[发明专利]用于自动驾驶的类别标记系统

权利要求书

1.一种用于自动驾驶的类别标记系统，包括：

检测模组，配置为从摄像机捕获的图像中检测用于自动驾驶的对象，以产生每个所述对象的包围盒，并检测关于所述对象的属性信息；

分割模组，配置为确定所述检测模组检测的所述包围盒的每个像素的类别，并将至少一个所述类别处理为不关心；以及

车道边界检测模组，配置为使用所述检测模组检测的所述包围盒检测车道边界和道路边界中的至少一个。

2.根据权利要求1所述的类别标记系统，其中所述检测模组包括：

检测单元，配置为通过分析所述摄像机捕获的所述图像来检测所述对象，并且检测每个所述对象的所述包围盒；

分类任务单元，配置为检测所述检测单元检测的、具有所述包围盒的每个对象的子属性；

实例分割任务单元，配置为裁剪所述检测单元检测的所述包围盒，以检测所述包围盒中与所述对象相关的像素；

距离值回归任务单元，配置为使用从光探测和测距LiDAR输入的距离值检测至所述检测单元检测的所述包围盒中的所述对象的距离；以及

追踪任务单元，配置为预测所述检测单元检测的、具有所述包围盒的车辆和行人中的至少一个的位置。

3.根据权利要求2所述的类别标记系统，其中所述检测单元配置为检测对象位置的图像内坐标，以接收所述包围盒。

4.根据权利要求3所述的类别标记系统，其中所述图像内坐标由所述包围盒的顶点、所述包围盒的宽度和所述包围盒的高度表示。

5.根据权利要求2所述的类别标记系统，其中所述分类任务单元配置为检测所述对象当中的标志的子属性。

6.根据权利要求3所述的类别标记系统，其中所述距离值回归任务单元配置为：

提取与所述包围盒的所述图像内坐标值相关的点云坐标值；以及

将所述图像内坐标值中对象至车辆的距离最小的值确定为所述对象的距离值。

7.根据权利要求2所述的类别标记系统，其中所述分类任务单元、所述实例分割任务单元、所述距离值回归单元和所述追踪任务单元中的至少一个配置为从多个方向、在多个区域中进行转换数据增强，以学习每个网络。

8.根据权利要求2所述的类别标记系统，其中所述分类任务单元、所述实例分割任务单元、所述距离值回归单元和所述追踪任务单元中的至少一个配置为使用零样本学习技术、单样本学习技术和少样本学习技术中的至少一个进行网络学习。

9.根据权利要求2所述的类别标记系统，其中所述分类任务单元、所述实例分割任务单元、所述距离值回归单元和所述追踪任务单元中的至少一个配置为使用左旋转、右旋转和跳跃旋转中的至少一个，通过集成技术进行网络学习。

10.根据权利要求1所述的类别标记系统，其中所述分割模组包括：

分割单元，配置为确定所述摄像机捕获的所述图像的每个像素的所述类别；以及

不关心处理单元，配置为将所述分割单元确定的至少一个所述类别处理为不关心。

11.根据权利要求10所述的类别标记系统，其中所述不关心处理单元配置为：

从原始图像中检测被确定为不关心的包围盒，以产生分割图像；

学习所述分割图像的数据集和人工标记者标记的数据集，以比较性能评估结果；以及

进行重复学习，直至根据所述性能评估结果将所述分割图像的所述数据集在识别性能上提高至比所述人工标记者标记的所述数据集高。

12.根据权利要求1所述的类别标记系统，其中所述车道边界检测模组包括：

自由实例分割单元，配置为使用实例深度学习网络从所述摄像机捕获的所述图像输出像素形式的类别以及实例输出；以及

基样条检测单元，配置为通过从所述自由实例分割单元输出的所述像素形式的类别和所述实例输出来检测车道或道路形状的基样条。

13.根据权利要求4所述的类别标记系统，其中所述顶点是所述包围盒的左上端。