KR20210121161A - 관련 애플리케이션에 대한 상호 참조 타겟에 자율 및 사용자 제어 차량 호출 - Google Patents
관련 애플리케이션에 대한 상호 참조 타겟에 자율 및 사용자 제어 차량 호출 Download PDFInfo
- Publication number
- KR20210121161A KR20210121161A KR1020217027366A KR20217027366A KR20210121161A KR 20210121161 A KR20210121161 A KR 20210121161A KR 1020217027366 A KR1020217027366 A KR 1020217027366A KR 20217027366 A KR20217027366 A KR 20217027366A KR 20210121161 A KR20210121161 A KR 20210121161A
- Authority
- KR
- South Korea
- Prior art keywords
- vehicle
- user
- location
- target
- route
- Prior art date
Links
- 238000010801 machine learning Methods 0.000 claims abstract description 33
- 238000000034 method Methods 0.000 claims description 58
- 238000013528 artificial neural network Methods 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims 1
- 230000008569 process Effects 0.000 description 42
- 230000006870 function Effects 0.000 description 31
- 238000010586 diagram Methods 0.000 description 18
- 238000012545 processing Methods 0.000 description 11
- 238000012549 training Methods 0.000 description 10
- 230000008859 change Effects 0.000 description 9
- 238000013135 deep learning Methods 0.000 description 9
- 230000009471 action Effects 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 7
- 230000001133 acceleration Effects 0.000 description 5
- 238000002604 ultrasonography Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 4
- 230000033001 locomotion Effects 0.000 description 4
- 241000282414 Homo sapiens Species 0.000 description 2
- 230000004913 activation Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 2
- 230000001413 cellular effect Effects 0.000 description 2
- 230000001149 cognitive effect Effects 0.000 description 2
- 239000003086 colorant Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 230000007613 environmental effect Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 238000004091 panning Methods 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 238000003825 pressing Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000010200 validation analysis Methods 0.000 description 2
- 238000012795 verification Methods 0.000 description 2
- 241001465754 Metazoa Species 0.000 description 1
- 230000003213 activating effect Effects 0.000 description 1
- 230000002730 additional effect Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000001816 cooling Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008447 perception Effects 0.000 description 1
- 238000011176 pooling Methods 0.000 description 1
- 230000035484 reaction time Effects 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 231100000279 safety data Toxicity 0.000 description 1
- 239000004557 technical material Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000010792 warming Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/005—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 with correlation of navigation data from several sources, e.g. map or contour matching
-
- B—PERFORMING OPERATIONS; TRANSPORTING
- B62—LAND VEHICLES FOR TRAVELLING OTHERWISE THAN ON RAILS
- B62D—MOTOR VEHICLES; TRAILERS
- B62D15/00—Steering not otherwise provided for
- B62D15/02—Steering position indicators ; Steering position determination; Steering aids
- B62D15/027—Parking aids, e.g. instruction means
- B62D15/0285—Parking performed automatically
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/20—Instruments for performing navigational calculations
- G01C21/206—Instruments for performing navigational calculations specially adapted for indoor navigation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3407—Route searching; Route guidance specially adapted for specific applications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0011—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot associated with a remote control arrangement
- G05D1/0033—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot associated with a remote control arrangement by having the operator tracking the vehicle either by direct line of sight or via one or more cameras located remotely from the vehicle
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0011—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot associated with a remote control arrangement
- G05D1/0044—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot associated with a remote control arrangement by providing the operator with a computer generated representation of the environment of the vehicle, e.g. virtual reality, maps
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/0088—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot characterized by the autonomous decision making process, e.g. artificial intelligence, predefined behaviours
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- 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
- G05D1/0212—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory
- G05D1/0221—Control of position or course in two dimensions specially adapted to land vehicles with means for defining a desired trajectory involving a learning process
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05D—SYSTEMS FOR CONTROLLING OR REGULATING NON-ELECTRIC VARIABLES
- G05D1/00—Control of position, course or altitude of land, water, air, or space vehicles, e.g. automatic pilot
- G05D1/12—Target-seeking control
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/14—Traffic control systems for road vehicles indicating individual free spaces in parking areas
- G08G1/141—Traffic control systems for road vehicles indicating individual free spaces in parking areas with means giving the indication of available parking spaces
Landscapes
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Automation & Control Theory (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Biomedical Technology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Transportation (AREA)
- Combustion & Propulsion (AREA)
- Mechanical Engineering (AREA)
- Chemical & Material Sciences (AREA)
- Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Traffic Control Systems (AREA)
- Navigation (AREA)
- Control Of Driving Devices And Active Controlling Of Vehicle (AREA)
Abstract
메모리에 결합된 프로세서는 차량에서 멀리 떨어진 사용자에 의해 특정 타겟과 연관된 지리적 위치의 식별을 수신하도록 구성된다. 기계 학습 모델은 차량의 하나 이상의 센서로부터의 센서 데이터를 사용하여 차량을 둘러싼 환경의 적어도 일부의 표현을 생성하는 데 활용된다. 수신된 지리적 위치에 대응하는 타겟 위치로의 경로의 적어도 일부는 차량을 둘러싼 환경의 적어도 일부의 생성된 표현을 사용하여 계산된다. 차량의 하나 이상의 센서의 적어도 일부로부터의 업데이트된 센서 데이터 및 결정된 경로에 기초하여 차량을 자동으로 운행하기 위한 적어도 하나의 명령이 제공된다.
Description
본 발명은 관련 애플리케이션에 대한 상호 참조 타겟에 자율 및 사용자 제어 차량 호출에 관한 것이다.
이 출원은 2019년 2월 11일에 출원된 미국 특허 출원 "타겟에 자율 및 사용자 제어 차량 호출(AUTONOMOUS AND USER CONTROLLED VEHICLE SUMMON TO A TARGET)"의 연속 출원이고, 우선권을 주장하고, 그 개시 내용은 전체가 참고로 여기에 포함된다.
인간 주행자는 일반적으로 차량을 작동해야 하며 주행자가 수행하는 주행 작업은 종종 복잡하고 피곤할 수 있다. 예를 들어, 붐비는 주차장이나 차고에서 주차된 차를 찾거나 호출하는 것은 불편하고 지루할 수 있다. 기동(maneuver)은 종종 자신의 차량을 향해 걷기, 3점 방향 전환(three-point turns), 인접 차량이나 벽에 손을 대지 않고 좁은 곳에서 벗어나기, 및 이전에 왔던 위치로 주행하는 것을 포함한다. 일부 차량은 원격으로 조작할 수 있지만, 차량이 주행하는 경로는 일반적으로 조향 범위(steering range)가 제한되고 자체 경로를 따라 차량을 운행하는(navigate) 지능이 없는 전진 또는 후진 방향의 단일 직선 경로로 제한된다.
일 실시예는 시스템을 포함한다. 시스템은: 차량에서 멀리 떨어진 사용자에 의해 특정 타겟과 연관된 지리적 위치의 식별을 수신하고; 차량의 하나 이상의 센서로부터의 센서 데이터를 사용하여 차량을 둘러싼 환경의 적어도 일부의 표현을 생성하기 위해 기계 학습 모델을 활용하고; 차량을 둘러싼 환경의 적어도 일부의 생성된 표현을 사용하여 수신된 지리적 위치에 대응하는 타겟 위치에 대한 경로의 적어도 일부를 계산하고; 및 결정된 경로 및 차량의 하나 이상의 센서의 적어도 일부로부터의 업데이트된 센서 데이터에 기초하여 차량을 자동으로 운행하기 위한 적어도 하나의 명령(command)을 제공하도록 구성된 프로세서(processor); 및 프로세서에 연결되고 프로세서에 지시(instruction)를 제공하도록 구성된 메모리(memory)를 포함한다.
다른 실시예는 방법을 포함한다. 방법은 차량에서 멀리 떨어진 사용자에 의해 특정 타겟과 연관된 지리적 위치의 식별을 수신하는 단계; 차량의 하나 이상의 센서로부터의 센서 데이터를 사용하여 차량을 둘러싼 환경의 적어도 일부의 표현을 생성하기 위해 신경망을 활용하는 단계; 차량을 둘러싼 환경의 적어도 일부의 생성된 표현을 사용하여 수신된 지리적 위치에 대응하는 타겟 위치에 대한 경로의 적어도 일부를 계산하는 단계; 및 결정된 경로 및 차량의 하나 이상의 센서의 적어도 일부로부터의 업데이트된 센서 데이터에 기초하여 차량을 자동으로 운행하기 위한 적어도 하나의 명령을 제공하는 단계를 포함한다.
또 다른 실시예는 컴퓨터 프로그램 제품(computer program product)을 포함하고, 컴퓨터 프로그램 제품은 비일시적 컴퓨터 판독 가능 저장 매체(non-transitory computer readable storage medium)에 구현되고 컴퓨터 지시(computer instruction)을 포함한다. 컴퓨터 지시는 차량에서 멀리 떨어진 사용자에 의해 특정 타겟과 관련된 지리적 위치의 식별을 수신하고; 차량의 하나 이상의 센서로부터의 센서 데이터를 사용하여 차량을 둘러싼 환경의 적어도 일부의 표현을 생성하기 위해 신경망을 활용하고; 차량을 둘러싼 환경의 적어도 일부의 생성된 표현을 사용하여 수신된 지리적 위치에 대응하는 타겟 위치에 대한 경로의 적어도 일부를 계산하고; 및 결정된 경로 및 차량의 하나 이상의 센서의 적어도 일부로부터의 업데이트된 센서 데이터에 기초하여 차량을 자동으로 운행하기 위한 적어도 하나의 명령을 제공하기 위한 것이다.
본 발명의 다양한 실시예는 다음의 상세한 설명 및 첨부 도면에 개시되어 있다.
도 1은 목적지 타겟까지 차량을 자동으로 운행하기 위한 프로세스의 실시예를 도시하는 흐름도이다.
도 2는 타겟 목적지를 수신하기 위한 프로세스의 실시예를 예시하는 흐름도이다.
도 3은 목적지 타겟까지 차량을 자동으로 운행하기 위한 프로세스의 실시예를 도시하는 흐름도이다.
도 4는 차량 주변 환경의 표현을 생성하기 위해 기계 학습 모델을 훈련 및 적용하기 위한 프로세스의 실시예를 도시하는 흐름도이다.
도 5는 점유 그리드를 생성하기 위한 프로세스의 실시예를 예시하는 흐름도이다.
도 6은 목적지 타겟을 자동으로 운행하기 위한 프로세스의 실시예를 도시하는 흐름도이다.
도 7은 차량을 목적지 타겟까지 자동으로 운행하기 위한 자율 차량 시스템의 일 실시예를 도시한 블록도이다.
도 8은 차량을 목적지 타겟까지 자동으로 운행하기 위한 사용자 인터페이스의 일 실시예를 도시한 도면이다.
도 9는 차량을 목적지 타겟까지 자동 운행하기 위한 사용자 인터페이스의 일 실시예를 도시한 도면이다.
도 1은 목적지 타겟까지 차량을 자동으로 운행하기 위한 프로세스의 실시예를 도시하는 흐름도이다.
도 2는 타겟 목적지를 수신하기 위한 프로세스의 실시예를 예시하는 흐름도이다.
도 3은 목적지 타겟까지 차량을 자동으로 운행하기 위한 프로세스의 실시예를 도시하는 흐름도이다.
도 4는 차량 주변 환경의 표현을 생성하기 위해 기계 학습 모델을 훈련 및 적용하기 위한 프로세스의 실시예를 도시하는 흐름도이다.
도 5는 점유 그리드를 생성하기 위한 프로세스의 실시예를 예시하는 흐름도이다.
도 6은 목적지 타겟을 자동으로 운행하기 위한 프로세스의 실시예를 도시하는 흐름도이다.
도 7은 차량을 목적지 타겟까지 자동으로 운행하기 위한 자율 차량 시스템의 일 실시예를 도시한 블록도이다.
도 8은 차량을 목적지 타겟까지 자동으로 운행하기 위한 사용자 인터페이스의 일 실시예를 도시한 도면이다.
도 9는 차량을 목적지 타겟까지 자동 운행하기 위한 사용자 인터페이스의 일 실시예를 도시한 도면이다.
본 발명은, 프로세스; 장치; 시스템; 객체의 구성; 컴퓨터 판독 가능 저장 매체에 구현된 컴퓨터 프로그램 제품; 및/또는 프로세서, 예를 들어 프로세서에 결합된 메모리에 저장 및/또는 제공되는 지시를 실행하도록 구성된 프로세서와 같은, 다양한 방식으로 구현될 수 있다. 본 명세서에서, 이러한 구현 또는 본 발명이 취할 수 있는 임의의 다른 형태는 기술로 지칭될 수 있다. 일반적으로, 개시된 공정의 단계의 순서는 본 발명의 범위 내에서 변경될 수 있다. 달리 명시되지 않는 한, 프로세서나 메모리와 같은 작업을 수행하도록 구성되는 구성 요소는 주어진 시간에 작업을 수행하도록 임시로 구성되는 일반 구성 요소 또는 작업을 수행하도록 제조되는 특정 구성 요소로 구현될 수 있다. 본 명세서에 사용된 바와 같이, '프로세서(processor)'라는 용어는 컴퓨터 프로그램 지시(computer program instruction)와 같은 데이터를 처리하도록 구성된 하나 이상의 장치, 회로, 및/또는 처리 코어를 지칭한다.
본 발명의 하나 이상의 실시예의 상세한 설명은 본 발명의 원리를 예시하는 첨부 도면과 함께 아래에 제공된다. 본 발명은 이러한 실시예와 관련하여 설명되지만, 본 발명은 임의의 실시예에 제한되지 않는다. 본 발명의 범위는 청구범위에 의해서만 제한되며 본 발명은 수많은 대안, 수정 및 등가물을 포함한다. 본 발명의 완전한 이해를 제공하기 위해 다수의 특정 세부사항이 하기 설명에 기재되어 있다. 이러한 세부사항은 예시의 목적으로 제공되며 본 발명은 이러한 특정 세부사항의 일부 또는 전부 없이 청구범위에 따라 실시될 수 있다. 명확성을 기하기 위해, 본 발명과 관련된 기술 분야에서 알려진 기술 자료는 본 발명이 불필요하게 흐려지는 일이 없도록 상세히 설명하지 않았다.
차량을 목적지까지 자율적으로 호출하는 기술이 개시된다. 타겟 지리적 위치가 제공되고 차량이 자동으로 타겟 위치로 운행한다. 예를 들어, 사용자는 목적지 위치의 그래픽 지도 사용자 인터페이스(graphical map user interface)에 핀을 놓아 위치를 제공한다. 다른 예로, 사용자는 사용자의 위치를 목적지 위치로 지정하여 사용자의 위치로 차량을 호출한다. 사용자는 또한 차량에 대해 검출된 실행 가능한 경로에 기초하여 목적지 위치를 선택할 수 있다. 목적지 위치가 업데이트 하여(예를 들어, 사용자가 이리저리 이동하는 경우) 자동차가 목적지 위치까지의 경로를 업데이트 할 수 있다. 특정 목적지 위치를 사용하여, 차량은 차량 주변 환경의 표현(representation)을 생성하기 위해 카메라로 캡처한 비전 데이터와 같은 센서 데이터를 활용하여 운행한다. 일부 실시예에서, 표현은 주행 가능 공간과 주행할 수 없는 공간을 자세히 설명하는 점유 그리드(occupancy grid)이다. 일부 실시예에서, 점유 그리드는 카메라 센서 데이터로부터 신경망(neural network)을 사용하여 생성된다. 환경의 표현은 추가 센서 데이터(레이더 데이터 포함), 지도 데이터 또는 기타 입력과 같은 보조 데이터로 더욱 증강될 수 있다. 생성된 표현을 사용하여 차량의 현재 위치에서 목적지 위치까지의 경로가 계획된다. 일부 실시예에서, 경로는 모델의 회전 반경, 차량 폭, 차량 길이 등과 같은 차량의 작동 파라미터에 기초하여 생성된다. 거리, 속도, 기어 변경 횟수 등과 같은 선택 파라미터에 기초하여 최적의 경로가 선택된다. 차량이 선택한 경로를 사용하여 자동으로 운행함에 따라 환경 표현이 지속적으로 업데이트된다. 예를 들어, 차량이 목적지까지 이동할 때 새로운 센서 데이터가 캡처 되고 점유 그리드가 업데이트된다. 자동 운행을 중단하거나 수정할 수 있는 안전 점검(Safety check)이 지속적으로 수행된다. 예를 들어, 초음파 센서(ultrasonic sensor)는 잠재적인 충돌(potential collision)을 검출하는 데 사용될 수 있다. 사용자는 언제든지 운행을 모니터링하고 호출된 차량을 취소할 수 있다. 일부 실시예에서, 차량은 차량이 운행을 계속하기 위해 사용자로부터 가상 심장박동(virtual heartbeat) 신호를 지속적으로 수신해야 한다. 가상 심장박동은 사용자가 차량의 진행 상황을 능동적으로 모니터링하고 있음을 나타내는 데 사용될 수 있다. 일부 실시예에서, 사용자는 경로를 선택하고 사용자는 차량을 원격으로 제어한다. 예를 들어, 사용자는 차량의 조향 각도, 방향 및/또는 속도를 제어하여 차량을 원격으로 제어할 수 있다. 사용자가 차량을 원격으로 제어함에 따라, 사용자 제어를 중단 및/또는 수정할 수 있는 안전 점검이 지속적으로 수행된다. 예를 들어 객체가 검출되면 차량을 멈출 수 있다.
