此。

技术领域

以下描述涉及使用运动识别模型来估计自运动的技术。

背景技术

近来，为了解决将输入模式分类到特定组的问题，已经积极地研究将人类的有效模式识别方法应用于真实计算机。研究之一是关于通过人类生物神经元的特征的数学表达来建模的人工神经网络。为了解决将输入模式分类到特定组的问题，人工神经网络使用模仿人类学习能力的算法。基于该算法，人工神经网络可以生成输入模式和输出模式之间的映射，并且生成映射的能力被表达为人工神经网络的学习能力。此外，人工神经网络具有推广能力，其基于学习结果来生成针对尚未被用于学习的输入模式的相对正确输出。

发明内容

提供本发明内容以介绍下面在具体实施方式中进一步描述的对简化形式的理念的选择。本发明内容不意在识别所请求保护的主题的关键特征或必要特征，也不意在用作帮助确定所请求保护的主题的范围。

在一个总体方面，一种估计自运动的方法包括：基于雷达传感器针对每个时间帧所收集的雷达感测数据来生成输入数据，以及基于运动识别模型根据输入数据来估计自运动估计设备的自运动信息。

估计自运动信息可以包括：基于第一模型从输入数据中提取特征数据，以及基于第二模型根据特征数据来计算自运动信息。

估计自运动信息可以包括：计算自运动估计设备的位置和姿态中的至少一项作为自运动信息。

估计自运动信息可以包括：针对运动识别模型中与一个时间帧相对应的层来输入与至少两个时间帧相对应的雷达感测数据。

运动识别模型可以包括第一模型和第二模型，第一模型包括与多个时间帧中的每个时间帧相对应的层，以及第二模型连接到第一模型的多个层。估计自运动信息可以包括：基于第一模型中与多个时间帧中的每个时间帧相对应的层，从相应时间帧的输入数据中提取相应时间帧的特征数据；以及基于第二模型根据所提取的特征数据来计算相应时间帧的自运动信息。

自运动信息的估计可以包括：基于第一模型从与当前帧相对应的输入数据中提取当前特征数据，从存储器加载与在先帧相对应的在先特征数据，以及基于第二模型根据在先特征数据和当前特征数据来计算自运动信息。

该方法还可以包括：在存储器中存储基于运动识别模型中包括的第一模型在当前帧中计算出的特征数据。

生成输入数据可以包括：使用沿自运动估计设备的外表面布置的至少一个雷达传感器来检测雷达信号，以及通过预处理检测到的雷达信号来生成雷达感测数据。

生成输入数据可以包括：从多项雷达感测数据项中选择与彼此相差预设时间间隔的时间帧相对应的至少两项雷达感测数据，以及基于所选择的雷达感测数据项来生成输入数据。

生成输入数据可以包括：响应于接收到与后续帧相对应的雷达感测数据，排除输入数据中堆叠的与多个时间帧的第一帧相对应的雷达感测数据。

生成输入数据可以包括：根据雷达信号来生成雷达感测数据，所述雷达感测数据指示雷达传感器针对每个量化速度所检测到的点的角度和距离。

生成输入数据可以包括：根据雷达感测数据来生成输入数据，所述输入数据指示雷达传感器针对每个量化仰角所检测到的点的水平角和距离。