[发明专利]分类对象的方法和装置

说明书

提供了一种用于分类对象的方法(100)，所述方法(100)包括用于特征提取单元(13)的来自传感器的测量数据的提供(106)，以及通过所述特征提取单元(13)从所述测量数据中提取(107)与模态无关的特征(24)，其中，所述模态无关的特征(24)与所述传感器的传感器模态无关，从而不可能从与模态无关的特征得出所述传感器的传感器模态。

技术领域

本发明涉及一种用于分类对象的方法和装置。

背景技术

为了在车辆的无人驾驶导航中使用，必须要知道哪些类型的道路使用者围绕着车辆，以及哪些类型的基础设施位于周围区域。换句话说，对对象进行分类是至关重要的。从现有技术中可知，将不同传感器模态的测量数据用于对象分类或对象检测。由于不同传感器模态的测量数据可以部分地提供与周围区域有关的补充信息，因此这是特别有利的。来自各个传感器的数据因此通常被分别处理并且随后也被分别分类。只有后来数据才能再次合并并被进一步处理。

根据现有技术，从测量数据中提取的数据还与模态是相关的，因此有必要为每一传感器模态提供单独的分类模块，并因此也必须要对每一分类模块进行训练。这将涉及极大的工作量，尤其是在不涉及图像数据的情况下，因为用于训练分类模块的激光雷达或雷达数据集的注释非常耗时且容易出错。其原因在于，所测量的数据对于人类而言是难以理解的，并且注释相应数据集的人员在能够开始执行任务之前必须以费时的方式进行培训。此外，关于激光雷达和雷达，可用的带注释的数据集要比图像数据集小得多。

发明内容

本发明是基于以如下方式来改进用于分类对象的方法和装置的目的的，即与现有技术相比，用于对特征进行分类的分类单元在测量不同的传感器模态的测量数据时不需要被分别地训练，而是可以基于单个传感器模态的测量数据被一次训练。

上述目的是根据本发明的用于分类对象的方法实现的。该方法包括为特征提取单元从传感器提供测量数据。该方法还包括，特别是通过特征提取单元，从测量数据中提取与模态无关的特征。与模态无关的特征与传感器的传感器模态无关，因此不可能从与模态无关的特征得出传感器模态。该方法还可以包括对与模态有关的特征的提取。

术语尤其是德语中相当于英语术语“sensor modality(传感器模态)”的德语术语。换句话说，传感器模态是传感器类别或传感器类型。因此，传感器尤其在传感器模态，即传感器类型或传感器类别方面是不同的。传感器模态尤其确定测量方法，通过该测量方法产生测量数据。传感器模态优选地是激光雷达、雷达、图像或超声波。优选地，这意味着，模态的相应传感器是激光雷达传感器、雷达传感器、图像传感器，特别是摄像或超声传感器。

术语“特征”尤其是指测量数据的特征。它们特别是所谓的“特征”，其通常取决于已获取测量数据的传感器的传感器模态。但是，与模态无关的特征是与已获取测量数据的传感器的传感器模态无关的。换句话说，可以在同一对象的至少两个传感器模态的测量数据中检测到与模态无关的特征。因此，它们也可以被称为共同特征。换句话说，它们大致是与传感器无关的特征。基于与模态无关的特征，不可能得出传感器的传感器模态。与模态无关的特征尤其与产生测量数据的测量方法的类型无关。

换句话说，该方法能够从测量数据中提取与模态无关的特征，该测量数据是与传感器的传感器模态无关的。因此，不再需要为每一传感器模态分别提供和训练用于分类特征的分类单元。为不同的传感器模态的所有测量数据提供一个分类单元就足够了。

优选地，至少存在第一传感器模态和第二传感器模态，其中，该方法被配置为以来自第二测量模态的传感器的测量数据可以被重建的方式，从来自第一传感器模态的传感器的测量数据中提取与模态无关的特征。该方法优选地被配置为以第一模态的测量数据可以被重建的方式，从第二传感器模态的测量数据中提取与模态无关的特征。特别地，存在两个以上的传感器模态，尤其是三个或四个，其中该方法以能够由这些特征重建每一传感器模态的测量数据的方式来提取与模态无关的特征。