[发明专利]确定车辆环境的语义分割的方法

权利要求书

1.一种确定车辆(11)的环境的语义分割的计算机实现方法，所述车辆包括处理装置(17)以及多个雷达传感器(15)，所述处理装置(17)被配置成建立确定性神经网络和贝叶斯神经网络，所述方法包括以下步骤：

i)特征提取阶段(31)，所述特征提取阶段包括

经由所述处理装置(17)定义划分所述车辆(11)的环境的单元(27)的网格(25)，

从所述多个雷达传感器(15)接收雷达点云，

向各个网格单元(27)指派所述雷达点云的至少一个特征(29)，以及

通过使用包括确定性权重的所述确定性神经网络来提取各个网格单元(27)的高级特征(37)，

ii)分类阶段(33)，所述分类阶段包括

定义所述网格单元(27)的几个类，

针对所述贝叶斯神经网络的层，概率性地确定各种权重集，以及

经由所述贝叶斯神经网络，基于所述高级特征(37)并且基于所述各种权重集来估计各个类的置信度值和各个网格单元(27)的置信度值，

ii)后处理阶段(35)，所述后处理阶段包括

针对各个网格单元(27)，基于所估计的置信度值来确定预测类以及所述预测类的不确定性程度。

2.根据权利要求1所述的方法，其中，所述不确定性程度包括认知不确定性和偶然不确定性。

3.根据权利要求2所述的方法，其中，所述偶然不确定性是基于来自所述确定性神经网络和所述贝叶斯神经网络的样本的预期熵来估计的。

4.根据权利要求3所述的方法，其中，为了在所述后处理阶段(35)中分解所述不确定性，基于所述贝叶斯神经网络的预期输出的熵来估计预测性不确定性，并且所述认知不确定性被估计为所述预测性不确定性与所述偶然不确定性之间的差异。

5.根据前述权利要求中任一项所述的方法，其中，在所述分类阶段(33)，以预定次数的迭代(41)确定各种权重集，每次迭代(41)提供各个类和各个网格单元(27)的相应权重集和相应置信度值。

6.根据权利要求5所述的方法，其中，在所述后处理阶段(35)，计算各个类和各个网格单元(27)的预定次数的迭代(41)的相应置信度值的均值，并且各个网格单元(27)的最高均值定义了相应单元(27)的所述预测类。

7.根据前述权利要求中任一项所述的方法，其中，在所述分类阶段(33)，针对所述贝叶斯神经网络的各个权重集确定来自经学习的概率分布(39)的样本。

8.根据权利要求5或6所述的方法，其中，在所述分类阶段(33)，在每次迭代(41)中，所述高级特征(37)与所述相应权重集进行卷积，所述相应权重集是根据来自经学习的概率分布(39)的样本确定的。

9.根据权利要求8所述的方法，其中，在每次迭代(41)中，将Softmax函数(45)应用至所述高级特征(37)与所述相应权重集的卷积(43)的结果，以便针对相应迭代(41)来估计各个类的归一化置信度值。

10.根据权利要求7至9中任一项所述的方法，其中，为了在所述分类阶段(33)中确定来自所述经学习的概率分布(39)的所述样本，使用高斯分布以便近似后验分布(39)。

11.根据权利要求1至6中任一项所述的方法，其中，在所述分类阶段(33)，所述神经网络包括漏失层和各种确定性层。

12.根据前述权利要求中任一项所述的方法，其中，所述雷达点云的所述至少一个特征(29)包括：每单元(27)的雷达探测量、各个单元(27)的平均多普勒值、各个单元(27)至所述雷达传感器(15)的平均距离、各个单元(27)的平均方位角和/或各个单元(27)内的雷达探测的平均雷达截面。