In verschiedenen Beispielen kann die Live-Wahrnehmung von Sensoren eines Fahrzeugs genutzt werden, um Kreuzungskonfliktbereiche in einer Umgebung eines Fahrzeugs in Echtzeit oder nahezu in Echtzeit zu erkennen und zu klassifizieren. So kann beispielsweise ein Deep Neuronal Network (DNN) ausgebildet werden, um Ausgaben zu berechnen - wie z. B. vorzeichenbehaftete Abstandsfunktionen -, die den Positionen von Begrenzungen entsprechen können, die Kreuzungskonfliktbereiche abgrenzen. Die vorzeichenbehafteten Abstandsfunktionen können dekodiert und/oder nachbearbeitet werden, um Instanzsegmentierungsmasken zu bestimmen, die Positionen und Klassifizierungen von Kreuzungsbereichen oder -regionen darstellen. Die Positionen der Kreuzungsbereiche oder -regionen können im Bild-Raum generiert und in Welt-Raum-Koordinaten umgewandelt werden, um ein autonomes oder halbautonomes Fahrzeug bei der Navigation von Kreuzungen nach Regeln der Straße, Verkehrsprioritätsüberlegungen und/oder dergleichen zu unterstützen.

    In various examples, live perception from sensors of a vehicle may be leveraged to detect and classify intersection contention areas in an environment of a vehicle in real-time or near real-time. For example, a deep neural network (DNN) may be trained to compute outputs—such as signed distance functions—that may correspond to locations of boundaries delineating intersection contention areas. The signed distance functions may be decoded and/or post-processed to determine instance segmentation masks representing locations and classifications of intersection areas or regions. The locations of the intersections areas or regions may be generated in image-space and converted to world-space coordinates to aid an autonomous or semi-autonomous vehicle in navigating intersections according to rules of the road, traffic priority considerations, and/or the like.


    Zugriff

    Download


    Exportieren, teilen und zitieren



    Titel :

    ERKENNUNG UND KLASSIFIZIERUNG VON KREUZUNGSREGIONEN FÜR AUTONOME MASCHINENANWENDUNGEN


    Beteiligte:
    PHAM TRUNG (Autor:in) / RODRIGUEZ HERVAS BERTA (Autor:in) / PARK MINWOO (Autor:in) / NISTER DAVID (Autor:in) / CVIJETIC NEDA (Autor:in)

    Erscheinungsdatum :

    2022-08-18


    Medientyp :

    Patent


    Format :

    Elektronische Ressource


    Sprache :

    Deutsch


    Klassifikation :

    IPC:    B60W CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION , Gemeinsame Steuerung oder Regelung von Fahrzeug-Unteraggregaten verschiedenen Typs oder verschiedener Funktion / G01C Messen von Entfernungen, Höhen, Neigungen oder Richtungen , MEASURING DISTANCES, LEVELS OR BEARINGS



    Erkennung und Klassifizierung des Zustands einer Ladesäule

    TEUSCHL GERALD | Europäisches Patentamt | 2024

    Freier Zugriff

    Erkennung und Klassifizierung kritischer Fahrsituationen mittels Fahrzeugdaten

    Benmimoun, Mohamed / Fahrenkrog, Felix / Zlocki, Adrian et al. | Tema Archiv | 2012


    Erkennung und Klassifizierung kritischer Fahrsituationen mittels Fahrzeugdaten

    Benmimoun,M. / Fahrenkrog,F. / Zlocki,A. et al. | Kraftfahrwesen | 2012



    ERKENNUNG DER FAHRBAHNMITTE FÜR DIE AUTONOME FAHRZEUGSTEUERUNG

    O'DONNELL TIMOTHY | Europäisches Patentamt | 2020

    Freier Zugriff