[发明专利]机器学习装置

说明书

本公开的一个实施方式的机器学习装置具备：路面检测处理部，其基于第一拍摄图像以及与第一拍摄图像对应的第一距离图像，检测第一拍摄图像中所包含的路面；距离值选择部，其基于路面检测处理部的处理结果，选择第一距离图像中所包含的多个距离值中的、成为处理对象的一个以上的距离值；以及学习处理部，其基于第一拍摄图像和一个以上的距离值进行机器学习处理，由此生成被输入第二拍摄图像并输出与第二拍摄图像对应的第二距离图像的学习模型。

技术领域

本公开涉及一种基于拍摄图像和距离图像来进行学习处理的机器学习装置。

背景技术

关于车辆而言，经常检测车外环境，并基于其检测结果进行车辆的控制。关于车外环境的识别而言，经常检测从车辆到周围的立体物的距离。在专利文献1中公开了基于拍摄图像和距离图像来进行神经网络的运算处理的技术。

现有技术文献

专利文献

专利文献1：日本特开2018-147286号公报

发明内容

另外，存在基于拍摄图像而生成距离图像的学习模型。期望所生成的距离图像精度高，并期待精度的进一步提高。

期望提供一种能够生成学习模型的机器学习装置，该学习模型能够生成高精度的距离图像。

本公开的一个实施方式的机器学习装置具备路面检测处理部、距离值选择部、以及学习处理部。路面检测处理部构成为基于第一拍摄图像以及与第一拍摄图像对应的第一距离图像，检测第一拍摄图像中所包含的路面。距离值选择部构成为基于路面检测处理部的处理结果，选择第一距离图像中所包含的多个距离值中的、成为处理对象的一个以上的距离值。学习处理部构成为基于第一拍摄图像和一个以上的距离值进行机器学习处理，由此生成被输入第二拍摄图像并输出与第二拍摄图像对应的第二距离图像的学习模型。

根据本公开的一个实施方式的机器学习装置，能够生成学习模型，该学习模型能够生成高精度的距离图像。

附图说明

图1是示出使用本公开的一个实施方式的机器学习装置所生成的学习数据的车外环境识别系统的一个构成例的框图。

图2是示出本公开的一个实施方式的机器学习装置的一个构成例的框图。

图3是示出图2所示的路面检测处理部的一个动作例的说明图。

图4是示出图2所示的路面检测处理部的一个动作例的另一说明图。

图5是示出图2所示的路面检测处理部的一个动作例的另一说明图。

图6是示出图2所示的学习模型所涉及的神经网络的一个构成例的说明图。

图7是示出图2所示的机器学习装置的一个动作例的图像图。

图8是示出图2所示的机器学习装置的一个动作例的另一图像图。

图9是示出图2所示的机器学习装置的一个动作例的另一图像图。

图10是示出图2所示的机器学习装置的一个动作例的另一图像图。

图11是示出图1所示的车外环境识别系统中的拍摄图像的一例的图像图。

图12是示出在图1所示的车外环境识别系统中生成的参考例的距离图像的一例的图像图。

图13是示出在图1所示的车外环境识别系统中生成的距离图像的一例的图像图。

图14是示出变形例的机器学习装置的一个构成例的框图。

图15是示出另一变形例的机器学习装置的一个构成例的框图。

图16是示出另一变形例的机器学习装置的一个构成例的框图。