CN113228655A - 对测量数据进行的内容适应性的有损压缩 - Google Patents

对测量数据进行的内容适应性的有损压缩 Download PDF

Info

Publication number
CN113228655A
CN113228655A CN201980083778.4A CN201980083778A CN113228655A CN 113228655 A CN113228655 A CN 113228655A CN 201980083778 A CN201980083778 A CN 201980083778A CN 113228655 A CN113228655 A CN 113228655A
Authority
CN
China
Prior art keywords
measurement data
data
vehicle
compression
module
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201980083778.4A
Other languages
English (en)
Inventor
H·扬森
B·荣格
A·岑德尔
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Robert Bosch GmbH
Original Assignee
Robert Bosch GmbH
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Robert Bosch GmbH filed Critical Robert Bosch GmbH
Publication of CN113228655A publication Critical patent/CN113228655A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W30/00—Purposes of road vehicle drive control systems not related to the control of a particular sub-unit, e.g. of systems using conjoint control of vehicle sub-units
    • B60W30/08—Active safety systems predicting or avoiding probable or impending collision or attempting to minimise its consequences
    • B60W30/09—Taking automatic action to avoid collision, e.g. braking and steering
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60Q—ARRANGEMENT OF SIGNALLING OR LIGHTING DEVICES, THE MOUNTING OR SUPPORTING THEREOF OR CIRCUITS THEREFOR, FOR VEHICLES IN GENERAL
    • B60Q9/00—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling
    • B60Q9/008—Arrangement or adaptation of signal devices not provided for in one of main groups B60Q1/00 - B60Q7/00, e.g. haptic signalling for anti-collision purposes
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/04—Conjoint control of vehicle sub-units of different type or different function including control of propulsion units
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/18—Conjoint control of vehicle sub-units of different type or different function including control of braking systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W10/00—Conjoint control of vehicle sub-units of different type or different function
    • B60W10/20—Conjoint control of vehicle sub-units of different type or different function including control of steering systems
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W50/00—Details of control systems for road vehicle drive control not related to the control of a particular sub-unit, e.g. process diagnostic or vehicle driver interfaces
    • B60W50/08—Interaction between the driver and the control system
    • B60W50/14—Means for informing the driver, warning the driver or prompting a driver intervention
    • B60W50/16—Tactile feedback to the driver, e.g. vibration or force feedback to the driver on the steering wheel or the accelerator pedal
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0238—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using obstacle or wall sensors
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0231—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means
    • G05D1/0246—Control of position or course in two dimensions specially adapted to land vehicles using optical position detecting means using a video camera in combination with image processing means
    • G—PHYSICS
    • G05—CONTROLLING; REGULATING
    • G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
    • G05D1/00—Control of position, course, altitude or attitude of land, water, air or space vehicles, e.g. using automatic pilots
    • G05D1/02—Control of position or course in two dimensions
    • G05D1/021—Control of position or course in two dimensions specially adapted to land vehicles
    • G05D1/0257—Control of position or course in two dimensions specially adapted to land vehicles using a radar
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/165—Anti-collision systems for passive traffic, e.g. including static obstacles, trees
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/16—Anti-collision systems
    • G08G1/166—Anti-collision systems for active traffic, e.g. moving vehicles, pedestrians, bikes
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/102—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or selection affected or controlled by the adaptive coding
    • H04N19/132—Sampling, masking or truncation of coding units, e.g. adaptive resampling, frame skipping, frame interpolation or high-frequency transform coefficient masking
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/136—Incoming video signal characteristics or properties
    • H04N19/137—Motion inside a coding unit, e.g. average field, frame or block difference
    • H04N19/139—Analysis of motion vectors, e.g. their magnitude, direction, variance or reliability
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/134—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the element, parameter or criterion affecting or controlling the adaptive coding
    • H04N19/167—Position within a video image, e.g. region of interest [ROI]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
    • H04N19/00—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals
    • H04N19/10—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding
    • H04N19/169—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding
    • H04N19/182—Methods or arrangements for coding, decoding, compressing or decompressing digital video signals using adaptive coding characterised by the coding unit, i.e. the structural portion or semantic portion of the video signal being the object or the subject of the adaptive coding the unit being a pixel
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/403—Image sensing, e.g. optical camera
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2420/00—Indexing codes relating to the type of sensors based on the principle of their operation
    • B60W2420/40—Photo, light or radio wave sensitive means, e.g. infrared sensors
    • B60W2420/408—Radar; Laser, e.g. lidar
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/18—Braking system
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2710/00—Output or target parameters relating to a particular sub-units
    • B60W2710/20—Steering systems
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/62—Extraction of image or video features relating to a temporal dimension, e.g. time-based feature extraction; Pattern tracking

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Automation & Control Theory (AREA)
  • Mechanical Engineering (AREA)
  • General Physics & Mathematics (AREA)
  • Signal Processing (AREA)
  • Transportation (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Chemical & Material Sciences (AREA)
  • Combustion & Propulsion (AREA)
  • Aviation & Aerospace Engineering (AREA)
  • Electromagnetism (AREA)
  • Human Computer Interaction (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明涉及一种用于对通过对感测区域(1000)进行物理观察所获取的测量数据(1a、2a)进行有损压缩的方法(400)，所述方法具有下述步骤：根据至少一个标准(40)将所述测量数据(1a、2a)和/或由此得出的预处理数据(31‑36)划分(41)到多个类别和/或区域(41a‑41c)中；根据对所述测量数据(1a、2a)的或者说所述预处理数据(31‑36)的有意的分析评价(50)为所述类别和/或所述区域(41a‑41c)指派(42)优先级(42a‑42c)；有损地压缩(43)划分到每个类别或者说区域(41a‑41c)中的测量数据(1a、2a)的和/或所述预处理数据(31‑36)的时间变化(1a’、2a’、31’‑36’)，其中，压缩度(43a‑43c)与指派给所述类别或者说区域(41a‑41c)的优先级(42a‑42c)有关。本发明涉及一种用于在使用用于有损压缩的方法(400)的情况下监测在道路交通中行驶的车辆(1010)和/或控制在道路交通中的至少部分自动化行驶的车辆(1010)的方法(900)。本发明涉及一种压缩模块(90)、摄像机、雷达模块或者激光雷达模块(91)。本发明涉及一种计算机程序。

