[发明专利]基于远程激光探测与测量的速度估计

权利要求书

1.一种确定在距离自身车辆相对较远距离处的目标的绝对速度的基于LIDAR的方法，所述方法包括：

通过在距离所述自身车辆相对较近的距离范围上使用深度学习算法估计绕z轴的介入旋转θ和正交的x与y方向上的平移，使用从耦合到所述自身车辆的LIDAR传感器获得的第一帧t-1和第二帧t来估计所述自身车辆的自身速度；

将所述第一帧t-1和所述第二帧t中的每一帧分为多个相邻输入范围，并且通过使用网络随后处理每一帧来估计在相对较远距离处所述目标的相对速度，其中每个输入范围使用相应的卷积神经网络来处理；和

将估计所述自身速度的估计值与估计所述相对速度的估计值相结合，以获得在相对较远距离处所述目标的绝对速度的估计值。

2.根据权利要求1所述的方法，其中，所述深度学习算法由卷积神经网络执行。

3.根据权利要求2所述的方法，其中，所述卷积神经网络包括光流估计网络。

4.根据权利要求1所述的方法，其中，通过经由基准检测确定的阈值将所述相对较短的距离与所述相对较远的距离分开，以发现提供足够的较短距离点以估计旋转和平移以及接近足够的较远距离点以提供充分的计算确定性的范围。

5.根据权利要求1所述的方法，其中，每个所述卷积神经网络执行独立的输入特征提取并且利用单独的回归头，但是利用单独的中间层和共享的中间层中的一个。

6.根据权利要求1所述的方法，其中，采用交接机制来桥接所述多个相邻输入范围之间的结果。

7.一种确定在距离自身车辆相对较远距离处的目标的绝对速度的基于LIDAR的方法，所述方法包括：

接收从耦合到所述自身车辆的LIDAR传感器获得的第一帧t-1和第二帧t，并且将所述第一帧t-1和所述第二帧t中的每一帧分为多个相邻的输入范围并且使用多任务网络处理每个帧，其中利用相应的卷积神经网络处理所述输入范围，所述卷积神经网络配置为提供绕z轴的介入旋转θ和正交的x与y方向上的平移，以估计所述自身车辆的自身速度和目标位置与速度，从而估计在所述相对较远距离处所述目标的相对速度；和

将估计所述自身速度的估计值与估计所述相对速度的估计值相结合以获得在所述相对较远距离处所述目标的绝对速度的估计值。

8.根据权利要求7所述的方法，其中，通过经由基准检测确定的阈值将所述相对较短的距离与所述相对较远的距离分开，以发现提供足够的较短距离点以估计旋转和平移以及接近足够的较远距离点以提供充分的计算确定性的范围。

9.根据权利要求7所述的方法，其中，每个所述卷积神经网络执行独立的输入特征提取并且利用单独的回归头，但是利用单独的中间层和共享的中间层中的一个。

10.如权利要求7所述的方法，其中，采用交接机制来桥接所述多个相邻输入范围之间的结果。

11.一种非暂时性计算机可读介质，所述非暂时性计算机可读介质存储在存储器中并且由处理器执行以经由包括下述各项的步骤来确定距离自身车辆相对较远距离处的目标的绝对速度：

通过在距离所述自身车辆的相对较近距离范围上使用深度学习算法估计绕z轴的介入旋转θ和正交的x与y方向上的平移，使用从耦合到所述自身车辆的LIDAR传感器获得的第一帧t-1和第二帧t来估计所述自身车辆的自身速度；

将所述第一帧t-1和所述第二帧t中的每一帧分为多个相邻输入范围，并且通过使用网络随后处理每一帧来估计在所述相对较远距离处所述目标的相对速度，其中每个输入范围使用相应的卷积神经网络来处理；和

将估计所述自身速度的估计值与估计所述相对速度的估计值相结合以获得在所述相对较远距离处所述目标的绝对速度的估计值。

12.根据权利要求11所述的非暂时性计算机可读介质，其中，所述深度学习算法由卷积神经网络执行。