일부 실시예에서, 시스템은 차량에서 멀리 떨어진 사용자에 의해 특정 타겟과 연관된 지리적 위치의 식별을 수신하도록 구성된 프로세서를 포함한다. 예를 들어, 픽업 위치에서 기다리는 사용자는 자신의 지리적 위치를 목적지 타겟으로 지정한다. 원격 주차 장소에 주차된 차량이 목적지 타겟을 수신한다. 일부 실시예에서, 기계 학습 모델(machine learning model)은 차량의 하나 이상의 센서로부터의 센서 데이터를 사용하여 차량을 둘러싼 환경의 적어도 일부의 표현을 생성하는 데 활용된다. 예를 들어 카메라, 레이더, 초음파 또는 기타 센서와 같은 센서는 차량 주변 환경의 데이터를 캡처한다. 데이터는 훈련된 기계 학습 모델을 사용하여 신경망에 입력으로 제공되어 차량 주변 환경의 표현을 생성한다. 예를 들어, 표현은 차량이 운행하는 데 사용할 수 있는 주행 가능 공간(drivable space)을 설명하는 점유 그리드일 수 있다. 일부 실시예에서, 경로의 적어도 일부는 차량을 둘러싸는 환경의 적어도 일부의 생성된 표현을 사용하여 수신된 지리적 위치에 대응하는 타겟 위치로 계산된다. 예를 들어, 차량 주변 환경을 나타내는 점유 그리드를 사용하여 타겟 목적지까지 차량을 운행하기 위한 경로가 선택된다. 점유 그리드의 항목에 있는 값은 그리드 항목과 연관된 위치를 통해 주행하는 것과 연관된 확률 및/또는 비용일 수 있다. 일부 실시예에서, 차량의 하나 이상의 센서의 적어도 일부로부터의 업데이트된 센서 데이터 및 결정된 경로에 기초하여 차량을 자동으로 운행하기 위한 적어도 하나의 명령이 제공된다. 예를 들어, 차량 제어기(vehicle controller)는 선택한 계획을 사용하여 차량의 속도와 조향을 제어하는 엑추에이터 명령을 제공한다. 명령은 선택한 경로를 따라 차량을 운행하는 데 사용된다. 차량이 운행할 때 업데이트된 센서 데이터가 캡처 되어 차량 주변 환경의 표현을 업데이트한다. 다양한 실시예에서, 시스템은 프로세서에 연결되고 프로세서에 지시를 제공하도록 구성된 메모리를 포함한다.
도 1은 목적지 타겟까지 차량을 자동으로 운행하기 위한 프로세스의 실시예를 도시하는 흐름도이다. 일부 실시예에서, 도 1의 프로세스는 사용자에 의해 특정 지리적 위치로 차량을 호출하는 데 사용된다. 사용자는 모바일 앱, 전자 열쇠, 차량의 GUI 등을 이용하여 타겟 위치를 지정할 수 있다. 타겟 위치를 사용하여 차량은 시작 위치에서 타겟 위치까지 자동으로 운행한다. 일부 실시예에서, 타겟 위치는 사용자의 위치이고 타겟 위치는 동적이다. 예를 들어, 사용자가 이동함에 따라 차량의 타겟 목적지는 사용자의 새로운 위치로 이동한다. 일부 실시예에서, 타겟 위치는 일정표(calendar) 또는 계획(planning) 소프트웨어와 같이 간접적으로 특정다. 예를 들어, 사용자의 일정표가 분석되어 일정표 이벤트에서 타겟 목적지와 시간을 결정하는 데 사용된다. 일정표 이벤트는 이벤트의 위치 및 종료 시간과 같은 시간을 포함할 수 있다. 목적지는 이벤트의 위치를 기준으로 선택되고 시간은 이벤트의 종료 시간을 기준으로 선택된다. 만찬 종료, 결혼식, 레스토랑 예약 등 종료 시간에 차량이 자동으로 해당 위치에 도착하도록 운행한다. 일부 실시예에서, 차량은 도착 또는 출발 시간과 같은 특정 시간을 사용하여 타겟 목적지로 운행한다. 예를 들어, 사용자는 차량이 자동으로 운행을 시작하거나 특정 목적지로 출발해야 하는 시간을 지정할 수 있다. 다른 예로, 사용자는 차량이 특정 목적지에 도착해야 하는 시간을 지정할 수 있다. 그러면 차량은 특정 시간에 목적지에 도착하기 위해 특정 시간보다 먼저 출발한다. 일부 실시예에서, 도착 시간은 추정된 여행 시간과 실제 여행 시간 사이의 차이를 허용하도록 임계 시간으로 구성된다. 다양한 실시예에서, 도 1의 프로세스는 자율 차량에서 실행된다. 일부 실시예에서, 자율 차량(autonomous vehicle)과 통신하는 원격 서버는 호출 기능의 일부를 실행한다. 일부 실시예에서, 도 1의 프로세스는 도 7의 자율 차량 시스템을 사용하여 적어도 부분적으로 구현된다.
101에서 목적지가 수신된다. 예를 들어, 사용자는 스마트폰 장치의 모바일 애플리케이션에서 "나를 찾기(find me)" 기능을 선택한다. '나를 찾기' 기능은 사용자의 위치를 파악하여 차량 호출 모듈로 사용자의 위치를 전송한다. 다양한 실시예에서, 차량 호출 모듈은 차량 상에 존재할 수 있고/있거나 차량으로부터 멀리 떨어져 있을 수 있는 하나 이상의 모듈에 걸쳐 구현된다. 일부 실시예에서, 타겟 목적지는 사용자의 위치가 아닐 수 있다. 예를 들어, 사용자는 타겟 목적지로 지도 상의 위치를 선택할 수 있다. 다른 예로서, 위치는 일정표 이벤트와 연관된 위치에 기초할 수 있다. 일부 실시예에서, 위치는 타겟 목적지에서 지도 상의 핀 아이콘을 드롭 함으로써 선택된다. 위치는 경도와 위도일 수 있다. 일부 실시예에서 위치는 고도, 고도 또는 유사한 측정을 포함할 수 있다. 예를 들어, 주차장에서 위치에는 다층 주차장의 여러 층을 구분하기 위한 고도 구성요소가 포함된다. 다양한 실시예에서, 목적지는 지리적 위치이다.
일부 실시예에서, 목적지는 방향뿐만 아니라 위치를 포함한다. 예를 들어, 자동차 아이콘, 삼각형 아이콘 또는 방향이 있는 다른 아이콘은 위치와 방향을 모두 지정하는 데 사용된다. 방향을 지정하면, 차량이 선택한 타겟 목적지로 운행하고 사용자가 선택한 방향을 향하게 된다. 일부 실시예에서, 방향은 환경, 사용자, 다른 차량, 및/또는 다른 적절한 추론에 기초한 제안과 같은 방향 제안에 의해 결정된다. 예를 들어, 지도는 차량이 일방통행 도로에서 이동해야 하는 방향과 같은 차량의 적절한 방향을 결정하는 데 사용될 수 있다. 다른 예로, 차선, 교통 신호, 기타 차량 등에 기초하여 호출 기능이 도로의 적절한 방향을 결정한다. 예를 들어, 다른 차량이 향하고 있는 방향을 방향 제안으로 사용할 수 있다. 일부 실시예에서, 방향은 다른 자율 차량(autonomous vehicle)에 의해 제안된 방향에 기초한다. 예를 들어, 일부 실시예에서 차량 호출 기능은 다른 차량과 통신 및/또는 문의하여 방향을 결정하고 제공된 결과를 방향 제안으로 사용할 수 있다. 다양한 실시예에서, 하나 이상의 방향 제안이 가중되고 타겟 목적지 방향을 결정하기 위해 사용된다.
일부 실시예에서, 목적지는 질의(query)를 이행함으로써 결정된다. 예를 들어, 사용자는 예를 들어 GUI, 음성 또는 다른 질의 유형을 사용하여 자신의 차량이 특정 시간에 특정 주차장에 도착하도록 요청할 수 있다. 목적지는 목적지 주차장에 대해 지도 검색 데이터베이스와 같은 검색 엔진(search engine)을 질의하여 결정된다. 사용자의 일정표 및/또는 주소록을 사용하여 검색 결과를 구체화할 수 있다. 주차장이 식별되면 주차장 진입 및/또는 진출에 대한 지시 및/또는 교통 흐름이 결정되고 목적지를 선택하는 데 사용된다. 그런 다음 목적지는 차량 호출 모듈에 제공된다.
일부 실시예에서, 수신된 목적지는 멀티파트 목적지(multipart destination)이다. 예를 들어, 목적지는 최종 목적지에 도달하기 전에 하나 이상의 중간 지점(waypoint)에 도착해야 한다. 중간 지점은 차량이 최종 목적지로 운행하는 경로에 대한 추가 제어를 실행하는 데 사용할 수 있다. 예를 들어, 중간 지점은 공항, 주차장 또는 다른 목적지에 대한 선호하는 교통 패턴을 따르는 데 사용될 수 있다. 경유지는 한 명 이상의 추가 승객 등을 픽업 하는데 사용될 수 있다. 예를 들어, 지연 및/또는 일시 중지가 목적지에 통합되어 승객이나 물건을 태우거나 내릴 수 있다.
일부 실시예에서, 수신된 목적지는 먼저 하나 이상의 검증 및/또는 안전 검사를 통과한다. 예를 들어, 사용자는 100미터, 10미터 또는 다른 적절한 거리와 같이 차량으로부터 일정 거리(또는 반경) 내에서만 목적지를 선택할 수 있도록 거리에 따라 목적지를 제한할 수 있다. 일부 실시예에서, 거리는 지역 규칙 및/또는 규정에 기초하여 한다. 일부 실시예에서 목적지 위치는 유효한 중지 위치여야 한다. 예를 들어 보도, 횡단 보도, 교차로, 호수 등은 일반적으로 유효한 정지 위치가 아니며 사용자에게 유효한 위치를 선택하라는 메시지가 표시될 수 있다. 일부 실시예에서, 수신된 목적지는 유효한 중지 위치를 시행하는 것과 같은 안전 문제를 설명하기 위해 사용자의 초기 선택된 목적지로부터 수정된다.
103에서, 목적지까지의 경로가 결정된다. 예를 들어, 101에서 수신된 현재 위치에서 목적지까지 차량을 운행하기 위해 하나 이상의 경로가 결정된다. 일부 실시예에서, 경로는 도 7의 경로 플래너 모듈(planner module)(705)과 같은 경로 플래너 모듈을 사용하여 결정된다. 다양한 실시예에서, 경로 플래너 모듈은 목적지에 대한 상이한 경로에 적절한 가중치가 적용된 비용 함수를 사용하여 구현될 수 있다. 일부 실시예에서, 선택된 경로는 차량 위치로부터 발생하는 잠재적인 경로 아크(potential path arc)에 기초한다. 잠재적인 경로 아크는 차량 조향 범위와 같은 차량의 작동 역학으로 제한된다. 다양한 실시예에서, 각각의 잠재적인 경로는 비용을 갖는다. 예를 들어, 급격한 회전이 있는 잠재적 경로는 더 부드러운 경로보다 비용이 더 많이 든다. 다른 예로, 속도 변화가 큰 잠재적 경로는 속도 변화가 작은 경로보다 비용이 더 많이 든다. 또 다른 예로서, 기어 변경이 더 많은 잠재적 경로(예를 들어, 후진에서 전진으로의 변경)는 기어 변경이 적은 경로보다 비용이 더 많이 든다. 일부 실시예에서, 특정 객체와 마주칠 가능성이 더 높은 경로는 객체를 마주칠 가능성이 더 낮은 경로와 상이하게 가중된다. 예를 들어, 경로는 보행자, 차량, 동물, 교통체증, 조명 불량, 악천후, 통행료 등을 만날 가능성에 따라 가중치가 부여된다. 다양한 실시예에서, 목적지로 가는 경로를 결정할 때 고비용 경로는 저비용 경로보다 선호되지 않는다.
105에서, 차량은 목적지로 운행한다. 차량은 103에서 결정된 목적지까지의 경로를 이용하여 101에서 수신한 목적지까지 자동으로 운행한다. 일부 실시예에서, 경로는 다수의 더 작은 하위 경로로 구성된다. 다른 하위 경로는 전진 또는 후진과 같은 다른 기어로 이동하여 구현될 수 있다. 일부 실시예에서, 경로는 차고 문 열기, 차고 문 닫기, 주차 게이트 통과, 자동차 리프트 대기, 통행료 지불 확인, 충전, 전화 걸기, 메시지 보내기 등과 같은 동작을 포함한다. 추가 작업(additional action)을 수행하려면 차량을 멈추거나 주변 환경을 조작하기 위한 작업을 실행해야 할 수 있다. 일부 시나리오에서 최종 목적지는 101에서 수신한 목적지에 가까운 목적지이다. 예를 들어, 일부 시나리오에서는 101에서 수신된 목적지에 도달할 수 없으므로 최종 목적지는 해당 목적지에 거의 근접한다. 예를 들어, 사용자가 보도(sidewalk)를 선택하는 경우 최종 목적지는 보도에 인접한 도로 상의 위치이다. 다른 예로, 사용자가 횡단보도를 선택하는 경우, 최종 목적지는 횡단보도가 아닌 횡단보도 주변 도로 상의 위치이다.
일부 실시예에서, 운행하는 동안 하나 이상의 안전 검사가 연속적으로 확인된다. 예를 들어 초음파 또는 기타 센서의 센서 데이터와 같은 보조 데이터는 보행자, 차량, 과속 방지턱, 교통 통제 신호 등과 같은 장애물을 식별하는 데 사용된다. 객체와의 잠재적 충돌 가능성은 현재 운행을 종료하고 목적지까지의 경로를 수정한다. 일부 실시예에서, 목적지까지의 경로는 경로를 따라 이동하는 속도를 포함한다. 다른 예로서, 일부 실시예에서, 사용자의 모바일 애플리케이션으로부터의 심장박동은 운행을 계속하기 위해 수신되어야만 한다. 심장박동은 예를 들어 모바일 호출 애플리케이션에서 버튼 GUI 요소를 계속해서 눌러 호출되는 차량과의 연결을 유지하도록 사용자에게 요구함으로써 구현될 수 있다. 다른 예로, 사용자는 차량이 자동으로 운행할 수 있도록 전자 열쇠(key fob)의 버튼을 계속 누르고 있어야 한다(또는 센서와의 접촉을 유지해야 함). 연락처가 끊어진 경우 자동 운행이 종료된다. 일부 실시예에서, 운행의 종료는 차량을 안전하게 감속시키고 차량을 도로변을 따라 주차된 것과 같은, 가까운 주차 공간 등에 안전한 휴지 모드로 만든다. 일부 실시예에서, 연락이 끊어지면 시나리오에 따라 차량이 즉시 멈출 수 있다. 예를 들어, 사용자는 모바일 앱에서 호출 버튼을 해제하여 차량이 즉시 정지해야 함을 나타낼 수 있다. 이는 데드맨 장치(dead man's switch)와 유사한다. 다양한 실시예에서, 차량을 정지시키기 위해 적용되는 감속은 차량의 환경(예를 들어, 차량 뒤 등 주변에서 다른 차량의 주행 여부)에 따라 다르며, 차량 경로 앞에 장애물이나 보행자와 같은 잠재적인 충돌이 있는지, 차량이 이동하는 속도 또는 기타 적절한 파라미터가 있는지 여부. 일부 실시예에서, 차량이 이동하는 속도는 예를 들어 낮은 최대 속도로 제한된다.