Description

对测量数据进行的内容适应性的有损压缩
技术领域
本发明涉及一种对测量数据、尤其是用于感测车辆的环境的测量数据的有损压缩。
背景技术
在通过人类驾驶员在道路交通中驾驶车辆的情况下，来自于车辆环境的光学信息是最重要的信息源。与此相应地，驾驶员辅助系统以及用于至少部分自动化行驶的系统也使用一个或者多个数码摄像机或者其他用于感测车辆环境的成像系统。在车辆内待传输的数据流量的总额随着摄像机的数量和摄像机的像素分辨率以及颜色深度而大幅增加。
US 2018/131 950 A1公开了一种方法，借助该方法能够从场景中提取移动的对象。然后，关于所述对象的运动的信息能够以所述对象的元数据的形式以高度压缩的方式传输。
WO 2016/181 150 A1公开了一种方法，借助该方法能够逐帧地以如下方式适应性地压缩固定安装的摄像机的图像，使得例如保留脸部的细节，而模糊或者以其他方式有损地压缩背景。
US 2016/366 364 A1公开了一种事故数据记录器，该事故数据记录器除了存储被压缩的图像数据之外，还存储识别出的对象的元数据，以便对于事故的重建而言重要的信息不受图像数据的压缩影响。
发明内容
在本发明的范畴下，已开发一种用于对通过物理观察感测区域所获取的测量数据进行有损压缩的方法。所述测量数据能够是例如由摄像机拍摄的图像数据，但也能够是例如雷达数据或者激光雷达数据。感测区域尤其能够位于车辆的环境中。
关于至少一个标准将测量数据和/或由此的预处理数据划分到多个类别和/或区域中，又关于对测量数据或预处理数据的预期的分析评价给所述类别和/或区域指派优先级。划分到每个类别或区域中的测量数据的和/或预处理数据的时间变化被有损压缩。在此，压缩度与指派给该类别或区域的优先级有关。
在此，术语“测量数据”指的是由对应的传感器提供的原始数据，而术语“预处理数据”指的是由这些原始数据制作的任意处理产物。例如，在摄像机成像的情况下能够实施图像改进或者对传感器特性或者场景特性的适配，例如对环境影响的适配。例如，这些环境影响能够包括亮度、天气或者地域特定的特点。
类别划分能够以任意方式通过在要借助于测量数据解决的任务的内容中重要的事物来激发。例如，在行驶任务的内容中，树冠和对于车辆来说无法达到的其他区域明显不如其他交通参与者重要。能够类似地激发区域划分。
在此，一个区域尤其能够由一个或者多个对象组成，例如交通对象(例如人、车辆或者障碍物)、基础设施对象(例如车行道、车道、标记、交通标志、信号系统、照明装置或者安全岛)或者场景对象(例如房屋、植物、天空、山、湖或者海滩)。但是，相反，一个对象也能够由多个区域组成或者说分解为这些区域。
尤其，当对象的子区域在要借助于测量数据解决的任务、例如行驶任务方面表现得不同时，对象能够细分到多个区域中。
例如：
-能够对人的不同身体部分，例如手臂、腿、身体或者头部单独建模；
-车辆的不同部件，例如挂车、牵引机、刹车灯或者闪光器能够构成单独的区域；
-杆上的交通标志的集合能够拆分成单个交通标志；和/或
-车辆能够分成该车辆的主车身和能从主车身向外摆动的部件，例如门或者翻板。
尤其，当对象表现得相同时，所述对象能够合并成区域。例如：
-房屋列中的多个不同的单独房屋能够合并成房屋行；
-多个不同的单个树或者灌木能够形成树篱作为共同区域；和/或
-在道路边缘上的多个不同的石头能够合并成道路边界或路缘石。
已认识到，恰好在监测在道路交通中运动的车辆的环境时，在用于感测测量数据的传感器与感测区域之间持续地发生相对运动。因此，例如与借助固定装配的安全摄像机来监测区域相比，在测量数据中不存在基本上静态的背景，感兴趣的对象已经由于其运动而从所述静态的背景中突显出。更确切地说，测量数据整体上是时间可变的。因此，例如在车辆直线行驶期间所拍摄的视频数据流中没有图像与其它图像是相同的，因为车辆相对于场景的角度持续变化。新对象持续地进入到感测区域中，并且其他对象离开该感测区域。
同时，测量数据的随时间可变的分量恰好也是对于完成行驶任务而言最重要的信息。行驶任务的大部分在于，使本车辆的行为适配于其他交通参与者的行为。在此，尤其必须快速地对突然的、未预料到的事件，例如踏上车行道的行人做出反应。
现在，通过视优先级而定地以不同的压缩度来压缩时间变化的方式，能够在车辆内进行数据传输时节省非常多的带宽。因此，例如，细节丰富的树冠图像仅能压缩到丢失细节并且压缩失真变得可见之前的小程度。但是，树冠对于车辆而言通常无法达到，因此在仅包含树冠的区域中，保留细节并不重要。因此，能够非常高度地压缩或者甚至完全忽略属于这些区域的图像时间变化。
车辆中安装的摄像机和其他传感器越多，并且每个摄像机或每个传感器的数据速率越大，则带宽的这种节省就越重要。例如，为了在光学上监测车辆的整个环境，必须将多个摄像机分布到车辆上。在大多数车辆中，借助CAN总线已经存在延伸过整个车辆的网络，然而带宽限制为最大1MBit/s。因此，车辆制造商面临如下选择：要么以可用带宽来应对，要么设置工作能量更好的网络。
但是，即使原则上有足够的网络带宽可供车辆内的传输使用，带宽节省也是有意义的。无论使用CAN总线还是以太网网络，一般总是在至少一个部位将物质介质在网络的多个参与者之间进行划分。这意味着，目前始终仅一个参与者能够进行发送，而其他参与者必须等待。如果通过网络较少地传输不重要的信息、例如树冠，则更早地轮到重要的信息、例如踏上行车道的行人。因此，行驶动力学系统对这种重要事件的反应时间能够缩短。通过这种方式获取的每一米停车行程都很重要。
