-
公开(公告)号：CN110546696A
公开(公告)日：2019-12-06
申请号：CN201880027099.0
申请日：2018-03-23
Applicant: 罗伯特·博世有限公司
IPC: G08G1/01
Abstract: 公开一种用于自主车辆的用于自动生成和更新数据集的方法，其中，记录至少一个交通信号灯和该交通信号灯的切换状态，求取至少一个行车道标记，记录至少一个前方行驶的车辆的轨迹，使用所收集的数据来生成和更新该数据集，其中，基于所检测的至少一个轨迹、至少一个交通信号灯的至少一个切换状态和所求取的至少一个行车道标记，将至少一个车道分配给至少一个交通信号灯。此外公开一种用于执行所述方法的自主的或部分自主的车辆。
-
公开(公告)号：CN119445509A
公开(公告)日：2025-02-14
申请号：CN202411064013.5
申请日：2024-08-05
Applicant: 罗伯特·博世有限公司
IPC: G06V20/56 , G06V20/64 , G06V10/774 , G06V10/82 , G06T7/73 , G06T15/08 , G06T17/20 , G06N3/0895
Abstract: 训练ML模型以生成车辆的周围环境的基于体素的3D表示的方法，具有步骤：‑基于表示车辆的周围环境的至少一个数据源生成第一图像数据；‑借助于能训练的ML模型从第一图像数据提取至少一个图像特征；‑借助于能训练的ML模型生成车辆的周围环境的基于体素的3D表示，其方式是将在2D域中的至少一个图像特征变换成3D域中的对应的体素特征，其中每个体素特征包含关于占用的信息和体素特征的3D位置的颜色信息；‑基于颜色信息和关于占用的信息渲染至少一个体素特征的所生成的3D表示，以便生成第二图像数据；‑将第一输入图像数据与所生成的第二输出图像数据进行比较，并且在明确偏差的情况下，‑调整ML模型的至少一个参数，以便最小化所确定的偏差并因此训练ML模型和从而改进ML模型的所生成的3D表示。
-
公开(公告)号：CN112689996B
公开(公告)日：2024-07-19
申请号：CN201980059996.4
申请日：2019-07-30
Applicant: 罗伯特·博世有限公司
Abstract: 一种用于校准检测系统的方法，其中，所述检测系统包括至少一个可运动的检测装置，所述方法包括步骤：求取所述至少一个可运动的检测装置的至少两个可能的不同姿态；根据至少两个可能姿态中的每个姿态预校准所述至少一个可运动的检测装置；提供针对所述至少两个可能姿态的预校准信息；求取所述至少一个可运动的检测装置的当前姿态；基于所述预校准信息求取针对所述当前姿态的校准信息；根据所提供的校准信息校准处于所述当前姿态中的所述至少一个可运动的检测装置。
-
公开(公告)号：CN110546696B
公开(公告)日：2022-08-30
申请号：CN201880027099.0
申请日：2018-03-23
Applicant: 罗伯特·博世有限公司
IPC: G08G1/01
Abstract: 公开一种用于自主车辆的用于自动生成和更新数据集的方法，其中，记录至少一个交通信号灯和该交通信号灯的切换状态，求取至少一个行车道标记，记录至少一个前方行驶的车辆的轨迹，使用所收集的数据来生成和更新该数据集，其中，基于所检测的至少一个轨迹、至少一个交通信号灯的至少一个切换状态和所求取的至少一个行车道标记，将至少一个车道分配给至少一个交通信号灯。此外公开一种用于执行所述方法的自主的或部分自主的车辆。
-
Patent Agency Ranking
公开(公告)号：CN119296057A
公开(公告)日：2025-01-10
申请号：CN202410919393.X
申请日：2024-07-10
Applicant: 罗伯特·博世有限公司
IPC: G06V20/56 , G06V20/64 , G06V10/774 , G06V10/82 , G06T7/73 , G06T15/08 , G06T17/20 , G06N3/0895
