DYNAMISCHE OBJEKTDETEKTION MIT LIDAR-DATEN FÜR AUTONOME MASCHINENSYSTEME UND ANWENDUNGEN

• Main Authors: Pehserl, Joachim, Joergensen, Jens Christian Bo, Boer Bohan, Ollin, Smolyanskiy, Nikolai
• Format: Patent
• Language: German
• Published: 22.08.2024
• Subjects: ANALOGOUS ARRANGEMENTS USING OTHER WAVES; CALCULATING; COMPUTING; COUNTING; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; IMAGE DATA PROCESSING OR GENERATION, IN GENERAL; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION ORRERADIATION OF RADIO WAVES; MEASURING; PHYSICS; RADIO DIRECTION-FINDING; RADIO NAVIGATION; TESTING

In verschiedenen Beispielen erkennen und/oder verfolgen die Systeme und Verfahren der vorliegenden Offenbarung Objekte in einer Umgebung unter Verwendung von Projektionsbildern, die von LiDAR erzeugt werden. Zum Beispiel kann ein maschinelles Lernmodell - wie ein tiefes neuronales Netzwerk (DNN) - verwendet werden, um eine Bewegungsmaske zu berechnen, welche die Bewegung von Punkten angibt, die Objekte in einer Umgebung darstellen. Verschiedene Eingangskanäle können dem maschinellen Lernmodell zur Berechnung einer Bewegungsmaske als Eingabe bereitgestellt werden. Ein oder mehrere Vergleichsbilder können auf Grundlage des Vergleichs von Tiefenwerten, die aus einem aktuellen Entfernungsbild in einen Koordinatenraum eines vorherigen Entfernungsbilds projiziert werden, mit Tiefenwerten des vorherigen Entfernungsbilds erzeugt werden. Das maschinelle Lernmodell kann die ein oder mehreren Projektionsbilder, die ein oder mehreren Vergleichsbilder und/oder die ein oder mehreren Entfernungsbilder verwenden, um eine Bewegungsmaske und/oder eine Bewegungsvektor-Ausgangsdarstellung zu berechnen. In various examples, systems and methods of the present disclosure detect and/or track objects in an environment using projection images generated from LiDAR. For example, a machine learning model-such as a deep neural network (DNN)-may be used to compute a motion mask indicative of motion corresponding to points representing objects in an environment. Various input channels may be provided as input to the machine learning model to compute a motion mask. One or more comparison images may be generated based on comparing depth values projected from a current range image to a coordinate space of a previous range image to depth values of the previous range image. The machine learning model may use the one or more projection images, the one or more comparison images, and/or the one or more range images to compute a motion mask and/or a motion vector output representation.