压缩度能够通过任意的方式来调整。例如，许多有损压缩算法具有如下参数：借助所述参数能够调整压缩的细节保留与效率之间的平衡。但是，例如，测量数据也能够以可变强度来离散和/或模糊，以使该测量数据能更好地被压缩。
在一种特别有利的构型中，感测区域的时间变化以流场的形式利用流向量的时间序列进行编码，所述感测区域例如能够是车辆环境。借助这种表示，尤其能够描述图像与按时间序列所拍摄的其他数据集之间的关联。如前所述，恰当车辆驶过如下场景时存在这种关联：从一个时刻到下一个时刻，该场景一般不完全变换，而是变化的绝大部分由变化的观察角度造成。
例如，在二维图像的序列的情况下，较早图像与较晚图像之间的关联能够以向量(x,y,u,v)的形式编码，其中，x和y是较早图像的一个点的坐标，以及u和v是与此相应的点在较晚图像中的坐标。如果通过这种方式感测较早图像与较晚图像之间的所有变化，则首先无法实现带宽和存储需求的节省，而是该需求与存储或传输两个完整图像相比甚至增大。然而，将时间变化编码为流向量的时间序列，为压缩度的调整提供了一种特别有利的方案：为了进行压缩，能够从该时间序列中丢弃流向量的视期望压缩度而定较高或者较低的分量。
因此，例如能够确定：对于进一步处理，仅考虑每第n个流向量，其中，对于每个类别和/或区域，相应于针对该类别或区域所确定的优先级来选择n。例如，对于植物，能够仅考虑每第十个的流向量，而对于行人，考虑每第二个的流向量。
这种类型的压缩尤其具有下述优点：忽略相关区域中的测量数据的时间序列中的流向量仅导致延迟更新。例如，如果树冠被分级为较不重要，则当忽略了所述的流向量时，该树冠保留在静态状态中。但是，例如与JPEG压缩或者MPEG压缩相比，该静态状态不会由于压缩失真而改变。因此，不干扰下游处理阶段的工作，所述下游处理阶段例如从测量数据中提取对象或者该对象的行为。例如，借助神经网络或者其他人工智能(KI)模块进行的对象识别可能由于压缩失真而变得困难。在此，能够根据需求单独地处理对象的或者合并的对象的边缘区域。
在一种有利的构型中，测量数据包括二维图像数据，并且预处理数据包括从这些图像数据中获取的三维重建。例如，该重建能够立体地从两个同时拍摄的摄像机成像中获得或者通过“运动恢复结构(structure frommotion)”算法从摄像机成像的时间序列中得到。三维表示为将数据划分到类别和区域中提供了更灵活的可能性。因此，压缩度能更好地满足在测量数据的最终分析评价方面的需求。
在一种特别有利的构型中，预处理数据包含测量数据的语义分割，和/或，通过测量数据的语义分割预给定用于将测量数据和/或预处理数据划分到类别和/或区域中的至少一个标准。
即，例如，测量数据或者由此的预处理产物能够以如下方式来归类：所述测量数据或者所述产物属于哪个类别或者区域，然而在其余方面能够保持不变。然而，测量数据也能够例如以如下方式抽象化：所述测量数据被在语义分割的范畴中指派给所述测量数据的分类(标签)所替代。例如，通过这种方式能够将具有任意颜色深度(例如1670万种颜色)的彩色图像压缩成仅还具有与不同类别或者一个类别的对象个体在语义分割中所具有的颜色一样多的颜色的彩色图像。
尤其在对象在行驶任务范畴中的重要性方面，语义分割特别具有说服力。因此，例如事先已知，固定的对象例如交通标志或者树不会突然地自发地进入与车辆碰撞的路线。相反，行人或者自行车骑行者一方面可能突然地改变其运动行为，另一方面在发生碰撞的情况下不受保护。因此，特别重要的是，详细地追踪行人和自行车骑行者的行为，以便避开这种碰撞。
在另一种有利的构型中，预处理数据包含对象的分类，测量数据说明所述对象的存在，和/或，通过对象的这种分类预给定用于将测量数据和/或预处理数据划分到类别和/或区域中的至少一个标准。与语义分割类似地，该分类能够用于，将测量数据或预处理数据按照其尤其在行驶任务方面的重要性来安排。在此，例如，该分类也能够在语义分割的下游，并且尤其形成更细致的再分。因此，例如可以首先以如下方式分割测量数据，使得这些测量数据的确定分量代表交通标志，并且然后能够分类这是哪个交通标志。
交通标志彼此之间能够在其对行驶任务的重要性方面有所不同。因此，例如，强制性地要求具体行为的规定标志例如停车指示牌比仅要求对确定的危险(例如蟾蜍迁移、野生动物横越或者在潮湿情况下的打滑危险)进行前瞻性地调整的危险标志重要。在十字路口上的有些交通标志(例如优先通行标志)例如在正常情况下也被同样存在于该十字路口上的交通信号灯否决(überstimmen)，并且在交通信号灯失效时才发挥作用。交通标志也能够在其重要性方面相互影响。因此，例如，附加指示牌将显示在附加指示牌上的交通标志的有效性限于确定的时间段内或者限于车行道上潮湿的情况，在附加指示牌上提到的条件不适用时，所述附加指示牌能够使所述交通标志完全无效并因此不重要。
在另一种特别有利的构型中，预处理数据包含对对象的运动行为的预测，和/或，通过对运动行为的这种预测来预给定用于将测量数据和/或预处理数据划分到类别和/或区域中的至少一个标准。即，例如能够以如下方式来划分测量数据：所述测量数据所涉及的对象预计运动到何种程度。与语义分割类似地，例如，也能够根据运动行为预测进行预处理，直到仅还保留用于进一步处理的运动行为预测，而所基于的原始数据被丢弃。在此，压缩能够产生更抽象的场景描述。
