[发明专利]对物理测量数据的更逼真的仿真

说明书

一种用于对在域A中的仿真点云P_A中被仿真的测量数据（2）施加通过物理测量所获得的包含在域B中的至少一个学习点云P_L中的测量数据（1）所共同具有的物理特性（1a）的影响的方法（100），其中在点云P_L和P_A中的测量数据（1、2）分别代表坐标，所述方法具有步骤：•将仿真点云P_A转变成域A中的密度分布ρ_A（110）；•利用变换将密度分布ρ_A转变成域B中的密度分布ρ_B（120），其中所述变换被实行为使得在域B中不能区分直接在域B中给出的密度分布ρ是作为学习点云P_L的密度分布ρ_L来被获得的还是作为密度分布ρ_A的变换结果pe来被获得的；•在域B中，产生与密度分布pe在统计上一致的结果点云P_B（130）；结果点云P_B被评价为对在仿真点云P_A中被仿真的测量数据（2）施加所希望的特性（1a）的影响的结果（140）。用于训练的方法（200）。利用方法（100）所获得的数据记录。经训练的KI模块或相对应的数据记录。用于识别对象（5a）和情况（5b）的方法（300）。所属的计算机程序。

技术领域

本发明涉及一种用于对物理测量数据的更逼真的仿真的方法，该方法例如能被用于生成针对自主驾驶领域中的KI系统的训练数据。

背景技术

为了车辆可以至少部分地自动化地在道路交通中运动，需要检测车辆的周围环境并且如果即将发生与车辆的周围环境中的对象的碰撞则引入应对措施。对于安全的自动化驾驶来说也需要创建周围环境呈现和定位。

借助于雷达来检测对象与照明条件无关并且例如即使在夜晚在较大的距离上也是可能的，而对向交通不被远光灯炫目。此外，雷达作为唯一的传感器可以“看穿”前面行驶的车辆，其方式是通过护栏或其它对象处的反射来使雷达波绕过车辆传导。由此，比如在紧接在前行驶的车辆减速之前就已经可以识别出再前面的车辆的紧急制动。

US 8, 682, 821 B2公开了：借助于机器学习按照雷达信号是否由某些对象或非人类的动物的移动导致来对这些雷达信号进行分类。该认识可以被用于在监控区域是否有人类入侵时避免误报警，或者也可以被用于在至少部分地自动化驾驶时选择正确的行动来避免碰撞。

机器学习需要其在对象或动物方面的内容分别已知的学习场景的学习雷达数据。

发明内容

已经认识到：正是在借助于机器学习根据雷达信号进行对象识别时，所需的学习数据是一种短缺资源。用于根据摄像机图像进行对象识别的学习数据通常包括学习摄像机图像，这些学习摄像机图像已被人类按照在这些学习摄像机图像中在哪个位置包含哪些对象来予以注释（标记）。对对象的视觉识别恰好对于人类来说特别直观，使得对用于摄像机图像的注释的助手的要求比较低。而根据雷达信号来识别对象需要专业知识。此外，同一对象产生的雷达信号也取决于所使用的天线和传感器的特性，例如取决于传感器的调制模式或者取决于传感器在车辆上安装的位置和方式。信号可能由于多径传播而被改变，例如其方式是该信号已多次在（比如车道、护栏和/或墙壁的）不同的表面上被反射。最后，雷达信号也取决于材料。一些材料反射具有不同的取决于材料和形状的后向散射系数的雷达波，而其它材料被雷达波穿过，这接着又可能导致实际被遮住的对象突然出现在雷达信号中。

结果是，即一方面用于根据雷达信号进行对象识别的学习数据更加难以获得，而另一方面也需要比用于根据摄像机图像进行对象识别的情况更多的学习数据。为了减轻这种短缺，开发出了一种方法，该方法尤其能够生成更逼真的仿真（合成）的雷达数据。

由于雷达波的传播、吸收和反射遵循已知的物理定律，所以可以根据发射方、接收方和所要观测的场景的预先给定的布局来计算在接收方处所要预期的雷达信号。以这种方式，可以通过自动化方式产生其在对象方面的内容事先已知的场景的学习雷达数据。