107에서, 차량 호출 기능이 완료된다. 완료 시 하나 이상의 완료 작업이 실행될 수 있다. 예를 들어, 차량이 선택한 타겟 목적지에 도달했다는 알림이 전송된다. 일부 실시예에서, 차량은 그 타겟 목적지에 근접한 목적지에 도달하고 통지는 차량 위치의 사용자에게 제시된다. 일부 실시예에서, 통지는 텍스트 메시지를 통해 및/또는 다른 적절한 통지 채널을 통해 모바일 애플리케이션, 전자 열쇠(예를 들어, 전자 열쇠와 연관된 상태의 변화에 의해 표시됨)로 전송된다. 사용자를 차량으로 향하게 하기 위해 추가 방향이 제공될 수 있다. 다양한 실시예에서, 차량은 주차에 위치될 수 있고 하나 이상의 차량 설정이 트리거 될 수 있다. 예를 들어, 차량의 실내 조명이 켜져 있을 수 있다. 차량 접근 시 가시성을 높이기 위해 바닥 조명을 사용할 수 있다. 깜박이, 주차 및/또는 비상등과 같은 하나 이상의 외부 조명이 켜질 수 있다. 전방 헤드라이트와 같은 외부 조명은 차량에 접근하는 승객의 가시성을 높이기 위해 활성화될 수 있다. 작동된 방향등은 승객이 차량에 도달하기 위해 도착할 예상 방향으로 향할 수 있다. 일부 실시예에서, 오디오 경고 또는 음악과 같은 오디오 알림이 재생된다. 환영 음악 또는 이와 유사한 오디오는 사용자의 선호도에 따라 내부(cabin)에서 재생될 수 있다. 유사하게, 차량의 환경 제어는 내부를 원하는 온도 및/또는 습도로 워밍업 또는 냉각하는 것과 같이 승객을 위한 내부의 환경을 준비하도록 활성화될 수 있다. 좌석은 난방(또는 환기)될 수 있다. 열선 스티어링 휠이 활성화될 수 있다. 통풍구는 기본 설정에 따라 방향을 바꿀 수 있다. 문은 잠금 해제될 수 있고 승객을 위해 열릴 수 있다. 목적지가 전기 충전소인 경우, 차량은 충전기 포트가 충전기와 정렬되도록 방향을 지정할 수 있다. 일부 실시예에서, 사용자는 승객을 예상하여 내부 환경, 실내 조명, 외부 조명, 오디오 시스템 및 기타 차량 선호도를 포함하는 차량의 선호도를 구성할 수 있다.
다양한 실시예에서, 차량의 위치는 호출이 완료되는 동안 및 그 시에 업데이트된다. 예를 들어, 업데이트된 위치는 컴패니언 모바일 애플리케이션에 반영될 수 있다. 일부 실시예에서, 완료 동작은 최근에 캡처 및 분석된 센서 데이터로 횡단 경로 및 마주치는 환경의 주석이 달린 지도를 업데이트하는 것을 포함한다. 주석이 달린 지도는 잠재적인 장애물, 교통 신호, 주차 선호도, 교통 패턴, 보행자의 보행 패턴, 및/또는 향후 운행 및/또는 경로 계획에 유용할 수 있는 기타 적절한 경로 계획 메타데이터를 반영하도록 업데이트될 수 있다. 예를 들어, 과속 방지턱, 횡단 보도, 구덩이, 빈 주차 공간, 충전 위치, 주유소 등이 발생하면 주석이 달린 지도로 업데이트된다. 일부 실시예에서, 만남에 대응하는 데이터는 현재 차량/사용자뿐만 아니라 다른 차량 및 사용자에 대한 인식, 경로 계획, 안전 검증 및 기타 기능과 같은 호출 기능을 개선하기 위한 잠재적인 훈련 데이터로서 사용된다. 예를 들어, 빈 주차 공간은 다른 차량의 경로 계획에 사용될 수 있다. 다른 예로, 경로 계획을 위해 전기 충전소 또는 주유소가 사용된다. 차량을 전기 충전 스테이션으로 라우팅하고 충전기 포트가 충전기와 정렬되도록 방향을 지정할 수 있다.
도 2는 타겟 목적지를 수신하기 위한 프로세스의 실시예를 예시하는 흐름도이다. 일부 실시예에서, 타겟 목적지는 사용자에 의해 선택 및/또는 제공된다. 목적지 타겟은 지리적 위치와 연관되며 차량을 자동으로 운행하기 위한 목표로 사용된다. 표시된 예에서 타겟 목적지를 수신하는 프로세스는 둘 이상의 시작점에서 시작될 수 있다. 도 2의 두 시작 지점은 목적지 수신을 시작하는 두 가지 예이다. 추가 방법도 가능한다. 일부 실시예에서, 도 2의 프로세스는 도 1의 101에서 수행된다.
201에서, 목적지 위치가 수신된다. 일부 실시예에서 목적지는 지리적 위치로 제공된다. 예를 들어 경도 및 위도 값이 제공된다. 일부 실시예에서 고도도 제공된다. 예를 들어, 주차장의 특정 층과 관련된 고도가 제공된다. 다양한 실시예에서, 목적지 위치는 스마트폰 장치를 통해, 차량의 미디어 콘솔을 통해, 또는 다른 수단에 의해 사용자로부터 제공된다. 일부 실시예에서, 위치는 목적지에 출발하거나 도착하는 것과 연관된 시간과 함께 수신된다. 일부 실시예에서, 하나 이상의 목적지가 수신된다. 예를 들어, 일부 시나리오에서 둘 이상의 정류장이 포함된 다단계 목적지가 수신된다. 일부 실시예에서, 목적지 위치는 방향 또는 방향을 포함한다. 예를 들어, 방향은 차량이 목적지에 도착한 후 향해야 하는 방향을 나타낸다.
203에서, 사용자 위치가 결정된다. 예를 들어, 사용자의 위치는 글로벌 포지셔닝 시스템(global positioning system) 또는 다른 위치 인식 기술을 사용하여 결정된다. 일부 실시예에서, 사용자의 위치는 전자 열쇠, 사용자의 스마트폰 장치, 또는 사용자의 제어에 있는 다른 장치의 위치에 의해 근사화 된다. 일부 실시예에서, 사용자의 위치는 지리적 위치로서 수신된다. 201과 유사하게, 위치는 경도 및 위도 쌍일 수 있고 일부 실시예에서는 고도를 포함할 수 있다. 일부 실시예에서, 사용자의 위치는 동적이며 일정한 간격으로 지속적으로 업데이트되거나 업데이트된다. 예를 들어 사용자가 새 위치로 이동할 수 있으며 수신된 위치가 업데이트된다. 일부 실시예에서, 목적지 위치는 방향 또는 방향을 포함한다. 예를 들어, 방향은 차량이 목적지에 도착한 후 향해야 하는 방향을 나타낸다.
205에서, 목적지가 검증된다. 예를 들어, 목적지에 도달할 수 있는지 확인하기 위해 목적지가 검증된다. 일부 실시예에서 목적지는 차량 출발 위치로부터 특정 거리 내에 있어야 한다. 예를 들어, 특정 규정에 따라 차량은 자동으로 50미터 이하로 운행하도록 제한될 수 있다. 다양한 실시예에서, 유효하지 않은 목적지는 사용자가 새로운 위치를 제공하도록 요구할 수 있다. 일부 실시예에서, 대안적인 목적지가 사용자에게 제안된다. 예를 들어, 사용자가 잘못된 방향을 선택한 경우 제안된 방향이 제공된다. 다른 예로, 사용자가 정지 금지 구역을 선택하는 경우 가장 가까운 유효 정지 구역과 같은 유효 정지 구역을 제안한다. 일단 검증되면, 선택된 목적지는 단계 207에 제공된다.
207에서, 목적지는 경로 플래너 모듈에 제공된다. 일부 실시예에서, 경로 플래너 모듈은 차량에 대한 경로를 결정하는 데 사용된다. 207에서, 검증된 목적지가 경로 플래너 모듈에 제공된다. 일부 실시예에서, 목적지는 하나 이상의 위치, 예를 들어 다수의 정류장이 있는 목적지로 제공된다. 목적지는 위도 및 경도 위치와 같은 2차원 위치를 포함할 수 있다. 대안적으로, 일부 실시예에서 목적지는 고도를 포함한다. 예를 들어, 다층 주차장, 교량 등과 같은 특정 주행 가능 영역에는 동일한 2차원 위치에 대해 여러 개의 주행 가능 평면이 있다. 목적지에는 목적지에 도착할 때 차량이 향해야 하는 방향을 지정하는 방향이 포함될 수도 있다. 일부 실시예에서, 경로 플래너 모듈은 도 7의 경로 플래너 모듈(705)이다.
도 3은 목적지 타겟까지 차량을 자동으로 운행하기 위한 프로세스의 실시예를 도시하는 흐름도이다. 예를 들어, 도 3의 프로세스를 사용하여 차량을 둘러싼 환경의 표현이 생성되고 목적지에 대한 하나 이상의 경로를 결정하는 데 사용된다. 차량은 결정된 경로를 사용하여 자동으로 운행한다. 추가 센서 데이터가 업데이트되면 환경을 둘러싼 표현이 업데이트된다. 일부 실시예에서, 도 3의 프로세스는 도 7의 자율 차량 시스템을 사용하여 수행된다. 일부 실시예에서, 301의 단계는 도 1의 101에서 수행되고, 303, 305, 307, 및/또는 309의 단계는 도 1의 103에서 수행되고, 311 및/또는 313의 단계는 도 1의 105에서 수행된다. 도 1 및/또는 315의 단계는 도 1의 107에서 수행된다. 일부 실시예에서, 신경망은 차량이 따라가는 경로를 지시하는 데 사용된다. 예를 들어, 머신 러닝 네트워크를 사용하여 조향 및/또는 가속도 값은 목적지 타겟까지의 경로를 따라 차량을 운행하도록 예측된다.
301에서, 목적지가 수신된다. 예를 들어, 지리적 위치는 모바일 앱, 열쇠 고리, 차량의 제어 센터 또는 다른 적절한 장치를 통해 수신된다. 일부 실시예에서, 목적지는 위치 및 방향이다. 일부 실시예에서, 목적지는 고도 및/또는 시간을 포함한다. 다양한 실시예에서, 목적지는 도 2의 프로세스를 사용하여 수신된다. 일부 실시예에서, 목적지는 동적이고 새로운 목적지는 적절하게 수신될 수 있다. 예를 들어, 사용자가 "나를 찾기" 기능을 선택하는 경우 목적지가 사용자의 위치를 따르도록 업데이트된다. 기본적으로 차량은 애완동물처럼 사용자를 따라갈 수 있다.
303에서, 비전 데이터가 수신된다. 예를 들어, 차량에 부착된 하나 이상의 카메라 센서를 사용하여 카메라 이미지 데이터를 수신한다. 일부 실시예에서, 이미지 데이터는 차량 주변 환경을 커버하는 센서로부터 수신된다. 비전 데이터는 분석을 위한 데이터의 유용성을 향상시키기 위해 전처리될 수 있다. 예를 들어, 비전 데이터의 노이즈를 줄이기 위해 하나 이상의 필터가 적용될 수 있다. 다양한 실시예에서, 비전 데이터는 차량을 둘러싼 환경을 업데이트하기 위해 지속적으로 캡처 된이다.
305에서, 주행 가능 공간이 결정된다. 일부 실시예에서, 주행 가능 공간은 303에서 수신된 비전 데이터에 대한 추론을 적용함으로써 신경망을 사용하여 결정된다. 예를 들어, 컨볼루션 신경망(Convolutional Neural Network) (CNN)은 비전 데이터를 사용하여 차량 주변 환경에 대한 주행 가능 공간과 주행 불가능 공간을 결정하는 데 적용된다. 주행 가능 공간에는 차량이 이동할 수 있는 영역이 포함된다. 다양한 실시예에서, 주행 가능 공간에는 차량이 결정된 주행 가능 공간을 통한 경로를 사용하여 이동할 수 있도록 장애물이 없다. 다양한 실시예에서, 기계 학습 모델은 주행 가능 공간을 결정하도록 훈련되고 차량에 배치되어 이미지 데이터로부터 주행 가능 공간을 자동으로 분석 및 결정한다.
일부 실시예에서, 비전 데이터는 추가 센서 데이터와 같은 추가 데이터로 보완된다. 추가 센서 데이터에는 초음파, 레이더, 라이더, 오디오 또는 기타 적절한 센서 데이터가 포함될 수 있다. 추가 데이터에는 지도 데이터와 같은 주석이 달린 데이터도 포함될 수 있다. 예를 들어, 주석이 달린 지도는 차량 차선, 추월 차선(speed line), 교차로 및/또는 기타 주행 메타데이터에 주석을 달 수 있다. 추가 데이터는 기계 학습 모델에 대한 입력으로 사용되거나 주행 가능 공간을 결정하기 위한 결과를 개선하기 위해 점유 그리드를 생성할 때 다운스트림에서 소비될 수 있다.
307에서, 점유 그리드가 생성된다. 305에서 결정된 주행 가능 공간을 이용하여 차량의 환경을 나타내는 점유 그리드를 생성한다. 일부 실시예에서, 점유 격자는 차량이 있는 전체 평면(예를 들어, 경도 및 위도 축을 따라 360도)을 나타내는 2차원 점유 격자이다. 일부 실시예에서, 점유 그리드는 고도를 설명하기 위해 제3 차원을 포함한다. 예를 들어, 다층 주차장, 고가도로 등과 같이 고도가 다른 여러 개의 주행 가능 경로가 있는 영역은 3차원 점유 격자로 나타낼 수 있다.
다양한 실시예에서, 점유 그리드는 주변 환경의 위치에 대응하는 각각의 그리드 위치에서 주행 가능 값(drivability value)을 포함한다. 각 위치에서의 주행 가능 값은 해당 위치가 주행 가능 확률일 수 있다. 예를 들어, 보도는 주행 가능 값이 0인 반면 자갈은 주행 가능 값이 0.5가 되도록 설계될 수 있다. 주행 가능 값은 0과 1 사이의 범위를 갖는 정규화된 확률일 수 있으며, 305에서 결정된 주행 가능 공간에 기초하여 한다. 일부 실시예에서, 그리드의 각 위치는 해당 위치를 통과하는 비용(또는 패널티/보상)과 관련된 비용 메트릭을 포함한다. 점유 그리드의 각 그리드 위치의 비용 값은 주행 가능 값에 기초하여 한다. 비용 값은 선호도 데이터와 같은 추가 데이터에 더 의존할 수 있다. 예를 들어 유료 도로, 카풀 차선, 스쿨존 등을 피하도록 경로 기본 설정을 구성할 수 있다. 다양한 실시예에서, 경로 선호도 데이터는 기계 학습 모델을 통해 학습될 수 있고 305에서 주행 가능 공간의 일부로서 결정된다. 일부 실시예에서, 경로 선호도 데이터는 301에서 수신된 목적지로의 운행을 위해 취해진 경로를 최적화하기 위해 사용자 및/또는 오퍼레이터에 의해 구성된다. 예를 들어, 경로 선호도는 다른 목표 중에서 안전성, 편의성, 이동 시간 및/또는 편안함을 개선하도록 최적화될 수 있다. 다양한 실시예에서, 선호도는 각 위치 그리드의 비용 값을 결정하는 데 사용되는 추가 가중치이다.