在行驶任务的范畴中，运动行为预测特别好地适用于区分哪些测量数据是重要的。因此，例如，与车辆的当前行驶轨迹和/或规划轨迹相切的对象是特别重要的。相反，远离车辆运动的对象较不重要。如前所述，对关于较不重要的对象的数据的更强烈压缩引起，在处理时更早地轮到关于较重要对象的数据。由此，能够缩短行驶动力学系统的反应时间。
该示例和其他先前描述的示例表明：所说明的用于有损压缩的方法尤其适用于，在尽可能好地保留与行驶任务相关的结论内容(Aussagegehalt)的情况下，在总量方面大幅减少来自于车辆环境的、为了完成行驶任务而收集的数据。因此，本发明还涉及一种用于监测在道路交通中行驶的车辆和/或用于控制在道路交通中至少部分自动化行驶的车辆的方法。
在这种方法中，通过物理地观察车辆的环境的至少一部分来感测测量数据。借助先前说明的方法压缩测量数据和/或由此的预处理数据的时间变化。然后，压缩数据被考虑用于分析评价在车辆环境中是否存在与车辆的当前行驶轨迹和/或规划轨迹相切的对象。
在此，尤其，指派给至少一个类别和/或区域的优先级能够至少取决于，由该类别和/或区域的测量数据和/或预处理数据代表的对象是否有可能与车辆的当前行驶轨迹和/或规划轨迹相切，和/或，该对象是否可能与车辆相撞。这不仅与对象的行为有关，还与本车辆的当前行为或规划行为有关。因此，例如树不自发地进入与车辆的碰撞路线；然而，当车辆驶向树时，需要采取对策。同样地，当车辆例如在十字路口转弯到另一道路上时，哪些对象和区域重要和哪些不重要的优先次序可能完全改变。通过检查是否与当前行驶轨迹或规划轨迹相切，压缩始终适配于对行驶任务的当前需求。
在一种特别有利的构型中，响应于在车辆环境中存在与车辆的当前行驶轨迹和/或规划轨迹相切的至少一个对象，激活对于车辆的驾驶员而言能感知的物理警告装置，和/或，以如下方式操控车辆的转向系统、驱动系统和/或制动系统，使得对象不再与车辆的随后的新轨迹相切。
如前所述，特别是对于这种对策而言重要的是尽可能短的反应时间。通过所说明的内容适应性压缩，有利地减小反应时间。另外，还能够识别更复杂的状况，因为预给定的硬件装备(例如计算能力、存储容量和/或传输带宽)以优化的方式得到充分利用。
例如，所说明的用于内容适应性压缩的方法能够在压缩模块中体现。该压缩模块在输入侧能与至少一个传感器连接，该传感器提供车辆的环境的至少一部分的图像表示。该压缩模块在输出侧能与部件内部的数据线路和/或车辆的总线系统和/或网络连接。在此，“能连接”尤其能够理解为，该压缩模块具有对应的接口。该压缩模块构造为用于实施所说明的用于有损压缩的方法。
压缩模块尤其能够集成到摄像机、雷达模块或者激光雷达模块中并且具有如下作用：由摄像机、雷达模块或激光雷达模块提供给车辆的总线系统或网络的数据特别强烈地压缩并且需要较少带宽。因此，本发明还涉及一种用于有图像地感测车辆的环境的至少一部分的摄像机、雷达模块或者激光雷达模块，所述摄像机、雷达模块或者激光雷达模块具有所说明的压缩模块。该压缩模块也能够包含在任意其他系统部件中。视需求而定地，在系统中也能够存在多个压缩模块。
所说明的方法能够完全地或部分地在软件中实现，并且能够使用于处理测量数据的现有系统和/或现有行驶动力学系统如此提高价值，使得加入先前说明的顾客利益。即，该软件尤其能够作为对现有系统的更新或者升级来销售，并且在这方面是独立的产品。因此，本发明还涉及一种计算机程序，该计算机程序包含机器可读的指令，当所述指令在计算机上和/或在控制器上实施时，所述指令安排该计算机和/或该控制器实施所说明的方法中的一种方法。同样地，本发明还涉及一种具有计算机程序的机器可读的数据载体或者下载产品。
改进本发明的其他措施在下文中与对本发明的优选实施例的描述一起根据附图更详细地示出。
附图说明
附图示出：
图1示出方法400的实施例；
图2示出在对方法400准备中的测量数据1a、2a的可能的预处理31-36的示例；
图3示出用于在方法400中应用的图像数据1a、2a的示例性的语义分割33；
图4示出方法400结合多个传感器1a-1d的示例性应用；
图5示出方法900的实施例；
图6示出方法900在车辆上的示例性应用状况。
具体实施方式
根据图1，在方法400的步骤41中，在至少一个标准40方面将测量数据和/或由此得到的预处理数据31-36划分到多个类别和/或区域41a-41c中。此外，在步骤42中，给类别和/或区域41a-41c指派优先级42a-42c。通过对测量数据1a、2a或预处理数据31-36进行有意的分析评价50来激发这些优先级。
现在在步骤43中，划分到每个类别或区域41a-41c中的测量数据1a、2a的和/或预处理数据31-36的时间变化1a’、2a’、31’-36’被有损压缩。在此，尤其例如按照方框431，时间变化1a’、2a’、31’-36’能够以流场431a的形式利用流向量431b的时间序列进行编码。例如，这种流向量431b能够从对图像数据流的彼此相继的图像进行比较来求取。
现在，例如按照方框432，流场431a的压缩43能够包含：从时间序列中丢弃流向量431b。例如，视类别和/或区域41a-41c而定地，仅考虑每第n个流向量431b，其中，n视配属于类别和/或区域41a-41c的压缩度43a-43c而定地变化。在此，压缩度43a-43c尤其与指派给对应的类别或区域41a-41c的优先级42a-42c有关。
