-
公开(公告)号：CN117268413A
公开(公告)日：2023-12-22
申请号：CN202310728297.2
申请日：2023-06-19
Applicant: 罗伯特·博世有限公司
Abstract: 学习从传感器数据中提取运动信息以后续应用于对检测到的对象的速度进行确定的方法，包括：提供通过物理观察对象所记录的传感器数据帧时间序列；提供在传感器数据帧中分别界定对象的对象边界框时间序列；向针对时间点t+k预测对象边界框演化的可训练机器学习模型提供时间点t的对象边界框和时间点t前的时间序列中的传感器数据历史和/或时间序列中的对象边界框历史；将如此预测的对象边界框与对象边界框时间序列中得到的相同时间点t+k的比较框比较；使用预给定成本函数评估在所预测对象边界框和比较框之间的偏差；和以如下目标优化表征可训练机器学习模型行为的参数：在对象边界框的进一步预测中通过成本函数进行的评估预计得到改善。
-
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
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：CN119948538A
公开(公告)日：2025-05-06
申请号：CN202380068824.X
申请日：2023-09-12
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及一种用于借助具有注意力模型的变换器从点云数据中探测多个对象(O1，O2)的方法，其中，所追踪的对象(O1，O2)的状态被存储在特征空间中。实施如下步骤：a.由骨干网络(2)从点云数据中计算特征向量，其中，所述特征向量用作用于变换器的键向量(ki)和值向量(vi)；b.通过采样方法(4)从点云数据中计算用于变换器的第一层(s0)的第一锚点位置#imgabs0#c.借助编码(5)基于所述第一锚点位置#imgabs1#来求取特征向量，其中，所述特征向量用作用于变换器的第一层(s0)的对象查询#imgabs2#d.借助变换器的解码器(6)的所述第一层(s0)基于对象查询#imgabs3#和键向量(ki)和值向量(vi)来求取在变换器的第一层(s0)中的结果特征向量#imgabs4#e.针对变换器的第一层(s0)的结果特征向量#imgabs5#计算(7)框参数#imgabs6#f.针对变换器的至少一个另外的层(s)调整(40，140)锚点位置#imgabs7#其方式是，将框参数#imgabs8#的位置差异加到第一锚点位置#imgabs9#上；g.借助编码(50，150)基于调整后的锚点位置#imgabs10#求取特征向量，其中，所述特征向量用作用于变换器的至少一个另外的层(s)的对象查询#imgabs11#h.关于调整后的锚点位置#imgabs12#变换(90)第一层的所述结果特征向量#imgabs13#其中，变换后的结果特征向量#imgabs14#用作用于变换器的至少一个另外的层(s)的对象查询；借助所述变换器的所述解码器(60)基于前面的层(s0)的所述变换后的结果特征向量#imgabs15#当前层(s)的计算出的所述对象查询和所述键向量(ki)和值向量(vi)求取在变换器的所述至少一个另外的层(s)中的结果特征向量#imgabs16#
-
公开(公告)号：CN116964472A
公开(公告)日：2023-10-27
申请号：CN202180093933.8
申请日：2021-12-16
Applicant: 罗伯特·博世有限公司
IPC: G01S7/41
Abstract: 提出了一种用于借助于雷达传感器系统的反射信号来探测环境的至少一个对象的方法，该方法具有如下步骤：提供所述雷达传感器系统的至少一个帧的多个反射信号的相应的空间坐标；提供所述雷达传感器系统的至少一个帧的多个反射信号的至少第一部分的第一测量属性；将所述至少一个帧的多个反射信号的相应的空间坐标变换到占用网格中；生成占用网格，其中，所述至少一个帧的多个反射信号在所述占用网格中被空间表示，其方式是：在所述占用网格中映射所述至少一个帧的多个反射信号的相应的空间坐标，并且将所述至少一个帧的多个反射信号的相应的第一测量属性分配给所述至少一个帧的多个反射信号的空间表示；借助于对所述至少一个帧的多个反射信号进行空间表示的所述占用网格以及相应所分配的第一测量属性，为经过训练的神经网络生成输入张量，以探测所述至少一个对象；而且借助于所述输入张量和经过训练的神经网络，探测所述至少一个对象。
-
公开(公告)号：CN118648034A
公开(公告)日：2024-09-13
申请号：CN202280090827.9
申请日：2022-12-28
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及一种用于根据至少一个基于点的传感器(16)的测量数据(14)对对象(12)进行对象识别的方法(10)，所述基于点的传感器检测所述对象(12)，其方式是，对以具有多个点(22)和配属的特征(24)的点云(20)为基础的测量数据(14)进行处理，其方式是，首先，在基于点的且具有至少一个处理层面(32)的第一处理步骤(26)中，将所述点云(20)的输入侧特征(28)转化为学习特征(30)，并且以至少关于所述点(22)之间的关系的信息(50)来充实，接下来，在基于栅格的且具有至少一个处理层面(68)的第二处理步骤(70)中，将所述学习特征(30)转移到具有多个栅格单元格(72)的模型栅格(74)上，并且接下来，产生与单元格相关的输出数据(80)。另外，本发明涉及一种图像识别设备(104)、一种计算机程序和一种存储器单元。
