In examples, live perception from wide-view sensors may be leveraged to detect features in an environment of a vehicle. Sensor data generated by the sensors may be adjusted to represent a virtual field of view different from an actual field of view of the sensor, and the sensor data – with or without virtual adjustment – may be applied to a stereographic projection algorithm to generate a projected image. The projected image may then be applied to a machine learning model – such as a deep neural network (DNN) – to detect and/or classify features or objects represented therein. The machine learning model may be pre-trained on training sensor data generated by a sensor having a field of view less than the wide-view sensor such that the virtual adjustment and/or projection algorithm may update the sensor data to be suitable for accurate processing by the pre-trained machine learning model.

    Dans des exemples, une perception en direct à partir de capteurs à large vision peut être exploitée pour détecter des caractéristiques dans un environnement d'un véhicule. Des données de capteur générées par les capteurs peuvent être réglées pour représenter un champ de vision virtuel différent d'un champ de vision réel du capteur, et les données de capteur – avec ou sans réglage virtuel – peuvent être appliquées à un algorithme de projection stéréographique pour générer une image projetée. L'image projetée peut ensuite être appliquée à un modèle d'apprentissage machine - tel qu'un réseau neuronal profond (DNN) - pour détecter et/ou classifier des caractéristiques ou des objets représentés dans celui-ci. Le modèle d'apprentissage machine peut être pré-entraîné sur des données de capteur d'entraînement générées par un capteur présentant un champ de vision inférieur au capteur à vision large de sorte que l'algorithme de réglage et/ou de projection virtuel peut mettre à jour les données de capteur pour permettre un traitement précis par le modèle d'apprentissage machine pré-entraîné.


    Zugriff

    Download


    Exportieren, teilen und zitieren



    Titel :

    PROJECTING IMAGES CAPTURED USING FISHEYE LENSES FOR FEATURE DETECTION IN AUTONOMOUS MACHINE APPLICATIONS


    Weitere Titelangaben:

    PROJECTION D'IMAGES CAPTURÉES AU MOYEN DE LENTILLES ULTRA-GRAND-ANGLE POUR LA DÉTECTION DE CARACTÉRISTIQUES DANS DES APPLICATIONS DE MACHINE AUTONOME


    Beteiligte:

    Erscheinungsdatum :

    2021-10-14


    Medientyp :

    Patent


    Format :

    Elektronische Ressource


    Sprache :

    Englisch


    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 / G06N COMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS , Rechnersysteme, basierend auf spezifischen Rechenmodellen / G06T Bilddatenverarbeitung oder Bilddatenerzeugung allgemein , IMAGE DATA PROCESSING OR GENERATION, IN GENERAL / G06V




    Super resolution of fisheye images captured by on-vehicle camera for visibility support

    Takano, Teruhisa / Ono, Shintaro / Matsushita, Yuki et al. | IEEE | 2015


    Fisheye Lenses Calibration Using Straight-Line Spherical Perspective Projection Constraint

    Ying, Xianghua / Hu, Zhanyi / Zha, Hongbin | Springer Verlag | 2006


    Fisheye Lenses Calibration Using Straight-Line Spherical Perspective Projection Constraint

    Ying, X. / Hu, Z. / Zha, H. | British Library Conference Proceedings | 2006