关于测量数据1a、2a的或由此得出的预处理数据31-36的时间变化1a’、2a’、31’-36’产生压缩数据44。在不再是方法400本身的一部分的对应应用方面进行真正的分析评价50时，能够从时间变化1a’、2a’、31’-36’的包含在压缩数据44中的历史中重建测量数据1a、2a的或由此得出的预处理数据31-36的有损版本。如前所述，所述损耗尤其能够在于，推迟地或者完全不更新测量数据1a、2a的或由此得出的预处理数据31-36的确定区域。然而，此外不产生压缩失真。按照需要来处理对象的或者对象组的边缘区域。
在图2中给出测量数据1a、2a的示例性的可能的预处理31-36。传感器1用于物理地观察感测区域1000并且提供测量数据1a。这些测量数据1a能够选择式地直接以原始形式被利用或者首先在预处理2中概括地被改进成经预处理的测量数据2a，在图像数据的情况下例如通过适配亮度和对比度。
测量数据能够以其原始形式1a和/或以其经预处理的形式2a供应给方法400。替代地或者结合地，测量数据1a、2a能够供应给预处理模块300，该预处理模块将预处理数据31-36提供给方法400。
预处理模块300包含预处理单元30，在图2中示出的示例中，该预处理单元
-从测量数据1a、2a中求取流31，并且将该流保存在存储器311中，和/或
-从测量数据1a、2a中求取三维重建32，并且将该三维重建保存在存储器321中，和/或
-求取测量数据1a、2a的语义分割33，并且将该语义分割保存在存储器331中，和/或
-求取通过测量数据1a、2a显示的对象1001的分类34，并且将该分类保存在存储器341中，和/或
-从测量数据1a、2a中求取对对象1001的运动行为的预测35，并且将该预测保存在存储器351中，和/或
-从测量数据1a、2a中求取其他预处理36，并且将该其他预处理保存在存储器361中。
通过界面37，预处理31-36从预处理模块300中移交给方法400，该方法能够例如在压缩模块90中体现。
图3示出示例性的语义分割33。按照对象的类型以不同重要性对场景进行抽象化。具体来说，这是行人81、路面82、停放的车辆83、在前行驶的车辆84、交通标志85以及建筑物86。对于车辆的控制和/或监测而言，静止的对象、例如停放的车辆83和建筑物86明显不如行人81的运动意图重要。为了更详细地感测这种运动意图，例如能够通过行人在道路上的足点81a、通过行人的身体81b的运动、行人的手臂和腿81c以及行人的头部81d的注视方向来描述该行人。在图3中画出的箭头分别给出示例性的向量，借助这些示例性的向量能编码相应的区域的运动。
图4示例性地示出方法400如何能够结合多个传感器11-14被利用。对于每个传感器1a-1d，在独立的线路400a-400d中实施方法400。在此，分别产生压缩数据44a-44d，这些压缩数据分别通过界面45a-45d输出给预期的分析评价50。该分析评价50能够例如在方法900的范畴中用于监测或者用于控制车辆1010。
图5示出方法900的实施例。为了监测和/或为了控制车辆1010，在步骤910中借助传感器1来感测车辆1010的环境1000。传感器1提供测量数据1a，所述测量数据能够如前所述可选地改进成预处理的版本2a。在步骤920中实施先前说明的方法400，以便将测量数据1a、2a的和/或由此得出的预处理数据31-36的时间变化1a’、2a’、31’-36’处理成压缩数据44。在此，按照方框925，在方法400的范畴中指派给类别和/或区域41a-41c的优先级42a-42c和因此压缩度43a-43c也能够尤其取决于，由对应的类别和/或区域41a-41c的测量数据1a、2a)和/或预处理数据31-36所代表的对象1001是否潜在地与车辆1010的当前行驶轨迹1010a和/或规划轨迹1010b相切。
在步骤930中，压缩数据44被考虑用于分析评价在车辆环境1000中是否存在与车辆1010的当前行驶轨迹1010和/或规划轨迹1010b相切的对象1001，参见图6。在步骤940中检验该结果。如果存在相切的对象(真值1)，则能够在步骤950中激活对于车辆1010的驾驶员而言能感知的警告装置1011。替代地或者也与此结合地，根据步骤960，能够以如下方式操控车辆1010的转向系统1012、驱动系统1013和/或制动系统1014，使得对象1001不再与车辆1010的随后新的轨迹1010c相切。
在图6中画出相应的示例性状况的草图。在此，车辆1010当前在轨迹1010a上行驶并且有意地在轨迹1010b上继续行驶。但是，该规划轨迹1010b与障碍物1001相切，由于方法900和在那里用作子程序的方法400，比先前更快速地识别出该障碍物。然后，车辆1010换向到绕开障碍物1001的新轨迹1010c上。
用于感测车辆1010的环境1000的传感器1是摄像机模块91的一部分，该摄像机模块还包含先前说明的压缩模块90。因此，仅强烈压缩的数据44发送给车辆1010的内部网络1015。例如，车辆1010的用于至少部分自动化行驶的中央控制器1020、警告装置1011、转向系统1012、驱动系统1013和制动系统1014与内部网络1015衔接。