일부 실시예에서, 점유 그리드는 추가 센서 데이터와 같은 보조 데이터로 업데이트된다. 예를 들어, 주변 객체를 캡처하는 초음파 센서 데이터는 점유 그리드를 업데이트하는 데 사용된다. 라이더, 레이더, 오디오 등과 같은 다른 센서 데이터도 사용될 수 있다. 다양한 실시예에서, 주석이 달린 지도는 점유 그리드를 생성하기 위해 부분적으로 사용될 수 있다. 예를 들어 도로 및 해당 속성(속도 제한, 차선 등)을 사용하여 점유 그리드를 생성하기 위한 비전 데이터를 보강할 수 있다. 다른 예로, 다른 차량의 점유 데이터를 사용하여 점유 그리드를 업데이트할 수 있다. 예를 들어, 유사한 기능을 갖춘 이웃 차량은 센서 데이터 및/또는 점유 그리드 결과를 공유할 수 있다.
일부 실시예에서, 점유 데이터는 마지막으로 생성된 점유 그리드로 초기화된다. 예를 들어, 차량이 더 이상 새 데이터를 캡처하지 않거나 주차하거나 꺼져 있을 때 마지막 점유 표가 저장된다. 점유 그리드가 필요한 경우, 예를 들어 차량을 호출할 때 마지막으로 생성된 점유 그리드를 로드 하여 초기 점유 그리드로 사용한다. 이 최적화는 초기 그리드의 정확도를 크게 향상시킵니다. 예를 들어, 일부 객체는 정지 상태에서 검출하기 어려울 수 있지만 차량이 현재 주차 위치에 접근할 때 이동 중일 때 마지막 저장 점유 그리드에서 검출되었을 것이다.
309에서, 경로 목표가 결정된다. 점유 그리드를 사용하여 301에서 수신된 현재 위치에서 목적지까지 차량을 운행하기 위한 경로를 결정하기 위해 검색이 수행된다. 잠재적인 경로는 부분적으로 회전 반경, 차량 폭, 차량 길이 등과 같은 차량의 작동 특성에 기초하여 한다. 각 차량 모델은 특정 차량 작동 특성으로 구성될 수 있다. 일부 실시예에서, 경로 찾기는 구성 가능한 제한 및/또는 목표를 구현하도록 구성된다. 예를 들어 차량은 옆으로 이동할 수 없으며 차량은 급회전 횟수를 제한해야 하며 차량은 기어 변경 횟수를 제한해야 한다(예를 들어, 후진에서 전진 또는 그 반대로). 제한/목표는 비용 함수에서 가중 비용으로 구현될 수 있다. 다양한 실시예에서, 차량의 초기 위치는 x, y 및 방향 값을 포함한다. x 및 y 값은 경도 및 위도 값에 해당할 수 있다. 목표에 도달하기 위해 초기 위치에서 시작하여 하나 이상의 잠재적 경로가 결정된다. 일부 실시예에서, 경로는 아크 기초 요소와 같은 하나 이상의 경로 기초 요소로 구성된다. 경로 기초 요소는 차량이 목적지에 도달하기 위해 운행할 수 있는 경로(및 경로 목표)를 설명한다.
다양한 실시예에서, 선택된 경로 목표는 비용 함수에 기초하여 선택된다. 각각의 잠재적 경로에 대해 비용 함수가 수행된다. 각각의 잠재적인 경로는 점유 그리드의 그리드 세트를 가로지르며, 여기서 각 그리드는 그리드 위치를 통과하는 이동에 대해 보상하거나 페널티를 주는 비용 값을 갖습니다. 최적의 비용 값을 갖는 경로가 경로 목표로 선택된다. 경로 목표는 운행 차량의 모션을 모델링하기 위해 아크와 같은 하나 이상의 경로 기초 요소를 포함할 수 있다. 예를 들어, 두 개의 경로 기초 요소 쌍은 차량을 후진으로 이동한 다음 앞으로 이동하는 것을 표현할 수 있다. 역방향 경로는 하나의 아크로 표시되고 정방향 경로는 다른 아크로 표시된다. 다른 예로서, 차량 경로는 3점 회전을 포함할 수 있다. 회전의 각 기초 요소는 아크 경로로 표현될 수 있다. 각 경로 기초 요소의 끝에서 차량은 새로운 x, y 및 방향 값을 갖습니다. 일부 실시예에서, 차량은 예를 들어 주차장의 다른 층 사이의 운행을 지원하기 위해 고도 값을 포함한다. 아크 경로 기초 요소가 목표 경로를 정의하는 데 사용되지만 다른 적절한 기하학적 기초 요소도 사용될 수 있다. 일부 실시예에서, 각각의 경로는 속도 파라미터를 포함한다. 예를 들어, 속도 파라미터를 사용하여 경로를 따라 이동 속도를 제안할 수 있다. 초기 속도, 최대 속도, 가속도, 최대 가속도 및 기타 속도 파라미터를 사용하여 차량이 경로를 따라 운행하는 방법을 제어할 수 있다. 일부 실시예에서, 최대 속도는 저속으로 설정되고 차량이 너무 빨리 주행하는 것을 방지하는 데 사용된다. 예를 들어, 사용자가 신속하게 개입할 수 있도록 낮은 최대 속도를 적용할 수 있다.
다양한 실시예에서, 결정된 경로 목표는 경로를 따라 운행하기 위해 차량 제어기(vehicle controller)에 전달된다. 일부 실시예에서, 경로 목표는 먼저 차량 제어기에 의해 사용하기 위해 경로를 따라 경로 포인트의 세트로 변환된다. 일부 실시예에서, 경로 계획은 연속적으로 실행되고 현재 경로가 진행되는 동안 새로운 경로가 결정될 수 있다. 일부 실시예에서, 의도된 경로는 더 이상 도달할 수 없습니다. 예를 들어 경로가 차단되고 새로운 경로가 결정된다. 309에서의 경로 계획은 도 3의 프로세스의 다른 기능보다 더 낮은 빈도로 실행될 수 있다. 예를 들어, 경로 계획은 305에서 결정된 주행 가능 공간보다 낮은 빈도로 실행될 수 있고/또는 차량이 311에서 운행하도록 제어된다. 점유 그리드가 업데이트되는 것보다 경로 목표를 덜 자주 결정함으로써 경로 계획 처리가 보다 효율적이고 실제 보다 더 정확한 표현을 활용한다.
일부 실시예에서, 목적지에 대한 하나 이상의 경로가 실행 가능하고 다중 경로 목표가 사용자에게 제공된다. 예를 들어, 사용자에게 두 개 이상의 경로 목표가 옵션으로 표시된다. 사용자는 예를 들어 GUI, 음성 명령 등을 이용하여 목적지까지 차량을 운행하기 위해 사용할 경로 목표를 선택할 수 있다. 예를 들어, 사용자에게 차량에서 목적지까지의 두 경로가 표시된다. 제1 경로는 시간이 덜 걸릴 것으로 예상되지만 회전이 더 많고 빈번한 기어 변경이 필요하다. 제2 경로는 더 부드럽지만 시간이 더 걸립니다. 사용자는 두 가지 옵션에서 경로 목표를 선택할 수 있다. 일부 실시예에서, 사용자는 경로 목표를 선택하고 경로를 수정할 수 있다. 예를 들어, 사용자는 혼잡한 교차로와 같은 특정 장애물 주위로 운행하기 위해 선택한 경로를 조정할 수 있다.
311에서, 차량은 자동으로 경로 목표로 운행한다. 경로 목표 또는 309에서 결정된 목표를 사용하여 차량은 현재 위치에서 목표 경로(들)를 따라 자동으로 운행하여 도착 목적지에 도달한다. 예를 들어, 차량 제어기는 목표 경로를 수신하고 경로를 따라 차량을 운행하는 데 필요한 차량 제어를 차례로 구현한다. 경로 목표(들)는 운행할 경로를 따라 경로 포인트 세트로 수신될 수 있다. 일부 실시예에서, 차량 제어기는 아크와 같은 경로 기초 요소(primitive)를 경로 포인트로 변환한다. 다양한 실시예에서, 차량은 차량 제어기로부터 차량 엑추에이터로 엑추에이터 파라미터를 전송함으로써 제어된다. 일부 실시예에서, 차량 제어기는 도 7의 차량 제어기(707)이고 차량 엑추에이터는 도 7의 차량 엑추에이터(713)이다. 차량 엑추에이터를 사용하여 조향, 제동, 가속 및/또는 기타 작동 기능이 작동된다.
일부 실시예에서, 차량이 경로 목표로 운행함에 따라, 사용자는 차량의 운행/동작을 조정할 수 있다. 예를 들어, 사용자는 "더 왼쪽으로 조종"과 같은 입력을 제공하여 운행을 조정할 수 있다. 추가적인 예로서, 사용자는 운행하는 동안 차량의 속도를 높이거나 낮출 수 있고/있거나 조향 각도를 조정할 수 있다.
313에서, 차량이 301에서 수신된 목적지에 도착했는지 여부가 결정된다. 차량이 목적지에 도착한 경우 처리는 315로 계속된다. 차량이 목적지에 도착하지 않은 경우 처리는 301로 루프백 하여 잠재적으로 업데이트된 목적지를 수신하고 (잠재적으로 업데이트된) 선택된 목적지로 자동 운행한다. 다양한 실시예에서, 차량은 목적지에 도착했지만 목적지의 정확한 위치에 있지 않을 수 있다. 예를 들어, 선택한 목적지는 더 이상 주행 가능 위치가 아닐 수도 있고 그렇지 않을 수도 있다. 일례로, 선택된 목적지에 다른 차량이 주차되어 있을 수 있다. 또 다른 예로서, 사용자는 승객 대기 구역과 같이 주행이 불가능한 위치로 이동될 수 있다. 특정 상황에서는 차량이 목적지에 가장 가까운 도달 가능 위치에 도착한 경우 차량이 목적지에 도착한 것으로 판별된다. 클로짓 도달 가능 목적지(closet reachable destination)는 309에서 결정된 경로에 기초하여 할 수 있다. 일부 실시예에서, 클로짓 도달 가능 목적지는 현재 위치와 목적지 사이의 잠재적인 경로를 계산하는데 사용되는 비용 함수에 기초한다. 일부 실시예에서, 도착한 위치와 수신된 목적지 사이의 차이는 위치를 결정하기 위해 이용 가능한 기술의 정확성에 기초한다. 예를 들어, 차량은 사용 가능한 글로벌 포지셔닝 시스템의 정확도 내에서 주차될 수 있다.
315에서, 호출이 완료된다. 다양한 실시예에서, 호출 기능이 완료되고 하나 이상의 완료 동작이 실행된다. 예를 들어, 도 1의 107과 관련하여 설명된 완료 동작이 수행된다. 일부 실시예에서, 307에서 생성된 점유 그리드는 저장 및/또는 완료 동작으로 내보내 진다. 점유 그리드는 차량 및/또는 원격 서버에 로컬로 저장될 수 있다. 일단 저장되면 차량에서 그리드를 사용하거나 경로가 잠재적으로 겹치는 다른 차량과 공유할 수 있다.
도 4는 차량 주변 환경의 표현을 생성하기 위해 기계 학습 모델을 훈련 및 적용하기 위한 프로세스의 실시예를 도시하는 흐름도이다. 일부 실시예에서, 도 4의 프로세스는 적어도 부분적으로 센서 데이터를 사용하여 점유 그리드를 생성하기 위한 주행 가능 공간을 결정하는 데 사용된다. 훈련된 기계 학습 모델의 훈련 및/또는 적용에 사용되는 센서 데이터는 카메라 센서를 사용하여 차량에서 캡처한 이미지 데이터에 해당할 수 있다. 일부 실시예에서, 프로세스는 도 7의 자율 차량 시스템을 위한 기계 학습 모델을 생성하고 배포하는 데 사용된다. 일부 실시예에서, 도 4의 프로세스는 도 3의 305에서 주행 가능 공간을 결정하고 도 3의 307에서 점유 그리드를 생성하는 데 사용된다.
401에서, 훈련 데이터가 준비된다. 일부 실시예에서, 이미지 데이터를 포함하는 센서 데이터는 훈련 데이터 세트를 생성하기 위해 활용된다. 센서 데이터는 하나 이상의 카메라로부터의 정지 이미지 및/또는 비디오를 포함할 수 있다. 레이더, 라이더, 초음파 등과 같은 추가 센서를 사용하여 관련 센서 데이터를 제공할 수 있다. 다양한 실시예에서, 센서 데이터는 센서 데이터의 특징을 식별하는 것을 돕기 위해 대응하는 차량 데이터와 쌍을 이룬다. 예를 들어, 위치 및 위치 데이터의 변경은 차선, 교통 제어 신호, 객체 등과 같은 센서 데이터에서 관련 기능의 위치를 식별하는 데 사용할 수 있다. 일부 실시예에서, 훈련 데이터는 주행 가능 공간을 식별하기 위해 기계 학습 모델을 훈련하도록 준비된다. 준비된 훈련 데이터는 훈련, 검증, 테스트를 위한 데이터를 포함할 수 있다. 일부 실시예에서, 데이터의 형식은 배치된 딥 러닝 애플리케이션에서 사용되는 기계 학습 모델과 호환 가능한다.
403에서 기계 학습 모델이 학습된다. 예를 들어 기계 학습 모델은 401에서 준비된 데이터를 사용하여 학습된다. 일부 실시예에서, 모델은 컨볼루션 신경망(CNN)과 같은 신경망이다. 다양한 실시예에서, 모델은 다수의 중간 층을 포함한다. 일부 실시예에서, 신경망은 다중 컨볼루션 및 풀링 계층을 포함하는 다중 계층을 포함할 수 있다. 일부 실시예에서, 훈련 모델(training model)은 수신된 센서 데이터로부터 생성된 검증 데이터 세트를 사용하여 검증된다. 일부 실시예에서, 기계 학습 모델은 이미지 데이터로부터 주행 가능 공간을 예측하도록 훈련된다. 예를 들어, 차량을 둘러싼 환경의 주행 가능 공간은 카메라에서 캡처 된 이미지에서 유추할 수 있다. 일부 실시예에서, 이미지 데이터는 개선된 정확도를 위해 레이더 또는 초음파 센서 데이터와 같은 다른 센서 데이터로 증강된다.
405에서, 훈련된 기계 학습 모델이 배포된다. 예를 들어 훈련된 기계 학습 모델은 딥 러닝 네트워크에 대한 업데이트로 차량에 설치된다. 일부 실시예에서, 딥 러닝 네트워크는 도 7의 인식 모듈(703)과 같은 인식 모듈의 일부이다. 훈련된 기계 학습 모델은 무선 업데이트로 설치될 수 있다. 일부 실시예에서, 업데이트는 WiFi 또는 셀룰러 네트워크와 같은 무선 네트워크를 사용하여 전송되는 펌웨어 업데이트이다. 일부 시나리오에서는 차량 서비스 시 새로 훈련된 기계 학습 모델이 설치된다.
407에서, 센서 데이터가 수신된다. 예를 들어, 센서 데이터는 차량의 하나 이상의 센서에서 캡처 된다. 일부 실시예에서, 센서는 비전 데이터를 캡처하는 데 사용되는 도 7의 비전 센서(701) 및/또는 도 7의 추가 센서(709)와 같은 비전 센서이다. 비전 센서는 앞 유리 뒤에 장착된 카메라, 기둥에 장착된 전방 및/또는 측면 카메라, 후방 카메라 등과 같은 이미지 센서를 포함할 수 있다. 다양한 실시예에서, 센서 데이터는 403에서 훈련된 기계 학습 모델이 입력으로서 활용하는 형식이거나 형식으로 변환된다. 예를 들어, 센서 데이터는 원시 또는 처리된 이미지 데이터일 수 있다. 일부 실시예에서, 센서 데이터는 초음파 센서, 레이더, 라이더(LiDAR) 센서, 마이크로폰, 또는 다른 적절한 기술로부터 캡처 된 데이터이다. 일부 실시예에서, 센서 데이터는 전처리 단계 동안 이미지 프리 프로세서(pre-processor)와 같은 이미지 프리 프로세서를 사용하여 전처리된다. 예를 들어 왜곡, 노이즈 등을 제거하기 위해 이미지를 정규화할 수 있다.
