苹果获得三项泰坦项目新专利 涉及使用机器学习的AV先进LiDAR系统

发布时间:2021-08-19
分享到
据外媒报道,美国专利商标局授予了苹果三项泰坦项目专利,其中两项关键专利涉及LiDAR系统。

据外媒报道,美国专利商标局授予了苹果三项泰坦项目专利,其中两项关键专利涉及LiDAR系统。第一项专利是使用机器学习来预测激光雷达数据,其中机器学习技术目前正在苹果的自动驾驶训练车辆中使用;第二项专利为在自动驾驶汽车上启用LiDAR检测;而第三项专利为多级主动悬架执行器(multi-stage active suspension actuator)。

前瞻技术,苹果,泰坦项目新专利,使用机器学习的AV先进LiDAR系统

苹果泰坦项目概念图(图片来源:patentlyapple.com)

使用机器学习预测激光雷达数据

据苹果称,车辆会使用光检测和测距(lidar)传感器来检测附近的环境。自动驾驶汽车可以使用lidar传感器确定道路上的物体或其他车辆,以确定要执行的适当驾驶行为。自动驾驶车辆还会采用附加传感器,例如光学传感器(摄像头)或雷达传感器,以确定附近环境的其他信息。尽管lidar传感器能够以机器学习算法或决策系统可解释的形式感知环境信息,但目前它比现有的摄像头或雷达传感器速度更慢。

摄像头或雷达传感器可以捕获图像帧或雷达数据帧,且捕获速率比lidar传感器更快。因此,自动驾驶车辆可以利用来自摄像头或雷达传感器的图像数据或雷达数据,从而补充来自lidar传感器的激光雷达数据。自动驾驶车辆可以读取图像数据或雷达数据以确定附近环境中的物体。将图像数据、雷达数据和lidar数据结合,可以使自动驾驶汽车能够更全面地了解周围环境。而用于机器学习和信息的lidar数据比图像数据或雷达数据更稳健,因此访问额外的lidar数据的速率要高于lidar传感器的捕获速率。

苹果所获专利包括使用机器学习预测车辆lidar数据的系统和方法。在一些实例中,车辆可具有一个或多个传感器、光检测和测距(lidar)传感器以及lidar预测系统。所采用的一个或多个传感器包括光学传感器、雷达传感器或都有,并被配置为捕获特定视图的传感器数据。lidar传感器预测系统会被配置为捕获特定视图的lidar数据。lidar预测系统包括预测模型,并被配置可生成预测性lidar帧,采用的方式是将预测模型应用于传感器数据,而这些数据由所采用的一个或多个传感器获取。此外,lidar传感器预测系统还可向外部系统发送预测的lidar帧。

在其他实施例中,还展示了一种用于生成预测lidar帧的预测模型的方法。该方法包括从一个或多个训练车辆接收多个位置的多个lida帧,其中多个lida帧会指出不同位置的多个物体。

该方法还包括从一个或多个训练车辆接收来自其他车辆的一个或多个传感器的多个传感器帧,从而确定多个位置。不仅如此,该方法还包括,基于具有来自一个或多个传感器的多个传感器帧的多个lidar帧,从而确定多个lidar帧的lidar数据点与来自一个或多个传感器的多个传感器帧之间的映射。

该方法还包括生成预测模型。基于lidar数据点与来自一个或多个传感器的多个传感器帧之间的映射,该预测模型可以将一个或多个传感器的传感器帧转换为lidar帧。

苹果专利图。图1展示出具有一个或多个传感器车辆的框图,该车辆用于检测其他车辆;图2展示多个数据帧,用于检测车辆或了解附近环境以实现自动驾驶。

前瞻技术,苹果,泰坦项目新专利,使用机器学习的AV先进LiDAR系统

苹果专利图1与图2(图片来源:patentlyapple.com)

苹果的专利图。图3展示了一种模型生成系统,该系统被配置为生成预测模型以根据一个或多个传感器的一个或多个传感器帧生成预测的lidar帧;图4A-B展示了车辆捕获的传感器数据;图6A展示描绘车辆阻碍道路标志的视图的图像帧;图6B展示了由描绘环境的检测系统生成的预测lidar帧;图6C展示了基于指示道路标志的障碍部分的预测lidar帧生成的平视显示。

前瞻技术,苹果,泰坦项目新专利,使用机器学习的AV先进LiDAR系统

苹果专利图3、4A、4B、6A、6B与6C(图片来源:patentlyapple.com)

启用激光雷达检测

道路或道路标志涵盖反光材料,例如反光涂料或附件,以通过反射光来提高其光学可见度。车道标记通常包括反光涂料和物理凹凸,以确保驾驶员即使在光线不足的情况下也能看到车道外边界。车牌也采用反光材料,以更好地照亮车牌上的文字,以便其他司机和警察看清。

自动驾驶车辆采用了许多传感器,这些传感器在驾驶时检测可能出现的障碍物。而这些障碍物可能包括沿着同一条道路行驶的其他车辆。道路上的车辆可由传感器检测,例如光检测和测距(lidar)传感器或雷达传感器。传感器通常能够通过确定lidar信号或雷达信号被车辆反射来检测车辆。通过反射信号,传感器可能不必可以确定障碍物是否是车辆。通过提高传感器可检测信号的可用性,传感器可以更有效,从而可以提高道路上其他车辆的可检测性。

苹果所获专利涵盖了在车辆上启用lidar检测的系统和方法。在一些实例中,车辆可包括配置成发射光信号的光源、配置成(至少部分)基于多个反射器的接收反射光信号的接收器传感器,以及控制器。控制器可以被配置为(至少部分)基于反射光信号来识别多个反射器的布置图案,并(至少部分)基于布置图案的识别来确定多个反射器耦合到另一车辆中。

苹果专利图。下图1展示了具有一个或多个传感器的车辆的框图,该传感器用于检测另一辆车;图2a展示了被配置为向嵌入车辆中的多个反射器发送信号的传感器的侧视图;图3A和B展示了车辆的框图,该车辆具有识别车辆多个方向的多个反射器的多个图案。

前瞻技术,苹果,泰坦项目新专利,使用机器学习的AV先进LiDAR系统

苹果专利图1、2A、3A、3B(图片来源:patentlyapple.com)

第三项泰坦项目专利为“多级主动悬架执行器”,用于车辆悬架系统,尤其是主动悬架执行器和带有主动悬架执行器的悬架系统。


收藏
赞一下
0