Claims (13)

1.用于对测量数据(1a、2a)进行有损压缩的方法(400)，所述测量数据通过对感测区域(1000)进行物理观察获取，所述方法具有下述步骤：
-关于至少一个标准(40)将所述测量数据(1a、2a)和/或由此得出的预处理数据(31-36)划分(41)到多个类别和/或区域(41a-41c)中；
-关于对所述测量数据(1a、2a)或所述预处理数据(31-36)的有意的分析评价(50)给所述类别和/或所述区域(41a-41c)指派(42)优先级(42a-42c)；
-将划分到每个类别或区域(41a-41c)中的测量数据(1a、2a)的和/或所述预处理数据(31-36)的时间变化(1a’、2a’、31’-36’)有损地压缩(43)，其中，压缩度(43a-43c)与指派给所述类别或区域(41a-41c)的优先级(42a-42c)有关。
2.根据权利要求1所述的方法(400)，其中，所述时间变化(1a’、2a’、31’-36’)能够以流场(431a)的形式利用流向量(431b)的时间序列进行编码(431)。
3.根据权利要求2所述的方法(400)，其中，压缩(43)所述流场(431a)，其方式是，从所述时间序列中丢弃(432)流向量(431b)。
4.根据权利要求1至3中任一项所述的方法(400)，其中，所述测量数据(1a、2a)包括二维图像数据，并且其中，所述预处理数据(31-36)包括从所述图像数据中获取的三维重建(32)。
5.根据权利要求1至4中任一项所述的方法(400)，其中，所述预处理数据(31-36)包含所述测量数据(1a、2a)的语义分割(33)，和/或，其中，通过测量数据(1a、2a)的语义分割(33)预给定用于将所述测量数据(1a、2a)和/或所述预处理数据(31-36)划分(41)到所述类别和/或区域(41a-41c)中的至少一个标准(40)。
6.根据权利要求1至5中任一项所述的方法(400)，其中，所述预处理数据(31-36)包含对象(1001)的分类(34)，所述测量数据(1a、2a)说明所述对象的存在，和/或，通过对象(1001)的这种分类(34)预给定用于将所述测量数据(1a、2a)和/或所述预处理数据(31-36)划分(41)到所述类别和/或区域(41a-41c)中的至少一个标准(40)。
7.根据权利要求1至6中任一项所述的方法(400)，其中，所述预处理数据(31-36)包含对对象(1001)的运动行为的预测(35)，和/或，通过对所述运动行为的这种预测(35)预给定用于将所述测量数据(1a、2a)和/或所述预处理数据(31-36)划分(41)到所述类别和/或区域(41a-41c)中的至少一个标准(40)。
8.用于监测在道路交通中行驶的车辆(1010)和/或用于控制在道路交通中的至少部分自动化行驶的车辆(1010)的方法(900)，所述方法具有下述步骤：
-通过物理地观察所述车辆(1010)的环境(1000)的至少一部分来感测(910)测量数据(1a、2a)；
-借助根据权利要求1至7中任一项所述的方法(400)压缩(920)所述测量数据(1a、2a)的和/或由所述测量数据得出的预处理数据(31-36)的时间变化(1a’、2a’、31’-36’)；
-压缩数据(44)被考虑(930)用于分析评价在车辆环境(1010)中是否存在与所述车辆(1010)的当前行驶轨迹(1010a)和/或规划轨迹(1010b)相切的对象(1001)。
9.根据权利要求8所述的方法(900)，其中，指派给至少一个类别和/或区域(41a-41c)的优先级(42a-44c)至少取决于(925)，由所述类别和/或区域(41a-41c)的测量数据(1a、2a)和/或预处理数据(31-36)代表的对象(1001)是否潜在地与所述车辆(1010)的当前行驶轨迹(1010a)和/或规划轨迹(1010b)相切，和/或，所述对象(1001)是否可能与所述车辆(1010)相撞。
10.根据权利要求8至9中任一项所述的方法(900)，其中，响应于在所述车辆环境(1000)中存在与所述车辆(1010)的当前行驶轨迹(1010a)和/或规划轨迹(1010b)相切(940)的至少一个对象(1001)，激活(950)对于所述车辆(1010)的驾驶员而言能感知的物理警告装置(1011)，和/或，以如下方式操控(960)所述车辆(1010)的转向系统(1012)、驱动系统(1013)和/或制动系统(1014)，使得所述对象(1001)不再与所述车辆(1010)的随后的新轨迹(1010c)相切。
11.压缩模块(90)，所述压缩模块在输入侧能与至少一个传感器(1)连接，所述传感器提供车辆(1010)的环境(1000)的至少一部分的图像描述，所述压缩模块在输出侧能与部件内部的数据线路和/或所述车辆(1010)的总线系统和/或网络(1015)连接，所述压缩模块构造为用于实施根据权利要求1至7中任一项所述的方法(400)。
12.用于有图像地感测车辆(1010)的环境(1000)的至少一部分的摄像机、雷达模块或者激光雷达模块(91)，所述摄像机、雷达模块或者激光雷达模块包括至少一个根据权利要求11所述的压缩模块(90)。
13.计算机程序，所述计算机程序包含机器可读的指令，当所述指令在计算机上和/或在控制器上实施时，所述指令安排所述计算机和/或所述控制器实施根据权利要求1至10中任一项所述的方法(400、900)。
CN201980083778.4A 2018-12-17 2019-11-26 对测量数据进行的内容适应性的有损压缩 Pending CN113228655A (zh)