409에서 훈련된 기계 학습 모델이 적용된다. 예를 들어, 403에서 훈련된 기계 학습 모델은 407에서 수신된 센서 데이터에 적용된다. 일부 실시예에서, 모델의 적용은 딥 러닝 네트워크를 사용하여 도 7의 인식 모듈(703)과 같은 인식 모듈에 의해 수행된다. 다양한 실시예에서, 훈련된 기계 학습 모델을 적용함으로써 주행 가능 공간이 식별 및/또는 예측된다. 예를 들어, 차량 주변 환경에서 주행 가능 공간이 추론된다. 다양한 실시예에서, 차량, 장애물, 차선, 교통 제어 신호, 지도 특징, 객체 거리, 속도 제한 등이 기계 학습 모델을 적용하여 식별된다. 검출된 기능은 주행 가능 공간을 결정하는 데 사용될 수 있다. 일부 실시예에서, 교통 제어 및 다른 주행 특징은 속도 제한, 정지할 위치, 주차할 영역, 대면 방향 등과 같은 운행 파라미터를 결정하는 데 사용된다. 예를 들어 정지 표지판, 주차 공간, 차선 및 기타 교통 통제 기능이 검출되어 주행 가능 공간과 주행 파라미터를 결정하는 데 활용된다.
411에서 점유 그리드가 생성된다. 예를 들어, 409에서 적용된 훈련된 기계 학습 모델의 출력을 사용하여 차량 운행을 위한 목표 경로를 결정하기 위한 경로 계획을 위한 점유 그리드가 생성된다. 점유 그리드는 도 3의 307과 관련하여 설명된 바와 같이 및/또는 도 5의 프로세스를 사용하여 생성될 수 있다.
도 5는 점유 그리드를 생성하기 위한 프로세스의 실시예를 예시하는 흐름도이다. 예를 들어, 센서 데이터에서 결정된 주행 가능 공간을 사용하여 경로 계획을 위한 점유 그리드를 생성할 수 있다. 점유 격자는 추가 센서 데이터, 주석이 달린 지도 및/또는 이전에 생성된 점유 격자와 같은 추가 소스의 메타데이터로 보강될 수 있다. 일부 실시예에서, 도 5의 프로세스는 도 1의 103, 도 3의 307, 및/또는 도 4의 411에서 수행된다. 일부 실시예에서, 도 5의 프로세스는 도 7의 자율 차량 시스템을 사용하여 수행된다.
일부 실시예에서, 점유 그리드는 경로 계획 이전에 생성된다. 예를 들어, 점유 그리드가 생성된 다음 스마트폰 장치의 GUI를 통해 또는 차량의 디스플레이를 통해 검사하도록 사용자에게 제공된다. 사용자는 점유율 그리드를 보고 타겟 목적지를 선택할 수 있다. 사용자는 사용자가 연석의 어느 부분까지 차량을 끌어올릴 것인지 지정할 수 있다. 선택하면 차량이 타겟 목적지로 운행할 수 있다.
501에서, 저장된 점유 그리드가 로드된다. 일부 실시예에서, 차량의 현재 위치에 대응하는 이전에 생성된 점유 그리드가 로드된다. 기존에 저장된 점유 그리드로 점유 그리드를 초기화하여 차량 주변 환경의 정확도를 향상시킬 수 있다. 이 최적화는 초기 그리드의 정확도를 크게 향상시킵니다. 예를 들어, 일부 객체는 정지 상태에서 검출하기 어려울 수 있지만 차량이 현재 주차 위치에 접근할 때 이동했을 때 마지막으로 저장된 점유 그리드에서 검출되었습니다.
503에서, 주행 가능 공간이 수신된다. 예를 들어, 주행 가능 공간은 컨볼루션 신경망과 같은 신경망에서 출력으로 수신된다. 일부 실시예에서, 새로운 센서 데이터가 캡처 되고 분석됨에 따라 주행 가능 공간이 지속적으로 업데이트된다. 수신된 주행 가능 공간은 그리드 위치로 분할될 수 있다. 일부 실시예에서, 주행 가능 공간에 추가하여 다른 비전 기반 측정이 수신된다. 예를 들어, 연석, 차량, 보행자, 원뿔 등과 같은 객체가 검출되고 수신된다.
505에서, 보조 데이터가 수신된다. 예를 들어, 보조 데이터는 점유 그리드의 정확도를 업데이트하고 추가로 개선하는 데 사용된다. 보조 데이터에는 초음파 센서 또는 레이더와 같은 센서의 데이터가 포함될 수 있다. 보조 데이터에는 다른 차량에서 생성된 점유 데이터도 포함될 수 있다. 예를 들어, 차량의 메시 네트워크는 점유 데이터의 시간 및 위치에 기초하여 점유 데이터를 공유할 수 있다. 다른 예로서, 주석이 달린 지도 데이터는 점유 그리드를 보강하는 데 사용될 수 있다. 속도 제한, 차선, 주행 가능 공간, 교통 패턴 등과 같은 지도 데이터는 주석이 달린 지도 데이터를 통해 로드될 수 있다.
일부 실시예에서, 운행을 중단하거나 수정하는 데 사용되는 안전 데이터는 보조 데이터로 수신된다. 예를 들어 충돌 경고 시스템은 잠재적 또는 보류 중인 충돌을 설명하기 위해 그리드 값을 중단하는 데 사용되는 505에 데이터를 입력한다. 일부 실시예에서, 보조 데이터는 사용자로부터 제공된 데이터를 포함한다. 예를 들어, 사용자는 주차 위치 및/또는 방향과 같은 목적지를 식별하는 데 도움이 되는 이미지 또는 비디오를 포함할 수 있다. 수신된 데이터는 점유 그리드를 수정하는 데 사용될 수 있다.
507에서, 점유 그리드가 업데이트된다. 503 및/또는 505에서 수신된 데이터를 사용하여 점유 그리드가 업데이트된다. 업데이트된 그리드는 그리드 위치의 확률 값에 대응하는 각 그리드 위치의 값을 포함할 수 있다. 값은 그리드 위치 운행과 관련된 비용 값일 수 있다. 일부 실시예에서, 값은 또한 그리드 위치가 주행 가능 영역일 확률에 대응하는 주행 가능 값을 포함한다. 다양한 실시예에서, 업데이트된 점유 그리드가 저장 및/또는 내보내기 될 수 있다. 예를 들어 그리드 데이터를 원격 서버에 업로드하거나 로컬에 저장할 수 있다. 예를 들어, 차량이 주차된 경우 그리드 데이터를 저장하고 나중에 그리드를 초기화하는 데 사용할 수 있다. 다른 예로서, 그리드 데이터는 경로 또는 잠재적 경로가 교차하는 차량과 같은 관련 차량과 공유될 수 있다.
점유 그리드가 업데이트되면 처리는 503으로 루프백 하여 새로 수신된 데이터로 점유 그리드를 계속 업데이트한다. 예를 들어, 차량이 경로를 따라 운행할 때 점유 그리드를 업데이트하기 위해 새로운 주행 가능 및/또는 보조 데이터가 수신된다. 새로 업데이트된 그리드는 자동 운행에 사용되는 목표 경로를 수정 및/또는 업데이트하는 데 사용할 수 있다. 예를 들어, 이전에 비어 있던 공간이 이제 차단될 수 있다. 마찬가지로 이전에 차단된 공간이 열릴 수 있다.
도 6은 목적지 타겟을 자동으로 운행하기 위한 프로세스의 실시예를 도시하는 흐름도이다. 도 6의 프로세스는 현재 위치에서 목적지 타겟 위치를 향해 결정된 계획 목표를 사용하여 차량을 운행하는 데 사용될 수 있다. 다양한 실시예에서, 운행은 차량의 조향 및 속도를 수정하기 위해 차량 엑추에이터를 사용하는 차량 제어기에 의해 자동으로 수행된다. 도 6의 프로세스는 차량 운행의 안전성을 향상시키기 위해 여러 안전 검사를 구현한다. 안전 점검을 통해 운행을 종료 및/또는 수정할 수 있다. 예를 들어, 사용자가 차량의 진행 상황을 모니터링하고 있는지 확인하기 위해 사용자가 차량에 지속적으로 접촉을 유지해야 하는 가상 심장박동이 구현될 수 있다. 일부 실시예에서, 운행은 목적지 타겟에 대한 최적의 경로를 따라 차량을 운행하기 위해 경로 목표를 활용한다. 경로 목표는 아크와 같은 경로 기초 요소로서, 선택된 경로를 따른 점 세트 및/또는 경로 기초 요소의 다른 형태로 수신될 수 있다. 일부 실시예에서, 도 6의 프로세스는 도 1의 105 및/또는 도 3의 311에서 수행된다. 일부 실시예에서, 프로세스는 도 7의 자율 차량 시스템을 사용하여 수행된다.
일부 실시예에서, 도 6의 프로세스는 차량을 원격으로 제어하기 위해 사용자에 의해 사용될 수 있다. 예를 들어, 사용자는 차량 조정을 통해 차량을 원격으로 제어하기 위해 차량의 조향 각도, 방향 및/또는 속도를 제어할 수 있다. 사용자가 차량을 원격으로 제어함에 따라 사용자 제어를 중단 및/또는 수정할 수 있는 안전 점검이 지속적으로 수행된다. 예를 들어 객체가 검출되거나 원격 사용자와의 연락이 끊긴 경우 차량을 정지할 수 있다.
601에서, 차량 조정이 결정된다. 예를 들어, 차량 속도 및 조향 조정은 차량을 경로 목표에 유지하기 위해 결정된다. 일부 실시예에서, 차량 조정은 도 7의 차량 제어기(707)와 같은 차량 제어기에 의해 결정된다. 일부 실시예에서, 차량 제어기는 차량을 제어하기 위한 거리, 속도, 방향, 및/또는 다른 주행 파라미터를 결정한다. 일부 실시예에서, 차량의 속도를 제한하기 위해 최대 차량 속도가 결정되고 사용된다. 운행의 안전성을 높이고 사용자가 호출 기능을 종료하기에 충분한 반응 시간을 허용하기 위해 최대 속도가 적용될 수 있다.
603에서, 차량은 경로 목표를 따라 코스를 유지하도록 조정된다. 예를 들어, 601에서 결정된 차량 조정이 구현된다. 일부 실시예에서, 도 7의 차량 엑추에이터(713)와 같은 차량 엑추에이터는 차량 조정을 구현한다. 차량 엑추에이터는 차량의 조향 및/또는 속도를 조정한다. 다양한 실시예에서, 모든 조정이 기록되고 추후 검토를 위해 원격 서버에 업로드될 수 있다. 예를 들어, 안전 문제의 경우, 차량 작동, 경로 목표, 목적지 위치, 현재 위치, 이동 속도 및/또는 기타 주행 파라미터를 검토하여 잠재적 개선 영역을 식별할 수 있다.
605에서, 차량 조정에 따라 차량이 작동되고 차량의 작동이 모니터링된다. 예를 들어, 차량은 603에서 적용된 차량 조정의 지시에 따라 작동한다. 다양한 실시예에서, 차량의 작동은 안전, 편안함, 성능, 효율성 및 기타 작동 파라미터를 시행하기 위해 모니터링된다.
607에서, 장애물이 검출되었는지 여부가 결정된다. 장애물이 검출되면 처리는 611로 계속된다. 장애물이 검출되지 않는 경우 처리는 차량의 작동이 계속 모니터링되는 605로 계속된다. 일부 실시예에서, 장애물은 초음파 센서와 같은 충돌 또는 객체 센서에 의해 검출된다. 일부 실시예에서, 장애물은 네트워크 인터페이스를 통해 통신될 수 있다. 예를 들어, 다른 차량에서 검출한 장애물을 공유하고 수신할 수 있다. 다양한 실시예에서, 검출된 장애물은 점유 그리드 생성과 관련된 것들과 같은 자율 차량 시스템의 다른 컴포넌트에 알리는 데 사용될 수 있지만, 차량이 검출된 장애물에 대해 즉시 조정할 수 있도록 운행 컴포넌트에서도 수신된다.
609에서, 사용자와의 연락이 끊어졌는지 여부가 결정된다. 사용자와의 연락이 끊어진 경우 처리는 611로 계속된다. 사용자와의 연락이 끊어지지 않은 경우 처리는 차량의 작동이 계속 모니터링되는 605로 계속된다. 일부 실시예에서, 자동 운행을 활성화하려면 사용자와의 지속적인 접촉이 필요한다. 예를 들어, 가상 심장박동이 사용자로부터 전송된다. 심장박동은 사용자의 스마트폰 장치 또는 열쇠 고리와 같은 다른 적절한 장치에서 전송될 수 있다. 일부 실시예에서, 사용자가 가상 심장박동을 활성화하는 한, 가상 심장박동이 수신되고 연락이 끊기지 않을 것이다. 사용자가 더 이상 가상 심장박동을 전송하지 않는 것에 대한 응답으로, 사용자와의 연락이 끊어진 것으로 간주되고 611에서 차량의 운행이 적절하게 응답한다.
일부 실시예에서, 가상 심장박동은 사용자가 심장박동 스위치, 버튼, 또는 다른 사용자 인터페이스 장치와 지속적으로 접촉하는 한 구현된다(그리고 접촉을 유지하기 위해 지속적으로 전송됨). 사용자가 적절한 사용자 인터페이스 요소와 연결을 끊으면 가상 심장박동이 더 이상 전송되지 않고 연결이 끊어진다.
611에서, 운행이 중단된다. 검출된 장애물 및/또는 사용자와의 연락 끊김에 대한 응답으로 자동 운행이 중단된다. 예를 들어, 차량이 저속으로 주행하는 경우 차량이 즉시 정지할 수 있다. 차량이 더 빠른 속도로 주행하는 경우 차량이 안전하게 정지한다. 안전한 정지를 위해서는 점진적인 제동과 도로 측면이나 주차 공간과 같은 안전한 정지 위치를 결정해야 할 수 있다. 다양한 실시예에서, 무효화된 운행은 사용자가 자동 운행을 사전에 계속하도록 요구할 수 있다. 일부 실시예에서, 검출된 장애물이 더 이상 존재하지 않으면 재정의된 운행이 재개된다.
일부 실시예에서, 검출된 장애물이 운행을 중단하는 경우, 차량은 새로운 경로를 사용하여 목적지로 다시 라우팅된다. 예를 들어, 검출된 장애물을 피하는 새로운 경로 목표가 결정된다. 다양한 실시예에서, 점유 그리드는 검출된 장애물로 업데이트되고 업데이트된 점유 그리드는 새로운 경로 목표를 결정하는 데 사용된다. 실행 가능한 새 경로가 결정되면 적절한 경우(예를 들어, 연락이 다시 설정되면) 운행을 계속할 수 있다. 일부 실시예에서, 운행이 중단될 때 새로운 경로가 결정된다. 예를 들어, 연락이 끊긴 경우 목적지까지의 경로를 재확인한다. 적절한 경우 기존 경로를 사용하거나 새 경로를 선택할 수 있다. 다양한 실시예에서, 실행 가능한 경로를 찾을 수 없는 경우 차량은 정지된 상태로 유지된다. 예를 들어 차량이 완전히 차단되었습니다.
도 7은 차량을 목적지 타겟까지 자동으로 운행하기 위한 자율 차량 시스템의 일 실시예를 도시한 블록도이다. 자율 차량 시스템에는 차량을 자동으로 타겟 지리적 위치로 운행하는 데 함께 사용할 수 있는 다양한 구성 요소가 포함된다. 도시된 예에서, 자율 차량 시스템은 온보드 컴포넌트(onboard component)(700), 원격 인터페이스 컴포넌트(remote interface component)(751), 및 운행 서버(navigation server)(761)를 포함한다. 온보드 컴포넌트(700)는 차량에 장착되는 컴포넌트이다. 원격 인터페이스 컴포넌트(751)는 차량을 자동으로 운행하기 위해 차량에서 원격으로 사용될 수 있는 하나 이상의 원격 컴포넌트이다. 예를 들어, 원격 인터페이스 컴포넌트(751)는 스마트폰 장치 상에서 실행되는 스마트폰 애플리케이션, 전자 열쇠, 차량을 제어하기 위한 웹사이트와 같은 GUI, 및/또는 다른 원격 인터페이스 컴포넌트를 포함한다. 운행 서버(761)는 운행 기능을 용이하게 하는 데 사용되는 선택적 서버이다. 운행 서버(761)는 원격 서버이고 원격 클라우드 서버 및/또는 스토리지로서 기능할 수 있다. 일부 실시예에서, 도 7의 자율 차량 시스템은 도 1-6의 프로세스 및 도 8-9의 사용자 인터페이스와 관련된 기능을 구현하는 데 사용된다.