-
Patent Agency Ranking
公开(公告)号：CN117115472A
公开(公告)日：2023-11-24
申请号：CN202310585034.0
申请日：2023-05-23
Applicant: 罗伯特·博世有限公司
IPC: G06V10/62 , G06V10/75 , G06V10/764 , G06V10/82 , G06N3/0455 , G06N3/048
Abstract: 一种用于借助具有注意力模型的变换器从点云数据跟踪多个对象的方法，对象状态存储在特征空间中。实施：通过主干(2)从所述点云数据计算特征向量用作该变换器的键向量和值向量；通过采样方法(4)从所述点云数据计算锚位置；借助编码(5)求取特征向量用作该变换器的对象查询；借助解码器(6)从第一时间点(t)时的对象查询和键向量和值向量求取该时间点(t)时的结果特征向量；本征速度补偿(9)该结果特征向量以获得经变换的结果特征向量；从前一时间点(t)时的经变换的结果特征向量和所计算的在一个时间步长后的对象查询和键向量和值向量求取在该时间点(t+1)的结果特征向量。
-
公开(公告)号：CN117289223A
公开(公告)日：2023-12-26
申请号：CN202310753087.9
申请日：2023-06-25
Applicant: 罗伯特·博世有限公司
IPC: G01S7/40 , G06N3/0464 , G06N3/09 , G06N3/084 , G01S7/41 , G01S7/48 , G01S7/497 , G01S7/52 , G01S7/539
Abstract: 用于对多模态数据进行时间校正的方法具有步骤：接收到参考传感器的第一数据记录，该第一数据记录具有在不同测量时间点的测量；接收到第二传感器的第二数据记录，该第二数据记录具有在不同的、与参考传感器的测量时间点不是确切一致的测量时间点的测量；通过神经网络读入第一和第二数据记录；并对于第一和第二数据记录在相应测量时间点分别确定多个特征向量；通过神经网络合并和比较第一和第二特征向量，使得确定时间校正的参数，所述第一和第二特征向量与彼此对应的、不是确切一致的测量时间点有关；并且确定在参考传感器和第二传感器的相应测量时间点之间的时间偏移，和/或确定第二传感器的与参考传感器的测量时间点有关的经过修正的数据记录。
-
公开(公告)号：CN114202007A
公开(公告)日：2022-03-18
申请号：CN202111079702.X
申请日：2021-09-15
Applicant: 罗伯特·博世有限公司
Abstract: 本发明涉及用于从测量数据、尤其从时间序列测量数据中为人工智能模块、特别是回归系统创建训练、验证或测试数据集的方法（100），具有如下步骤：将测量数据划分（101）、特别是按照时间部段进行划分；将数学函数应用（102）于测量数据的划分的部分，以便获得代表测量数据的相应划分的部分的签名；确定（103）相应签名出现的频率的度量；根据所确定的频率的度量从测量数据中创建（104）训练、验证或测试数据集。
-
公开(公告)号：CN119884816A
公开(公告)日：2025-04-25
申请号：CN202411911585.2
申请日：2024-12-24
Applicant: 罗伯特·博世有限公司
Inventor： F·鲁佩尔 , F·德鲁斯 , J·里氏 , J·韦尔滕斯 , D·尼恩休瑟 , E·德本尼迪克蒂斯 , F·法永 , L·罗森鲍姆 , R·E·萨尔加多梅希亚 , T·纽恩贝格 , T·贝尔 , Y·米隆
Abstract: 本发明涉及用于使用基于传感器融合的方法和数据驱动模型对车辆环境中的至少一个对象进行分类的计算机实现方法，包括以下步骤：‑在第一数据收集帧内从第一传感器收集第一数据；‑在第二数据收集帧内从至少第二传感器收集第二数据；‑使用第一数据确定第一对象表示；‑使用第二数据确定第二对象表示；‑取决于来自至少第二传感器的第三数据的到达来更新第一对象表示和/或第二对象表示，第三数据已经在第一数据收集帧之后的第三数据收集帧中被收集；‑融合第一表示和至少第二表示以基于接收的数据确定对象的已更新表示；‑应用用于训练数据驱动模型的已更新表示作为用于数据驱动模型的输入数据，以获得包含关于所检测对象的分类的信息的输出数据。
-
公开(公告)号：CN119213463A
公开(公告)日：2024-12-27
申请号：CN202380040906.3
申请日：2023-04-26
Applicant: 罗伯特·博世有限公司
IPC: G06T7/30
Abstract: 按照各种实施方式，描述了一种用于控制机器人装置的方法，该方法具有：从多个传感器中的每个传感器，接收该传感器的相应的传感器数据集；针对包含至少一个对象的对象集合的每个对象，为传感器数据集的多个不同组合中的每个组合，通过按照这些传感器数据集的组合来对这些传感器数据集进行传感器数据融合，确定该对象的位置预测；针对该对象集合的每个对象，为多对组合中的每对组合，确定按照该对组合为该对象确定的位置预测之间的距离；将所确定的距离输送到神经网络，该神经网络被训练为：根据针对这些对组合的位置预测之间的距离，确定这些位置预测的置信信息；而且在考虑该置信信息的情况下，使用这些位置预测中的一个或多个来控制机器人装置。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