Abstract: 本公开包括用于生成车辆的环境的通用3D表示的方法，具有如下步骤：基于数据源生成第一图像数据，其表示该环境；借助于ML模型，从第一图像数据中提取至少一个图像特征；借助于ML模型，针对环境，生成基于体素的3D表示，其方式是将图像特征变换成对应的体素特征，针对体素特征的3D表示存储关于体素的3D范围被占用的概率的信息；训练机器学习模型，用以从相机提取图像特征并且确定所有3D体素的占用情况，其具有如下步骤：将关于体素特征在3D表示中的3D位置的信息投影到相机中；确定相机之间的偏差，该偏差指示：两个相机针对被投影的体素特征是否看到相同的对应图像点(光度误差)；而且调整ML模型的至少一个参数，以便使偏差最小化并改进3D表示。
-
公开(公告)号：CN110506303B
公开(公告)日：2023-06-02
申请号：CN201880024497.7
申请日：2018-03-27
Applicant: 罗伯特·博世有限公司
IPC: G08G1/01
Abstract: 一种用于求取交通场景(100)的数据的方法，所述方法具有以下步骤：借助传感器装置检测车辆(30，40，41，42)的周围环境；借助所述传感器装置检测交通参与者的行为方式；对所述周围环境的所检测的数据和所述交通参与者的行为方式的所检测的数据进行组合和评估；存储所组合和所评估的数据。
-
公开(公告)号：CN119547065A
公开(公告)日：2025-02-28
申请号：CN202380053196.8
申请日：2023-07-11
Applicant: 罗伯特·博世有限公司
Abstract: 用于训练一个或多个神经网络(1)的方法(100)，所述神经网络处理测量数据(2)，所述方法包括步骤：●提供(110)测量数据(2)的训练示例(2a)，所述训练示例既包括用目标分类分数(2b)标记的训练示例(2a1)又包括未标记的训练示例(2a2)；●所述训练示例(2a)由所述一个或多个神经网络(1)处理(120)为分类分数(4)，●关于标记的训练示例(2a1)，利用预设的成本函数(5)评估(130)‑所述分类分数(4)在多大程度上对应于相应的目标分类分数(2b)，以及‑从彼此相似的训练示例(2a1)形成的中间结果(3)在多大程度上彼此相似，而从彼此不相似的训练示例(2a1)形成的中间结果(3)在多大程度上彼此不相似；●优化(140)表征所述一个或多个神经网络(1)的行为的参数(1a)，目标是在继续处理训练示例(2a1)时预期将改善通过所述成本函数(5)的评估(5a)；●检查(150)对于所述训练示例(2a)的包含至少一个未标记的训练示例(2a2)的子集形成的中间结果(3)是否根据预设的标准(6)彼此相似；●如果是这种情况，则利用所述优先类别(4*)作为标签(2b)将所述子集的未标记的训练示例(2a2)转换(160)为标记的训练示例(2a1)；并且●利用以这种方式升级的训练示例(2a*)来训练(170)所述一个或多个神经网络(1)。
-
公开(公告)号：CN112689996A
公开(公告)日：2021-04-20
申请号：CN201980059996.4
申请日：2019-07-30
Applicant: 罗伯特·博世有限公司
Abstract: 一种用于校准检测系统的方法，其中，所述检测系统包括至少一个可运动的检测装置，所述方法包括步骤：求取所述至少一个可运动的检测装置的至少两个可能的不同姿态；根据至少两个可能姿态中的每个姿态预校准所述至少一个可运动的检测装置；提供针对所述至少两个可能姿态的预校准信息；求取所述至少一个可运动的检测装置的当前姿态；基于所述预校准信息求取针对所述当前姿态的校准信息；根据所提供的校准信息校准处于所述当前姿态中的所述至少一个可运动的检测装置。
-
公开(公告)号：CN110506303A
公开(公告)日：2019-11-26
申请号：CN201880024497.7
申请日：2018-03-27
Applicant: 罗伯特·博世有限公司
IPC: G08G1/01
Abstract: 一种用于求取交通场景(100)的数据的方法，所述方法具有以下步骤：借助传感器装置检测车辆(30，40，41，42)的周围环境；借助所述传感器装置检测交通参与者的行为方式；对所述周围环境的所检测的数据和所述交通参与者的行为方式的所检测的数据进行组合和评估；存储所组合和所评估的数据。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.019 seconds)