도시된 예에서, 온보드 컴포넌트(700)는 비전 센서(vision sensor)(701), 인식 모듈(perception module)(703), 경로 플래너 모듈(path planner module)(705), 차량 제어기(707), 추가 센서(additional sensor)(709), 안전 제어기(safety controller)(711), 차량 엑추에이터(vehicle actuator)(713), 및 네트워크 인터페이스(network interface)(715)를 포함하는 자율 차량 시스템이다. 다양한 실시예에서, 상이한 구성 요소는 통신 가능하게 연결된다. 예를 들어, 비전 센서(701) 및 추가 센서(709)로부터의 센서 데이터는 인식 모듈(703)에 공급된다. 인식 모듈(703)의 출력은 경로 플래너 모듈(705)에 공급된다. 경로 플래너 모듈(705)의 출력 및 추가 센서(709)로부터의 센서 데이터는 차량 제어기(707)에 공급된다. 일부 실시예에서, 차량 제어기(707)의 출력은 차량의 속도, 제동 및/또는 조향 등과 같은 차량의 작동을 제어하기 위해 차량 엑추에이터(713)에 공급되는 차량 제어 명령이다. 일부 실시예에서, 추가 센서(709)로부터의 센서 데이터는 추가 안전 검사를 수행하기 위해 차량 엑추에이터(713)에 공급된다. 다양한 실시예에서, 안전 제어기(711)는 인식 모듈(703), 차량 제어기(707), 및/또는 차량 엑추에이터(713)와 같은 하나 이상의 컴포넌트에 연결되어 각 모듈에서 안전 검사를 구현한다. 예를 들어, 안전 제어기(711)는 자동 운행을 중단하기 위해 추가 센서(709)로부터 추가 센서 데이터를 수신할 수 있다.
다양한 실시예에서, 센서 데이터, 기계 학습 결과, 인식 모듈 결과, 경로 계획 결과, 안전 제어기 결과 등이 네트워크 인터페이스(715)를 통해 운행 서버(761)로 전송될 수 있다. 예를 들어, 센서 데이터는 네트워크 인터페이스(715)를 통해 운행 서버(761)로 전송되어 차량의 성능, 편안함, 및/또는 안전을 개선하기 위한 훈련 데이터를 수집할 수 있다. 다양한 실시예에서, 네트워크 인터페이스(715)는 무엇보다도 운행 서버(761)와 통신하고, 전화를 걸고, 문자 메시지를 전송 및/또는 수신하고, 차량의 작동에 기초하여 센서 데이터를 전송하는 데 사용된다. 일부 실시예에서, 온보드 컴포넌트(700)는 적절한 추가 또는 더 적은 컴포넌트를 포함할 수 있다. 예를 들어, 일부 실시예에서, 온보드 컴포넌트(700)는 센서 데이터를 향상시키기 위해 이미지 프리 프로세서(미도시)를 포함한다. 다른 예로서, 이미지 프리 프로세서는 이미지를 정규화하거나 이미지를 변환하는데 사용될 수 있다. 일부 실시예에서, 노이즈, 왜곡, 및/또는 흐릿함은 전처리 단계 동안 제거되거나 감소된다. 다양한 실시예에서, 이미지는 기계 학습 분석의 결과를 개선하기 위해 조정되거나 정규화된다. 예를 들어, 이미지의 화이트 밸런스는 일광, 화창함, 흐림, 황혼, 일출, 일몰 및 야간 조건과 같은 다양한 조명 작동 조건을 고려하여 조정된다. 다른 예로서, 어안 렌즈로 캡처 된 이미지가 휘어질 수 있고 이미지 프리 프로세서(image pre-processor)가 휘어짐을 제거하거나 수정하기 위해 이미지를 변환하는 데 사용될 수 있다. 다양한 실시예에서, 온보드 컴포넌트의 하나 이상의 컴포넌트는 운행 서버(761)와 같은 원격 서버에 배포될 수 있다.
일부 실시예에서, 비전 센서(701)는 하나 이상의 비전 센서를 포함한다. 다양한 실시예에서, 비전 센서(701)는 차량의 상이한 위치에서 차량에 부착될 수 있고/있거나 하나 이상의 상이한 방향으로 방향될 수 있다. 예를 들어, 비전 센서(701)는 전방, 후방, 측면 등의 방향으로 차량의 전방, 측면, 후방 및/또는 지붕 등에 부착될 수 있다. 일부 실시예에서, 비전 센서(701)는 높은 동적 범위 카메라와 같은 이미지 센서이다. 예를 들어, 고생동폭 (High Dynamic Range)(HDR) 전방 카메라는 차량 앞에서 이미지 데이터를 캡처한다. 일부 실시예에서, 차량에는 데이터를 캡처하기 위한 다중 센서가 부착된다. 예를 들어, 일부 실시예에서 8개의 서라운드 카메라가 차량에 부착되어 최대 250미터의 범위로 차량 주변의 360도 가시성을 제공한다. 일부 실시예에서, 카메라 센서는 광폭 전방 카메라, 좁은 전방 카메라, 후방 카메라, 전방 측 카메라, 및/또는 후방 후방 카메라를 포함한다. 다양한 카메라 센서를 사용하여 차량 주변 환경을 캡처하고 캡처한 이미지를 딥 러닝 분석에 제공한다.
일부 실시예에서, 비전 센서(701)는 온보드 컴포넌트(700)의 차량에 장착되지 않는다. 예를 들어, 비전 센서(701)는 이웃 차량에 장착 및/또는 도로 또는 환경에 부착될 수 있으며 센서 데이터를 캡처하기 위한 딥 러닝 시스템의 일부로 포함될 수 있다. 일부 실시예에서, 비전 센서(701)는 차량이 주행하는 노면을 캡처하는 하나 이상의 카메라를 포함한다. 예를 들어, 하나 이상의 전면 및/또는 기둥 카메라는 차량이 주행하는 차선의 차선 표시를 캡처한다. 비전 센서(701)는 정지 이미지 및/또는 비디오를 캡처할 수 있는 이미지 센서 모두를 포함할 수 있다. 데이터는 일정 기간 동안 캡처 된 데이터의 시퀀스와 같이 일정 기간 동안 캡처될 수 있다.
일부 실시예에서, 인식 모듈(703)은 센서 데이터를 분석하여 차량을 둘러싼 환경의 표현을 생성하는 데 사용된다. 일부 실시예에서, 인식 모듈(703)은 점유 그리드를 생성하기 위해 훈련된 기계 학습 네트워크를 활용한다. 인식 모듈(703)은 비전 센서(701) 및/또는 추가 센서(709)로부터의 데이터를 포함하는 센서 데이터를 입력으로 취하기 위해 딥 러닝 네트워크를 활용할 수 있다. 인식 모듈(703)의 딥 러닝 네트워크는 센서 데이터와 같은 입력에 대해 훈련되는 컨볼루션 신경망(CNN)과 같은 인공 신경 네트워크일 수 있으며 그 출력은 경로 플래너 모듈(705)에 제공된다. 일례로, 출력은 차량 주변 환경의 주행 가능 공간을 포함할 수 있다. 일부 실시예에서, 인식 모듈(703)은 입력으로서 적어도 센서 데이터를 수신한다. 추가 입력에는 차량 주변 환경을 설명하는 장면 데이터 및/또는 차량의 작동 특성과 같은 차량 사양이 포함될 수 있다. 장면 데이터에는 비, 젖은 도로, 눈, 진흙탕, 고밀도 교통, 고속도로, 도시, 스쿨존 등과 같이 차량 주변 환경을 설명하는 장면 태그가 포함될 수 있다. 일부 실시예에서, 인식 모듈(703)은 도 1의 103, 도 3의 305 및/또는 309, 도 4의 411, 및/또는 도 5의 프로세스에서 활용된다.
일부 실시예에서, 경로 플래너 모듈(705)은 한 위치에서 다른 위치로 차량을 운행하기 위한 최적의 경로를 선택하기 위한 경로 계획 컴포넌트다. 경로 계획 컴포넌트는 최적 경로를 선택하기 위해 점유 그리드 및 비용 함수를 활용할 수 있다. 일부 실시예에서, 잠재적인 경로는 차량의 작동 특성을 모델링하는 원호 기초 요소와 같은 하나 이상의 경로 기초 요소로 구성된다. 일부 실시예에서, 경로 플래너 모듈(705)은 도 1의 단계(103) 및/또는 도 3의 단계(309)에서 활용된다. 다양한 실시예에서, 경로 플래너 모듈(705)은 더 느린 주파수에서 실행되거나 인식 모듈(703) 및 차량 제어기(707)와 같은 다른 컴포넌트보다 덜 자주 업데이트된다.
일부 실시예에서, 차량 제어기(707)는 경로 플래너 모듈(705)의 출력을 처리하고 선택된 경로를 차량 제어 동작 또는 명령으로 변환하는 데 사용된다. 일부 실시예에서, 차량 제어기(707)는 선택된 목적지 타겟으로의 자동 운행을 위해 차량을 제어하는 데 이용된다. 다양한 실시예에서, 차량 제어기(707)는 차량 엑추에이터(713)에 명령을 전송함으로써 차량의 속도, 가속도, 조향, 제동 등을 조정할 수 있다. 예를 들어, 일부 실시예에서, 차량 제어기(707)는 현재 위치에서 선택된 목적지까지의 경로를 따라 차량의 위치를 유지하도록 차량을 제어하는 데 사용된다.
일부 실시예에서, 차량 제어기(707)는 제동등, 방향 지시등, 헤드라이트 등과 같은 차량 조명을 제어하는 데 사용된다. 일부 실시예에서, 차량 제어기(707)는 차량의 사운드 시스템, 오디오 경고 재생, 마이크 활성화, 경적 활성화 등과 같은 차량 오디오 상태를 제어하는 데 사용된다. 일부 실시예에서, 차량 제어기(707)는 주행이자 및/또는 승객에게 잠재적인 충돌 또는 의도된 목적지의 접근과 같은 주행 이벤트를 알리는 경고 시스템을 포함하는 알림 시스템을 제어하는 데 사용된다. 일부 실시예에서, 차량 제어기(707)는 차량의 센서(701)와 같은 센서를 조정하는 데 사용된다. 예를 들어, 차량 제어기(707)는 방향 수정, 출력 해상도 및/또는 형식 유형 변경, 캡처 속도 증가 또는 감소, 캡처 된 동적 범위 조정, 카메라의 초점 조정 및/또는 센서 활성화 및/또는 비활성화 등과 같은 하나 이상의 센서의 파라미터를 변경하는 데 사용될 수 있다.
일부 실시예에서, 추가 센서(709)는 비전 센서(701) 외에 하나 이상의 센서를 포함한다. 다양한 실시예에서, 추가 센서(709)는 차량에 부착될 수 있고, 차량의 다른 위치에서, 및/또는 하나 이상의 다른 방향으로 방향될 수 있다. 예를 들어, 추가 센서(709)는 전방, 후방, 측면 등의 방향으로 차량의 전방, 측면, 후방 및/또는 지붕 등에 부착될 수 있다. 일부 실시예에서, 추가 센서(709)는 무엇보다도 레이더, 오디오, LiDAR, 관성, 주행 거리 측정, 위치, 및/또는 초음파 센서를 포함한다. 초음파 및/또는 레이더 센서를 사용하여 주변 세부 정보를 캡처할 수 있다. 예를 들어, 12개의 초음파 센서를 차량에 부착하여 딱딱한 객체와 부드러운 객체를 모두 검출할 수 있다. 일부 실시예에서, 전방을 향하는 레이더는 주변 환경의 데이터를 캡처하는 데 활용된다. 다양한 실시예에서, 레이더 센서는 폭우, 안개, 먼지 및 기타 차량에도 불구하고 주변 세부 사항을 캡처할 수 있다. 다양한 센서를 이용하여 차량 주변 환경을 캡처하고, 캡처한 이미지를 딥 러닝 분석에 제공한다.
일부 실시예에서, 추가 센서(709)는 온보드 컴포넌트(700)의 차량에 장착되지 않습니다. 예를 들어, 추가 센서(709)는 이웃 차량에 장착되고/되거나 도로 또는 환경에 부착될 수 있으며 센서 데이터를 캡처하기 위한 자율 차량 시스템의 일부로 포함될 수 있다. 일부 실시예에서, 추가 센서(709)는 차량이 주행하는 노면을 포착하는 하나 이상의 비-비전 센서를 포함한다. 일부 실시예에서, 추가 센서(709)는 차량의 위치 및/또는 위치의 변화를 결정하기 위한 글로벌 포지셔닝 시스템(GPS) 센서와 같은 위치 센서를 포함한다.
일부 실시예에서, 안전 제어기(711)는 온보드 컴포넌트(700)에 대한 안전 검사를 구현하는 데 사용되는 안전 컴포넌트다. 일부 실시예에서, 안전 제어기(711)는 비전 센서(701) 및/또는 추가 센서(709)로부터 센서 입력을 수신한다. 객체가 검출되고/거나 충돌 가능성이 높은 경우, 안전 제어기(711)는 즉각적으로 계류 중인 안전 문제를 다른 컴포넌트에 알릴 수 있다. 일부 실시예에서, 안전 제어기(711)는 인지 모듈(703), 차량 제어기(707), 및/또는 차량 엑추에이터(713)의 결과를 중단 및/또는 증강할 수 있다. 일부 실시예에서, 안전 제어기(711)는 검출된 안전 우려에 응답하는 방법을 결정하는 데 사용된다. 예를 들어, 저속에서는 차량을 즉시 정지시킬 수 있지만 고속에서는 차량을 안전하게 감속하고 안전한 위치에 주차해야 한다. 다양한 실시예에서, 안전 제어기(711)는 원격 인터페이스 컴포넌트(751)와 통신하여 온보드 컴포넌트(700)와 원격 인터페이스 컴포넌트(751)의 사용자 사이에 라이브 연결이 설정되었는지 여부를 검출한다. 예를 들어, 안전 제어기(711)는 원격 인터페이스 컴포넌트(751)로부터 가상 심장박동을 모니터링할 수 있고 가상 심장박동이 더 이상 검출되지 않는 경우, 자동 운행을 종료하거나 수정하기 위해 안전 경고가 트리거 될 수 있다. 일부 실시예에서, 도 6의 프로세스는 안전 제어기(711)에 의해 적어도 부분적으로 구현된다.
일부 실시예에서, 차량 엑추에이터(713)는 차량의 특정 작동 제어를 구현하는 데 사용된다. 예를 들어, 차량 엑추에이터(713)는 차량의 속도 및/또는 조향의 변화를 개시한다. 일부 실시예에서, 차량 엑추에이터(713)는 구동 인버터 및/또는 스티어링 랙에 작동 명령을 전송한다. 다양한 실시예에서, 차량 엑추에이터(713)는 잠재적인 충돌이 검출되는 경우 추가 센서(709) 및/또는 안전 제어기(711)로부터의 입력에 기초하여 안전 검사를 구현한다. 예를 들어, 차량 엑추에이터(713)는 차량을 즉시 정지시킨다.
일부 실시예에서, 네트워크 인터페이스(715)는 음성 데이터를 포함하는 데이터를 전송 및/또는 수신하기 위한 통신 인터페이스이다. 다양한 실시예에서, 네트워크 인터페이스(715)는 연결하고 음성 통화를 하기 위해, 문자 메시지 보내기 및/또는 받기 위해, 센서 데이터를 전송하기 위해, 업데이트된 기계 학습 모델을 포함하는 인식 모듈에 대한 업데이트를 수신하기 위해, 기상 조건 및 예보, 교통 상황, 교통 규칙 및 규정 등을 포함한 환경 조건을 검색하기 위해, 원격 서버와 인터페이스하기 위한 셀룰러 또는 무선 인터페이스를 포함한다. 예를 들어, 네트워크 인터페이스(715)는 센서(701), 인식 모듈(703), 경로 플래너 모듈(705), 차량 제어기(707), 추가 센서(709), 안전 제어기(711), 및/또는 차량 액추에이터(713)에 대한 지시 및/또는 작동 파라미터에 대한 업데이트를 수신하는 데 사용될 수 있다. 지각 모듈(703)의 기계 학습 모델은 네트워크 인터페이스(715)를 사용하여 업데이트될 수 있다. 다른 예로서, 네트워크 인터페이스(715)는 비전 센서(701)의 펌웨어 및/또는 가중 비용과 같은 경로 플래너 모듈(705)의 운영 목표를 업데이트하는 데 사용될 수 있다. 또 다른 예로서, 네트워크 인터페이스(715)는 다른 차량과의 공유를 위해 점유 그리드 데이터를 운행 서버(761)에 전송하는 데 사용될 수 있다.