Applications Claiming Priority (3)

Application Number Priority Date Filing Date Title
DE102018221920.6A DE102018221920A1 (de) 2018-12-17 2018-12-17 Inhaltsadaptive verlustbehaftete Kompression von Messdaten
DE102018221920.6 2018-12-17
PCT/EP2019/082522 WO2020126342A1 (de) 2018-12-17 2019-11-26 Inhaltsadaptive verlustbehaftete kompression von messdaten

Publications (1)

Publication Number Publication Date
CN113228655A true CN113228655A (zh) 2021-08-06

Family

ID=68699445

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201980083778.4A Pending CN113228655A (zh) 2018-12-17 2019-11-26 对测量数据进行的内容适应性的有损压缩

Country Status (4)

Country Link
US (1) US20210370925A1 (zh)
CN (1) CN113228655A (zh)
DE (1) DE102018221920A1 (zh)
WO (1) WO2020126342A1 (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20210208236A1 (en) * 2020-01-03 2021-07-08 Qualcomm Incorporated Techniques for radar data compression

Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1592419A (zh) * 1998-03-20 2005-03-09 三菱电机株式会社 编码和解码及压缩图像的方法和装置
US20060062478A1 (en) * 2004-08-16 2006-03-23 Grandeye, Ltd., Region-sensitive compression of digital video
CN101102495A (zh) * 2007-07-26 2008-01-09 武汉大学 一种基于区域的视频图像编解码方法和装置
US20110058609A1 (en) * 2009-09-04 2011-03-10 Stmicroelectronics Pvt. Ltd. System and method for object based parametric video coding
CN103477347A (zh) * 2011-03-31 2013-12-25 罗伯特·博世有限公司 用于分析由车辆的摄像机拍摄的图像的方法和图像预处理设备
DE102012014022A1 (de) * 2012-07-14 2014-01-16 Thomas Waschulzik Verfahren und Einrichtung zur objekt- und szenenbezogenen Speicherung von Bild-, Sensor- und/oder Tonsequenzen
CN103748571A (zh) * 2011-04-20 2014-04-23 罗伯特·博世有限公司 用于利用可转换的数据编码进行串行数据传输的方法和装置
US20140133554A1 (en) * 2012-04-16 2014-05-15 New Cinema Advanced video coding method, apparatus, and storage medium
JP2017050756A (ja) * 2015-09-03 2017-03-09 富士ゼロックス株式会社 画像処理装置及び画像処理プログラム
EP3364338A1 (fr) * 2017-02-15 2018-08-22 Valeo Comfort and Driving Assistance Dispositif de compression d'une séquence vidéo et dispositif de surveillance d'un conducteur comprenant un tel dispositif de compression

Family Cites Families (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8798148B2 (en) * 2007-06-15 2014-08-05 Physical Optics Corporation Apparatus and method employing pre-ATR-based real-time compression and video frame segmentation
US10349004B2 (en) 2014-03-19 2019-07-09 Conti Temic Microelectronic Gmbh Method for saving image data of a camera in an accident data recorder of a vehicle
US9811732B2 (en) * 2015-03-12 2017-11-07 Qualcomm Incorporated Systems and methods for object tracking
CA2979579C (en) * 2015-03-20 2020-02-18 Fraunhofer-Gesellschaft Zur Foerderung Der Angewandten Forschung E.V. Relevance score assignment for artificial neural networks
CN106210612A (zh) 2015-04-30 2016-12-07 杭州海康威视数字技术股份有限公司 视频编码方法、解码方法及其装置
GB201508074D0 (en) 2015-05-12 2015-06-24 Apical Ltd People detection
US10205929B1 (en) * 2015-07-08 2019-02-12 Vuu Technologies LLC Methods and systems for creating real-time three-dimensional (3D) objects from two-dimensional (2D) images
US20180082428A1 (en) * 2016-09-16 2018-03-22 Qualcomm Incorporated Use of motion information in video data to track fast moving objects
WO2018057866A1 (en) * 2016-09-23 2018-03-29 Apple Inc. Multi-perspective imaging system and method
WO2018199941A1 (en) * 2017-04-26 2018-11-01 The Charles Stark Draper Laboratory, Inc. Enhancing autonomous vehicle perception with off-vehicle collected data
US11176426B2 (en) * 2018-06-18 2021-11-16 Zoox, Inc. Sensor obstruction detection and mitigation using vibration and/or heat

