公开(公告)号：CN119007183A

公开(公告)日：2024-11-22

申请号：CN202410616139.2

申请日：2024-05-17

Applicant: 罗伯特·博世有限公司

Inventor： A·阿劳耶 ,  A·P·孔杜拉凯 ,  T·施特劳斯

IPC: G06V20/64 ,  G06V20/56 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种用于在使用包括编码器和解码器的人工神经网络的情况下创建参考地图表示的方法，包括：接收代表机动车的环境的基于机动车的环境传感器检测环境创建的点云的点云数据；接收代表环境传感器在通过其检测环境期间的状态的状态数据；基于这些数据来训练编码器和解码器，包括：编码器基于这些数据创建环境的参考地图表示；解码器基于编码器所创建的参考地图表示以及基于所述状态数据且不使用点云数据重建点云以便创建经重建的点云；训练编码器和解码器直至预确定的训练结束判定标准被满足以便获得经训练的编码器、解码器和经训练的编码器创建的参考地图表示。还涉及用于定位机动车的方法、用于模拟点云的方法、设备、计算机程序和机器可读的存储介质。

公开(公告)号：CN116472563A

公开(公告)日：2023-07-21

申请号：CN202180075978.2

申请日：2021-11-03

Applicant: 罗伯特·博世有限公司

Inventor： R·施塔尔 ,  T·贡普 ,  A·P·孔杜拉凯 ,  C·格莱泽 ,  J·埃伯特 ,  M·乌尔里希 ,  S·明茨纳 ,  F·法永 ,  L·罗森鲍姆 ,  F·蒂姆 ,  F·德鲁兹

IPC: G06V20/56

Abstract: 提出一种用于检测第一传感器系统的环境的方法，所述方法具有下述步骤：提供用于检测该环境的、该第一传感器系统的数据的时间序列；使用该第一传感器系统的数据的该时间序列为经训练的神经网络生成输入张量，其中，该神经网络已被设置和训练用于基于该输入张量来辨识该环境的至少一个部分区域以借助第二传感器系统来改善该环境的检测；借助该经训练的神经网络的输出信号为该第二传感器系统生成控制信号，以便在所述至少一个部分区域中改善该环境的检测。

公开(公告)号：CN114548395A

公开(公告)日：2022-05-27

申请号：CN202111411233.7

申请日：2021-11-25

Applicant: 罗伯特·博世有限公司

Inventor： A·P·孔杜拉凯 ,  J·E·M·梅纳特 ,  P·维默

IPC: G06N3/08 ,  G06N3/04 ,  G06K9/62 ,  G06V10/764 ,  G06V10/82

Abstract: 用于训练自身行为通过可训练参数被表征的人工神经网络KNN的方法，包括：对参数初始化；提供用额定输出标记的训练数据，其中KNN应将训练数据分别映射到额定输出；训练数据被输送给KNN并由KNN映射到输出；根据预先给定的成本函数评价输出与学习输出的一致性；根据预先给定的标准，从参数集合中至少选择待训练的参数的第一子集和待保持的参数的第二子集;以如下目标来优化待训练的参数：通过KNN对训练数据的进一步处理预计导致通过成本函数的更好评价；分别将待保持的参数保留在其初始化值上或在优化时已经获得的值上。

公开(公告)号：CN115860092A

公开(公告)日：2023-03-28

申请号：CN202211156508.1

申请日：2022-09-22

Applicant: 罗伯特·博世有限公司

Inventor： A·P·孔杜拉凯 ,  J·E·M·梅纳特 ,  P·维默尔

IPC: G06N3/082 ,  G06N3/0464

Abstract: 本发明涉及用于处理与例如人工的例如深度的神经网络（例如卷积神经网络CNN）相关联的数据的方法，例如计算机实现的方法，具有：基于至少一个过滤器字典（例如Filter Dictionary）来表示所述神经网络的至少一个过滤器，并且可选地，使用所述至少一个过滤器处理输入数据和/或可从输入数据导出或从输入数据导出的数据。

公开(公告)号：CN112287961A

公开(公告)日：2021-01-29

申请号：CN202010709336.0

申请日：2020-07-22

Applicant: 罗伯特·博世有限公司

Inventor： F·法永 ,  A·P·孔杜拉凯 ,  C·格莱泽 ,  F·德鲁兹 ,  J·埃伯特 ,  L·罗森鲍姆 ,  R·施塔尔 ,  S·明茨纳 ,  T·贡普

IPC: G06K9/62 ,  G06N3/04

Abstract: 一种用于根据传感器信号来探测车辆的周围环境中的对象的方法，其中，所述传感器信号代表所述车辆的周围环境，所述方法包括以下步骤：借助区域候选网络处理所述传感器信号，以得到每个锚点至少一个对象假设，其中，所述对象假设包括对象概率和边界框；借助质量模型选择最佳的对象假设，其中，所述质量模型取决于所述对象假设的所述锚点和所述边界框；辨识相对于所选择的对象假设冗余的对象假设，其中，根据所述冗余的对象假设的锚点借助配属给所述区域候选网络的目标函数来辨识所述冗余的对象假设；将所选择的对象假设与所辨识的冗余对象假设相融合，用于对象探测。本发明还涉及一种相应地设置的设备、一种相应地设置的计算机程序以及一种机器可读的存储介质。

公开(公告)号：CN118072066A

公开(公告)日：2024-05-24

申请号：CN202311591746.X

申请日：2023-11-24

Applicant: 罗伯特·博世有限公司

Inventor： M·皮特纳 ,  A·P·孔杜拉凯 ,  J·贾奈

IPC: G06V10/764 ,  G06V20/56 ,  G06V10/82 ,  G06N3/08 ,  G06V10/766

Abstract: 本发明涉及一种用于训练用于行车道标记(65)的探测的模型(50)的方法(100)，该方法包括以下步骤：‑提供(101)图像(60)，所述图像对于通过车辆(30)的至少一个传感器(40)进行的记录是特定的，并且在所述图像中成像有所述行车道标记(65)，‑提供(102)基础真实数据(70)，所述基础真实数据对于所提供的图像(60)中的行车道标记(65)的几何形状是特定的，‑基于所提供的图像(60)和基础真实数据(70)来训练(103)所述模型(50)用于所述行车道标记(65)的几何形状的基于连续的曲线(310)的参数化(320)的三维建模(301)。

公开(公告)号：CN115496122A

公开(公告)日：2022-12-20

申请号：CN202210680173.7

申请日：2022-06-16

Applicant: 罗伯特·博世有限公司

Inventor： A·P·孔杜拉凯 ,  J·E·M·梅纳特 ,  P·维默尔

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 简化人工神经网络KNN的方法（100），由可训练参数（2）表征KNN的行为，该方法具有步骤：提供（110）第一评价标准（4），其将KNN的简化配置（1a）映射到对相应配置（1a）中KNN性能的预测（6）；提供（120）第二评价标准（5），其同样将KNN的简化配置（1a）映射到对相应配置（1a）中KNN性能的预测（6），第二评价标准（5）至少部分地与第一评价标准（4）互补；以如下目标优化（130）KNN的简化配置（1a）：既通过第一评价标准（4）又通过第二评价标准（5）和/或通过由这两个评价标准（4、5）的合并所得出的总评价标准（7）将简化配置（1a）映射到对KNN性能尽可能好的预测（6）。