일부 실시예에서, 원격 인터페이스 컴포넌트(751)는 차량을 자동으로 운행하기 위해 차량으로부터 원격으로 사용될 수 있는 하나 이상의 원격 컴포넌트다. 예를 들어, 원격 인터페이스 컴포넌트(751)는 스마트폰 장치 상에서 실행되는 스마트폰 애플리케이션, 전자 열쇠, 차량을 제어하기 위한 웹사이트와 같은 GUI, 및/또는 다른 원격 인터페이스 컴포넌트를 포함한다. 사용자는 지리적 위치에 의해 특정 선택된 목적지 타겟으로 차량을 자동으로 운행하는 호출 기능을 시작할 수 있다. 예를 들어, 사용자는 차량이 사용자를 찾아 팔로우 하도록 할 수 있다. 다른 예로서, 사용자는 원격 인터페이스 컴포넌트(751)를 사용하여 주차 위치를 지정할 수 있고 차량은 특정 위치 또는 도달하기에 안전한 특정 위치에 가장 가까운 위치로 자동으로 운행할 것이다.
일부 실시예에서, 운행 서버(761)는 선택적인 원격 서버이고 원격 저장소를 포함한다. 운행 서버(761)는 새로 생성된 점유 격자를 초기화하기 위해 나중에 사용될 수 있는 점유 격자 및/또는 점유 데이터를 저장할 수 있다. 일부 실시예에서, 운행 서버(761)는 상이한 차량에 걸쳐 점유 데이터를 동기화하는 데 사용된다. 예를 들어, 새로운 점유 데이터가 있는 영역의 차량은 다른 차량에서 생성된 점유 데이터로 시작되거나 업데이트될 수 있다. 다양한 실시예에서, 운행 서버(761)는 네트워크 인터페이스(715)를 통해 온보드 컴포넌트(700)와 통신할 수 있다. 일부 실시예에서, 운행 서버(761)는 원격 인터페이스 컴포넌트(751)와 통신할 수 있다. 일부 실시예에서, 온보드 컴포넌트(700)의 하나 이상의 컴포넌트 또는 부분 컴포넌트는 운행 서버(761)에서 구현된다. 예를 들어, 운행 서버(761)는 인지 처리 및/또는 경로 계획과 같은 처리를 수행하고 온보드 컴포넌트(700)에 필요한 결과를 제공할 수 있다.
도 8은 차량을 목적지까지 자동으로 운행하기 위한 사용자 인터페이스의 일 실시예를 도시한 도면이다. 일부 실시예에서, 도 8의 사용자 인터페이스는 도 1-6의 프로세스를 시작 및/또는 모니터링하는 데 사용된다. 일부 실시예에서, 도 8의 사용자 인터페이스는 스마트폰 애플리케이션의 사용자 인터페이스 및/또는 도 7의 원격 인터페이스 컴포넌트(751)이다. 일부 실시예에서, 도 8과 연관된 기능은 차량을 사용자의 위치로 운행하기 위해 도 2의 203에서 시작된다. 예를 들어, 스마트폰 장치의 사용자 인터페이스와 상호 작용하는 사용자는 "나를 찾기" 동작을 활성화하여 차량을 사용자의 스마트폰 장치 위치로 운행하며, 이는 사용자의 위치를 정확하게 근사한다. 도시된 예에서, 사용자 인터페이스(800)는 사용자 인터페이스 컴포넌트 지도(user interface components map)(801), 대화창(dialog window)(803), 차량 로케이터 요소(vehicle locator element)(805), 사용자 로케이터 요소(user locator element)(809), 및 유효 호출 영역 요소(valid summon area element)(807)를 포함한다.
일부 실시예에서, 사용자 인터페이스(800)는 차량의 위치가 차량 로케이터 요소(805)에 표시되고 사용자의 위치가 사용자 로케이터 요소(809)에 표시된 지도(801)를 표시한다. 사용자에게 자동으로 운행할 때 차량이 진행할 수 있는 영역은 유효 호출 영역 요소(807)로 표시된다. 다양한 실시예에서, 유효 호출 영역 요소(807)는 차량이 이동할 수 있는 최대 거리를 표시하는 원이다. 일부 실시예에서, 유효 호출 영역 요소(807)는 사용자로부터 차량까지의 시선을 고려하고 시선이 있는 영역만이 자동 운행을 위해 허용된다.
도시된 예에서 지도(801)는 위성 지도이지만 대체 지도가 사용될 수 있다. 일부 실시예에서, 지도(801)는 예를 들어 지도(801)를 패닝(panning) 또는 줌잉(zooming)함으로써 상이한 위치를 보기 위해 조작될 수 있다. 다양한 실시예에서, 지도(801)는 사용자가 주차장의 상이한 레벨과 같은 상이한 고도를 선택할 수 있도록 하는 3차원 뷰(도시되지 않음)를 포함한다. 예를 들어, 다른 고도에서 주행 가능 영역이 있는 영역은 강조 표시되며 분해 보기에서 볼 수 있다.
일부 실시예에서, 차량 로케이터 요소(805)는 차량의 위치와 방향(또는 방향) 모두를 표시한다. 예를 들어, 차량이 향하는 방향은 차량 로케이터 요소(805)의 화살표가 가리키는 방향으로 표시된다. 사용자 로케이터 요소(809)는 사용자의 위치를 나타낸다. 일부 실시예에서, 다른 잠재적인 승객의 위치도 예를 들어 다른 색상(미도시)으로 표시된다. 일부 실시예에서, 지도(map)(801)는 차량 로케이터 요소(805)를 중심으로 한다. 다양한 실시예에서, 차량의 원래(또는 시작) 위치, 사용자의 현재 위치, 사용자의 현재 위치에 가장 가까운 도달 가능한 위치 등과 같은 다른 데이터가 지도(801)의 중심으로서 사용될 수 있다.
도시된 예에서, 대화창(803)은 사용자에게 호출 기능을 활성화하는 방법을 알려주기 위해 "시작하려면 길게 누르거나, 지도를 탭하여 목적지를 선택하십시오"와 같은 텍스트 설명을 포함한다. 일부 실시예에서, 기본 동작은 차량을 사용자에게 운행하는 것이다. 기본 동작은 대화창 803의 일부인 "나를 찾기" 버튼을 선택하여 활성화된다. 일부 실시예에서, "나를 찾기" 동작이 활성화되면, 선택된 경로가 사용자 인터페이스(도 8에 도시되지 않음)에 표시된다. 차량이 사용자의 위치로 운행함에 따라 차량의 새로운 위치를 반영하기 위해 차량 로케이터 요소(805)가 업데이트된다. 유사하게, 사용자가 이동함에 따라 사용자 로케이터 요소(809)는 사용자의 새로운 위치를 반영하도록 업데이트된다. 일부 실시예에서, 흔적은 사용자 위치의 변화를 보여줍니다. 다양한 실시예에서, 사용자는 자동 운행이 계속될 수 있도록 가상 심장박동 버튼과 계속 접촉해야 한다. 사용자가 가상 심장박동 버튼을 놓으면 자동 운행이 중지된다. 일부 실시예에서, 심장박동 버튼은 대화창(803)의 "나를 찾기" 버튼이다. 일부 실시예에서, 개별 정방향 및 역방향 버튼은 각각 정방향 및 역방향(도시되지 않음)으로의 자동 운행을 확인하기 위해 가상 심장박동 버튼으로서 기능한다.
일부 실시예에서, 추가적인 "찾기" 기능(도시되지 않음)은 예를 들어 사용자와 다른 승객을 픽업하기 위해 차량을 선택된 사람의 위치로 자동 운행할 수 있다. 다양한 실시예에서, 목적지 타겟으로서 선택될 수 있는 미리 식별된 위치가 표시될 수 있다(도시되지 않음). 예를 들어, 위치는 승객을 태우기 위한 유효한 주차 위치 또는 대기 위치로 미리 식별될 수 있다.
도 9는 차량을 목적지까지 자동 운행하기 위한 사용자 인터페이스의 일 실시예를 도시한 도면이다. 일부 실시예에서, 도 9의 사용자 인터페이스는 도 1-6의 프로세스를 시작 및/또는 모니터링하는 데 사용된다. 일부 실시예에서, 도 9의 사용자 인터페이스는 스마트폰 애플리케이션의 사용자 인터페이스이고/이거나 도 7의 원격 인터페이스 컴포넌트(751)이다. 일부 실시예에서, 도 9와 관련된 기능은 도 2의 201에서 시작되어 사용자에 의해 특정 위치로 차량을 운행한다. 예를 들어, 스마트폰 장치에서 사용자 인터페이스와 상호 작용하는 사용자는 핀을 떨어뜨려 차량이 운행할 목적지 타겟을 지정한다. 도시된 예에서, 사용자 인터페이스(900)는 사용자 인터페이스 컴포넌트 지도(901), 대화창(903), 차량 로케이터 요소(905), 사용자 로케이터 요소(909), 유효한 호출 영역 요소(907), 및 목적지 타겟 요소(911)를 포함한다.
일부 실시예에서, 사용자 인터페이스(900)는 차량의 위치가 차량 로케이터 요소(905)에 표시되고 사용자의 위치가 사용자 로케이터 요소(909)에 표시된 지도(901)를 표시한다. 사용자에게 자동으로 운행할 때 차량이 횡단할 수 있는 영역은 유효한 호출 영역 요소(907)로 표시된다. 다양한 실시예에서, 유효한 호출 영역 요소(907)는 차량이 이동하도록 허용된 최대 거리를 표시하는 원이고 사용자는 유효한 호출 영역 요소(907) 내에서만 목적지 타겟을 선택할 수 있다. 일부 실시예에서, 유효한 호출 영역 요소(907)는 사용자로부터 차량까지의 시선을 고려하고 시선이 있는 영역만이 자동 운행을 위해 허용된다.
도시된 예에서 지도(901)는 위성 지도이지만 대체 지도가 사용될 수 있다. 일부 실시예에서, 지도(901)는 예를 들어 지도(901)를 패닝(panning) 또는 줌잉(zooming)함으로써 상이한 위치를 보기 위해 조작될 수 있다. 다양한 실시예에서, 지도(901)는 사용자가 주차장의 상이한 레벨과 같은 상이한 고도를 선택할 수 있도록 하는 3차원 뷰(도시되지 않음)를 포함한다. 예를 들어, 다른 고도에서 주행 가능 영역이 있는 영역은 강조 표시되고 타겟 목표를 선택하기 위해 분해 보기에서 볼 수 있다.
일부 실시예에서, 차량 로케이터 요소(905)는 차량의 위치와 방향(또는 방향) 모두를 표시한다. 예를 들어, 차량이 향하고 있는 방향은 차량 로케이터 요소(905)의 화살표가 가리키는 방향으로 표시된다. 사용자 로케이터 요소(909)는 사용자의 위치를 나타낸다. 일부 실시예에서, 다른 잠재적인 승객의 위치도 예를 들어 다른 색상(미도시)으로 표시된다. 일부 실시예에서, 지도(901)는 차량 로케이터 요소(905)를 중심으로 한다. 다양한 실시예에서, 차량의 원래(또는 시작) 위치, 사용자의 현재 위치, 사용자의 현재 위치에 가장 가까운 도달 가능한 위치, 타겟 타겟 요소(911) 등
도시된 예에서, 대화창(903)은 사용자에게 호출 기능을 활성화하는 방법을 알려주기 위해 "시작하려면 길게 누르거나, 지도를 탭하여 목적지를 선택하십시오"와 같은 텍스트 설명을 포함한다. 사용자는 지도(901)에서 유효한 호출 영역 요소(907) 내의 위치를 선택하여 타겟 목적지를 선택할 수 있다. 타겟 타겟 요소(911)는 유효한 선택된 위치에 표시된다. 표시된 예에서 핀 아이콘은 타겟 타겟 요소(911)에 사용된다. 일부 실시예에서, 화살표 또는 차량 아이콘과 같은 방향을 갖는 아이콘(미도시)이 목적지 타겟 요소(911)로서 사용된다. 목적지 타겟 요소(911)의 아이콘은 최종 목적지 방향을 선택하도록 조작될 수 있다. 다양한 실시예에서, 선택된 방향은 방향이 유효한지 확인하기 위해 검증된다. 예를 들어, 일방통행 도로에서는 교통체증을 마주하는 방향이 허용되지 않을 수 있다. 목적지 타겟 요소(911)와 관련된 선택된 위치를 지우기 위해, 사용자는 대화창(903)의 "핀 지우기" 대화창을 선택할 수 있다. 자동 운행을 시작하기 위해, 사용자는 대화창(903)의 "시작" 버튼을 선택한다. 일부 실시예에서, 자동 운행이 활성화되면 선택된 경로가 사용자 인터페이스(도 9에 도시되지 않음)에 표시된다. 차량이 목적지 타겟 위치로 운행함에 따라 차량 로케이터 요소(905)는 차량의 새로운 위치를 반영하도록 업데이트된다. 유사하게, 사용자가 이동함에 따라 사용자 로케이터 요소(909)는 사용자의 새로운 위치를 반영하도록 업데이트된다. 일부 실시예에서, 흔적은 사용자 위치의 변화를 보여줍니다. 다양한 실시예에서, 사용자는 자동 운행이 계속될 수 있도록 가상 심장박동 버튼과 계속 접촉해야 한다. 사용자가 가상 심장박동 버튼을 놓으면 자동 운행이 중지된다. 일부 실시예에서, 심장박동 버튼은 대화창(903)의 "시작" 버튼이다. 일부 실시예에서, 개별 정방향 및 역방향 버튼은 각각 정방향 및 역방향(도시되지 않음)으로의 자동 운행을 확인하기 위해 가상 심장박동 버튼으로서 기능한다.
전술한 실시예는 이해의 명확성을 위해 일부 상세하게 설명되었지만, 본 발명은 제공된 상세 사항으로 제한되지 않는다. 본 발명을 구현하는 많은 대안적인 방법이 있다. 개시된 실시예는 예시적이며 제한적이지 않다.
Claims (20)
- 시스템에 있어서,
차량에서 멀리 떨어진 사용자에 의해 특정 타겟과 연관된 지리적 위치의 식별을 수신하고; 상기 차량의 하나 이상의 센서로부터의 센서 데이터를 사용하여 상기 차량을 둘러싼 환경의 적어도 일부의 표현을 생성하기 위해 기계 학습 모델을 활용하고; 상기 차량을 둘러싼 환경의 적어도 일부의 생성된 표현을 사용하여 수신된 지리적 위치에 대응하는 타겟 위치에 대한 경로의 적어도 일부를 계산하고; 및 결정된 경로 및 상기 차량의 하나 이상의 센서의 적어도 일부로부터의 업데이트된 센서 데이터에 기초하여 상기 차량을 자동으로 운행하기 위한 적어도 하나의 명령을 제공하도록 구성된 프로세서; 및
상기 프로세서에 연결되고 상기 프로세서에 지시를 제공하도록 구성된 메모리를 포함하는
시스템.
- 제1항에 있어서,
상기 사용자에 의해 특정 상기 타겟은 사용자의 모바일 장치의 동적으로 업데이트된 현재 위치인
시스템.
- 제1항 또는 제2항에 있어서,
상기 지리적 위치는 상기 사용자의 모바일 장치에 의해 검출된 글로벌 포지셔닝 시스템 위치에 기초하는
시스템.
- 제1항에 있어서,
상기 사용자가 지정한 타겟은 상기 차량의 타겟 방향을 나타내는
시스템.
- 제1항에 있어서,
상기 타겟은 상기 사용자에 의해 지도 상에 지정되는
시스템.