Patent Citations (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN1592419A (zh) * 1998-03-20 2005-03-09 三菱电机株式会社 编码和解码及压缩图像的方法和装置
US20060062478A1 (en) * 2004-08-16 2006-03-23 Grandeye, Ltd., Region-sensitive compression of digital video
CN101102495A (zh) * 2007-07-26 2008-01-09 武汉大学 一种基于区域的视频图像编解码方法和装置
US20110058609A1 (en) * 2009-09-04 2011-03-10 Stmicroelectronics Pvt. Ltd. System and method for object based parametric video coding
CN103477347A (zh) * 2011-03-31 2013-12-25 罗伯特·博世有限公司 用于分析由车辆的摄像机拍摄的图像的方法和图像预处理设备
CN103748571A (zh) * 2011-04-20 2014-04-23 罗伯特·博世有限公司 用于利用可转换的数据编码进行串行数据传输的方法和装置
US20140133554A1 (en) * 2012-04-16 2014-05-15 New Cinema Advanced video coding method, apparatus, and storage medium
DE102012014022A1 (de) * 2012-07-14 2014-01-16 Thomas Waschulzik Verfahren und Einrichtung zur objekt- und szenenbezogenen Speicherung von Bild-, Sensor- und/oder Tonsequenzen
JP2017050756A (ja) * 2015-09-03 2017-03-09 富士ゼロックス株式会社 画像処理装置及び画像処理プログラム
EP3364338A1 (fr) * 2017-02-15 2018-08-22 Valeo Comfort and Driving Assistance Dispositif de compression d'une séquence vidéo et dispositif de surveillance d'un conducteur comprenant un tel dispositif de compression

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HOLGER MEUEL, ET AL: "Low bit rate ROI based video coding for HDTV aerial surveillance video sequences", 《CVPR 2011 WORKSHOPS》 *
HOLGER MEUEL, ET AL: "Region of Interest Coding for Aerial Video Sequences Using Landscape Models", 《ADVANCED VIDEO CODING FOR NEXT-GENERATION MULTIMEDIA SERVICES》, pages 54 - 69 *
ZORAN NIKOLIC: "Embedded Vision in Advanced Driver Assistance Systems", 《SPRINGER》, pages 48 - 52 *
张琳琳等: "机器视觉在汽车驾驶辅助系统中的应用", 《上海汽车》 *

Also Published As

Publication number Publication date
US20210370925A1 (en) 2021-12-02
DE102018221920A1 (de) 2020-06-18
WO2020126342A1 (de) 2020-06-25

Similar Documents

Publication Publication Date Title
CA3008091C (en) Collision-avoidance system for autonomous-capable vehicles
JP7332726B2 (ja) ヒートマップを使用したドライバーの注目の検出
US10691962B2 (en) Systems and methods for rear signal identification using machine learning
CN109941286B (zh) 用于评估车辆行驶表面的方法和设备
DE102020121865A1 (de) Potenzielle-kollision-warnsystem basierend auf verkehrsteilnehmerabsichtsvorhersage
DE102019112038A1 (de) Steuerungssysteme, steuerungsverfahren und steuerungen für ein autonomes fahrzeug
US11688174B2 (en) System and method for determining vehicle data set familiarity
DE102019111402A1 (de) Steuerungssysteme, steuerungsverfahren und steuerungen für ein autonomes fahrzeug
DE102019111414A1 (de) Steuerungssysteme, steuerungsverfahren und steuerungen für ein autonomes fahrzeug
US11263465B2 (en) Low-dimensional ascertaining of delimited regions and motion paths
US20220171065A1 (en) Systems and methods for predicting a pedestrian movement trajectory
DE102017217056A1 (de) Verfahren und Einrichtung zum Betreiben eines Fahrerassistenzsystems sowie Fahrerassistenzsystem und Kraftfahrzeug
DE102018104270A1 (de) Verfahren zum Vorhersagen des Verhaltens mindestens eines Fußgängers
DE102016219503A1 (de) Verfahren und Fahrerassistenzsystem zur Erkennung der Intention eines Fußgängers zur Querung einer Ego-Fahrspur
US11655893B1 (en) Efficient automatic gear shift using computer vision
DE102019127190A1 (de) System und verfahren zum beurteilen des bekanntseins eines gelernten fahrzeugdatensatzes eines fahrerassistenzsystems
US20230053785A1 (en) Vision-based machine learning model for aggregation of static objects and systems for autonomous driving
DE112021005708T5 (de) Verfahren und Systeme zur Verfolgung einer Fahrspur über die Zeit
CN113228655A (zh) 对测量数据进行的内容适应性的有损压缩
CN116653964A (zh) 变道纵向速度规划方法、装置和车载设备
Michalke et al. Where can i drive? a system approach: Deep ego corridor estimation for robust automated driving
DE102021119871B4 (de) Verfahren und Prozessorschaltung zum Betreiben einer automatisierten Fahrfunktion mit Objektklassifikator in einem Kraftfahrzeug, sowie Kraftfahrzeug
CN117601903B (zh) 车辆行驶场景的生成方法、装置和存储介质及电子设备
Withanawasam et al. Top-down, Spatio-Temporal Attentional Guidance for On-road Object Detection
US20230264706A1 (en) Varying extended reality content based on risk level of a driving environment

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination