[发明专利]用于检测车辆的环境的系统和方法

说明书

本发明涉及一种用于检测车辆的环境的系统(1)。系统(1)包括传感器模块(11a‑c)以及多个在空间上互相分开的计算装置(110a‑c、120、130)，所述计算装置借助人工神经网络处理所检测的环境数据，其中所述人工神经网络包括由人工神经元构成的多个层。在此根据本发明规定，所述计算装置(110a‑c、120、130)中的每个计算装置实现所述层的子集(NN1a‑c、NN2a‑c、NN3a‑c)。

技术领域

本发明涉及用于检测车辆的环境的系统和方法。此外，本发明涉及支持这样的系统或者方法的计算机程序以及计算机可读介质。

背景技术

本发明尤其可以在驾驶员辅助系统(FAS)的范围内使用。这尤其可以涉及FAS，其能够实现车辆的至少部分自动化的行驶。

术语“自动化行驶”在本文的上下文中可以理解为具有自动化的纵向引导或横向引导的行驶或具有自动的纵向引导和横向引导的自主行驶。如在本文中使用的术语“自动化行驶”包括具有任意自动化程度的自动化行驶。示例性的自动化程度是辅助的、部分自动化的、高度自动化的或全自动化的行驶。这些自动化程度由联邦公路研究所(Bundesanstalt fuer Strassenwessen，简称BASt)定义(请参阅BASt出版物“Forschungkompakt(研究集)”，2012年第11版)。在辅助行驶时，驾驶员持久地实施纵向引导或横向引导，而系统在一定的限度内接管相应其他的功能。在部分自动化行驶(TAF)中，系统在一定的时间段中和/或在特定的情况中接管纵向引导和横向引导，其中驾驶员必须如在辅助行驶时那样持久地监控系统。在高度自动化行驶(HAF)中，系统在一定的时间段上接管纵向引导和横向引导，而驾驶员不必持久地监控系统；驾驶员不必在一定时间内能够接管车辆引导。在全自动化行驶(VAF)中，对于特定的应用情况，系统可以在所有情况下自动地应对行驶；对于这种应用情况不再需要驾驶员。根据BASt的定义的上述四个自动化程度对应于SAEJ3016标准(SAE汽车工程学会)的SAE级别1至4。例如，根据BASt的高度自动化行驶(HAF)对应于SAE J3016标准的级别3。此外，在SAE J3016中还规定SAE级别5作为不被包括在BASt的定义中的最高自动化程度。SAE级别5对应于无人驾驶，其中系统可以如人类驾驶员那样在整个行驶期间自动地应对所有情形；通常不再需要驾驶员。

驾驶员辅助系统通常被指示为至少部分地检测车辆环境，例如以便识别在车辆环境中是否存在应通过FAS考虑的对象。在这种情况下，FAS将根据其功能表现形式对所述对象作出反应并且例如警告车辆驾驶员和/或自动化地减小从对象发出的危险。

原则上已知的是，对于在FAS范围内的确定的环境检测任务使用人工智能方法，例如借助人工神经网络(ANN)的所谓的“深度学习”。Grigorescu等的文章“A Survey of DeepLearning Techniques for Autonomous Driving(用于自主驾驶的深度学习技术的调查)”可以在互联网中调用https：//arxiv.org/abs/1910.07738，给出了该领域中已知方案的概述。

在环境检测范围内的数据处理通常是非常耗费计算和能量的，因为在此通常检测、传输和处理大的数据量。然而，通常期望的是，将为了数据处理而在车辆上耗费的计算能力或能量保持得尽可能小。

发明内容

由此出发，本发明的任务在于，提出一种尤其在其效率方面得到改进的用于检测车辆的环境的系统或者说方法。

该任务通过根据独立权利要求的系统或方法来解决。在从属权利要求中给出有利的实施方式。要指出的是，从属于独立权利要求的权利要求的附加特征在没有独立权利要求的特征的情况下或者仅在与独立权利要求的一部分特征的组合中可能形成独立的并且与独立权利要求的所有特征的组合无关的发明，该发明可以成为独立权利要求、分案申请或后续申请的主题。这以相同的方式适用于在说明书中阐述的技术教导，所述技术教导能够形成与独立权利要求的特征无关的发明。

本发明的第一方面涉及一种用于检测车辆的环境的系统。