- 제1항에 있어서,
상기 사용자는 상기 타겟을 지정하기 위해 상기 사용자에 의해 활용된 장치의 검출된 위치로부터 임계 거리 내의 제한된 지리적 영역 내에서 타겟을 선택하는
시스템.
- 제1항에 있어서,
상기 사용자는 상기 차량의 현재 위치와 연관된 제한된 지리적 영역 내에서 상기 타겟을 선택하는
시스템.
- 제1항에 있어서,
상기 사용자가 상기 타겟을 지정하는 능력은 상기 사용자의 장치의 위치가 상기 차량의 현재 위치로부터 임계 거리 내에 있다는 결정에 기초하여 활성화되는
시스템.
- 제1항 내지 제8항 중 어느 한 항에 있어서,
상기 차량의 자동 운행은 상기 사용자의 장치로부터 심장박동 신호가 수신되지 않았다는 결정에 응답하여 중단되는
시스템.
- 제1항 내지 제8항 중 어느 한 항에 있어서,
상기 차량의 자동 운행은 초음파 센서를 이용한 장애물 검출에 응답하여 일시 정지되는
시스템.
- 제1항 내지 제10항 중 어느 한 항에 있어서,
상기 자동 운행 동안의 상기 차량의 속도는 특정 제한 이하로 제한되는
시스템.
- 제1항 내지 제11항 중 어느 한 항에 있어서,
상기 타겟 위치는 주기적으로 업데이트되는 상기 사용자 장치의 지리적 위치에 기초하여 동적으로 업데이트되는
시스템.
- 제1항 내지 제12항 중 어느 한 항에 있어서,
상기 차량의 하나 이상의 센서는 복수의 카메라를 포함하는
시스템.
- 제1항 내지 제13항 중 어느 한 항에 있어서,
상기 환경의 적어도 일부의 표현은: 초음파 센서 또는 레이더 센서 중 하나 이상을 사용하여 획득된 보조 센서 데이터를 사용하여 생성되는
시스템.
- 제1항 내지 제14항 중 어느 한 항에 있어서,
상기 프로세서는 상기 사용자에 의해 특정 타겟과 연관된 특정 타겟 시간을 수신하도록 추가로 구성되는
시스템.
- 제1항 내지 제15항 중 어느 한 항에 있어서,
상기 차량을 둘러싼 상기 환경의 적어도 일부의 표현은 상기 환경의 일부의 3차원 표현을 포함하는
시스템.
- 제1항 내지 제16항 중 어느 한 항에 있어서,
상기 타겟 위치는 상기 특정 타겟의 지리적 위치가 상기 차량이 점유할 유효한 위치인지 여부를 결정하는 것을 포함하여 결정되는
시스템.
- 제1항 내지 제17항 중 어느 한 항에 있어서,
상기 타겟 위치는 상기 하나 이상의 센서로부터의 센서 데이터에 기초하여 결정되는
시스템.
- 방법에 있어서,
차량에서 멀리 떨어진 사용자에 의해 특정 타겟과 관련된 지리적 위치의 식별 정보를 수신하는 단계;
상기 차량의 하나 이상의 센서로부터의 센서 데이터를 사용하여 상기 차량을 둘러싼 환경의 적어도 일부의 표현을 생성하기 위해 신경망을 활용하는 단계;
상기 차량을 둘러싼 상기 환경의 적어도 일부의 생성된 표현을 사용하여 수신된 지리적 위치에 대응하는 타겟 위치에 대한 경로의 적어도 일부를 계산하는 단계; 및
결정된 경로 및 상기 차량의 하나 이상의 센서의 적어도 일부로부터의 업데이트된 센서 데이터에 기초하여 상기 차량을 자동으로 운행하기 위한 적어도 하나의 명령을 제공하는 단계를 포함하는
방법.
- 컴퓨터 프로그램에 있어서,
상기 컴퓨터 프로그램은
비일시적 컴퓨터 판독 가능 저장 매체에 구현되고 및
차량에서 멀리 떨어진 사용자에 의해 특정 타겟과 관련된 지리적 위치의 식별 정보를 수신하고;
상기 차량의 하나 이상의 센서로부터의 센서 데이터를 사용하여 상기 차량을 둘러싼 환경의 적어도 일부의 표현을 생성하기 위해 신경망을 활용하고;
상기 차량을 둘러싼 상기 환경의 적어도 일부의 생성된 표현을 사용하여 수신된 지리적 위치에 대응하는 타겟 위치에 대한 경로의 적어도 일부를 계산하고; 및
결정된 경로 및 상기 차량의 하나 이상의 센서의 적어도 일부로부터의 업데이트된 센서 데이터에 기초하여 상기 차량을 자동으로 운행하기 위한 적어도 하나의 명령을 제공하기 위한 컴퓨터 지시를 포함하는
컴퓨터 프로그램.
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US16/272,273 | 2019-02-11 | ||
US16/272,273 US11567514B2 (en) | 2019-02-11 | 2019-02-11 | Autonomous and user controlled vehicle summon to a target |
PCT/US2020/017316 WO2020167613A1 (en) | 2019-02-11 | 2020-02-07 | Autonomous and user controlled vehicle summon to a target |
Publications (1)
Publication Number | Publication Date |
---|---|
KR20210121161A true KR20210121161A (ko) | 2021-10-07 |
Family
ID=69780325
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
KR1020217027366A KR20210121161A (ko) | 2019-02-11 | 2020-02-07 | 관련 애플리케이션에 대한 상호 참조 타겟에 자율 및 사용자 제어 차량 호출 |
Country Status (10)
Country | Link |
---|---|
US (2) | US11567514B2 (ko) |
EP (1) | EP3924692A1 (ko) |
JP (1) | JP2022519710A (ko) |
KR (1) | KR20210121161A (ko) |
CN (1) | CN113728210A (ko) |
AU (1) | AU2020221897A1 (ko) |
CA (1) | CA3129725A1 (ko) |
IL (1) | IL285462A (ko) |
SG (1) | SG11202108732SA (ko) |
WO (1) | WO2020167613A1 (ko) |
Families Citing this family (31)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11644334B2 (en) * | 2019-02-07 | 2023-05-09 | Uber Technologies, Inc. | Route optimization system based on height parameter |
US11137766B2 (en) * | 2019-03-07 | 2021-10-05 | Zoox, Inc. | State machine for traversing junctions |
US11335191B2 (en) * | 2019-04-04 | 2022-05-17 | Geotab Inc. | Intelligent telematics system for defining road networks |
US10699564B1 (en) | 2019-04-04 | 2020-06-30 | Geotab Inc. | Method for defining intersections using machine learning |
US11403938B2 (en) | 2019-04-04 | 2022-08-02 | Geotab Inc. | Method for determining traffic metrics of a road network |
US11341846B2 (en) | 2019-04-04 | 2022-05-24 | Geotab Inc. | Traffic analytics system for defining road networks |
US11335189B2 (en) | 2019-04-04 | 2022-05-17 | Geotab Inc. | Method for defining road networks |
JP7223629B2 (ja) * | 2019-05-13 | 2023-02-16 | 日立Astemo株式会社 | 車載システム、外界認識センサ、電子制御装置 |
US11480962B1 (en) | 2019-06-28 | 2022-10-25 | Zoox, Inc. | Dynamic lane expansion |
JP2022548322A (ja) | 2019-09-20 | 2022-11-17 | ソナタス インコーポレイテッド | 車両上の混合ネットワーク通信をサポートするためのシステム、方法、及び装置 |
US11532167B2 (en) | 2019-10-31 | 2022-12-20 | Zoox, Inc. | State machine for obstacle avoidance |
US11427191B2 (en) | 2019-10-31 | 2022-08-30 | Zoox, Inc. | Obstacle avoidance action |
US11242057B2 (en) * | 2019-11-22 | 2022-02-08 | Baidu Usa Llc | Method for optimizing three-point turn of autonomous driving vehicles |
US11639168B2 (en) * | 2019-11-27 | 2023-05-02 | Toyota Motor North America, Inc. | Systems and methods for automatic vehicle loading and unloading on vehicle transports |
US20230154246A1 (en) * | 2020-03-06 | 2023-05-18 | Sonatus, Inc. | System, method, and apparatus for managing vehicle automation |
CN114063997A (zh) * | 2020-07-31 | 2022-02-18 | 伊姆西Ip控股有限责任公司 | 生成程序代码的方法、设备和计算机程序产品 |
US11840175B2 (en) * | 2020-09-23 | 2023-12-12 | Robert D. Fish | Traffic signal alarm device having no navigational control |
US11597404B2 (en) * | 2020-09-23 | 2023-03-07 | Robert D. Fish | Traffic signal alarm device |
US20220121201A1 (en) * | 2020-10-15 | 2022-04-21 | Argo AI, LLC | System for anticipating future state of an autonomous vehicle |
US11597089B2 (en) | 2020-11-06 | 2023-03-07 | Bear Robotics, Inc. | Method, system, and non-transitory computer-readable recording medium for controlling a destination of a robot |
US20220161616A1 (en) * | 2020-11-24 | 2022-05-26 | Ford Global Technologies, Llc | System and method for remote vehicle control and pedestrian user coaching |
US11760340B2 (en) * | 2020-11-24 | 2023-09-19 | Ford Global Technologies, Llc | Remote park-assist user pedestrian location coaching and enforcement |
CN112857388A (zh) * | 2021-02-23 | 2021-05-28 | 开迈斯新能源科技有限公司 | 导航系统和导航方法 |
US11756311B2 (en) * | 2021-05-18 | 2023-09-12 | Toyota Motor Engineering & Manufacturing North America, Inc. | Parking spot and person detection |
GB2606764A (en) * | 2021-05-20 | 2022-11-23 | Tevva Motors Ltd | Methods and apparatus for manoeuvring a vehicle |
WO2023048814A1 (en) * | 2021-09-21 | 2023-03-30 | Apple Inc. | User-centered motion planning in a mobile ecosystem |
KR20240054314A (ko) * | 2021-09-24 | 2024-04-25 | 애플 인크. | 모바일 장치의 이동을 제어하기 위한 시스템 및 방법 |
US11880428B2 (en) | 2021-11-12 | 2024-01-23 | Toyota Motor Engineering & Manufacturing North America, Inc. | Methods and systems for updating perception models based on geolocation features |
US20230195135A1 (en) * | 2021-12-16 | 2023-06-22 | Gm Cruise Holdings Llc | Engagement and disengagement of unsupervised autonomous driving mode |
CN114882719A (zh) * | 2022-05-18 | 2022-08-09 | 远峰科技股份有限公司 | 一种智能召唤车辆的控制方法、装置、介质以及电子设备 |
WO2023235462A1 (en) * | 2022-06-03 | 2023-12-07 | Seegrid Corporation | System and method for generating complex runtime path networks from incomplete demonstration of trained activities |
Family Cites Families (845)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2578262Y2 (ja) | 1991-07-31 | 1998-08-06 | エルナー株式会社 | 座付き偏平形電解コンデンサ及びこれに用いる座板材 |
US6587573B1 (en) | 2000-03-20 | 2003-07-01 | Gentex Corporation | System for controlling exterior vehicle lights |
JP3941252B2 (ja) | 1998-08-07 | 2007-07-04 | マツダ株式会社 | 車両の位置検出装置 |
KR100326702B1 (ko) | 1999-03-16 | 2002-03-12 | 이계안 | 차선이탈 경보장치의 실 도로폭 산출방법 |
US6654507B2 (en) | 2000-12-14 | 2003-11-25 | Eastman Kodak Company | Automatically producing an image of a portion of a photographic image |
GB2370438A (en) | 2000-12-22 | 2002-06-26 | Hewlett Packard Co | Automated image cropping using selected compositional rules. |
KR100440953B1 (ko) | 2001-08-18 | 2004-07-21 | 삼성전자주식회사 | 영상 압축 비트 스트림의 트랜스코딩 방법 |
US6882755B2 (en) | 2001-10-19 | 2005-04-19 | Hewlett-Packard Development Company, L.P. | Image transmission for low bandwidth with region of interest |
JP3822515B2 (ja) | 2002-03-29 | 2006-09-20 | 株式会社東芝 | 障害物検知装置及びその方法 |
US6728608B2 (en) * | 2002-08-23 | 2004-04-27 | Applied Perception, Inc. | System and method for the creation of a terrain density model |
KR100801683B1 (ko) | 2003-02-21 | 2008-02-11 | 젠텍스 코포레이션 | 자동 차량 외부 등화 제어 장치 및 자동 차량 장비 제어 장치 |
SE526424C2 (sv) | 2003-06-02 | 2005-09-13 | Lear Corp | Aktivt mörkerseendesystem för ett inre passagerarutrymme hos ett fordon samt metod för att styra nämnda system |
WO2005015355A2 (en) | 2003-08-07 | 2005-02-17 | Matsushita Electric Industrial Co., Ltd. | Automatic image cropping system and method for use with portable devices equipped with digital cameras |
JP4300098B2 (ja) | 2003-11-13 | 2009-07-22 | 日本電信電話株式会社 | オブジェクト識別方法とその装置、プログラム及び記録媒体 |
US20050162445A1 (en) | 2004-01-22 | 2005-07-28 | Lumapix | Method and system for interactive cropping of a graphical object within a containing region |
US20060072847A1 (en) | 2004-10-01 | 2006-04-06 | Microsoft Corporation | System for automatic image cropping based on image saliency |
JP4282583B2 (ja) | 2004-10-29 | 2009-06-24 | シャープ株式会社 | 動画編集装置及び方法 |
US8913830B2 (en) | 2005-01-18 | 2014-12-16 | Siemens Aktiengesellschaft | Multilevel image segmentation |
TW200630833A (en) | 2005-02-23 | 2006-09-01 | Northern Taiwan Inst Of Science And Technology | Method and device using intelligent theory to design heat dissipation opening of computer housing |
TW200630819A (en) | 2005-02-23 | 2006-09-01 | Northern Taiwan Inst Of Science And Technology | Method of using intelligent theory to design heat dissipation module and device thereof |
TW200630834A (en) | 2005-02-23 | 2006-09-01 | Northern Taiwan Inst Of Science And Technology | Method and device using intelligent theory to evaluate permeability of heat pipe |
JP2008533615A (ja) | 2005-03-14 | 2008-08-21 | エル ターラー、ステフエン | ニューラルネットワーク開発およびデータ解析ツール |
US8106956B2 (en) | 2005-06-27 | 2012-01-31 | Nokia Corporation | Digital camera devices and methods for implementing digital zoom in digital camera devices and corresponding program products |
US7747070B2 (en) | 2005-08-31 | 2010-06-29 | Microsoft Corporation | Training convolutional neural networks on graphics processing units |
US7539557B2 (en) * | 2005-12-30 | 2009-05-26 | Irobot Corporation | Autonomous mobile robot |
JP4388939B2 (ja) | 2006-09-25 | 2009-12-24 | 富士フイルム株式会社 | 画像再生装置ならびにその制御方法およびその制御プログラム |
US11625761B2 (en) | 2007-09-06 | 2023-04-11 | Mohammad A. Mazed | System and method for machine learning and augmented reality based user application |
US20090016571A1 (en) | 2007-03-30 | 2009-01-15 | Louis Tijerina | Blur display for automotive night vision systems with enhanced form perception from low-resolution camera images |
US7904867B2 (en) | 2007-04-04 | 2011-03-08 | Synopsys, Inc. | Integrating a boolean SAT solver into a router |
US8165380B2 (en) | 2008-09-11 | 2012-04-24 | PACSPLUS Co., Ltd. | Method, apparatus and program for processing mammographic image |
JP2010114731A (ja) | 2008-11-07 | 2010-05-20 | Toshiba Corp | カメラモジュールの製造方法 |
CN101742324A (zh) | 2008-11-14 | 2010-06-16 | 北京中星微电子有限公司 | 视频编解码方法、视频编解码系统及编解码器 |
KR100966288B1 (ko) | 2009-01-06 | 2010-06-28 | 주식회사 이미지넥스트 | 주변 영상 생성 방법 및 장치 |
KR101082878B1 (ko) | 2009-01-29 | 2011-11-11 | 연세대학교 산학협력단 | 홍채 영상 복원 방법 |
CN101477692B (zh) | 2009-02-13 | 2012-08-22 | 阿里巴巴集团控股有限公司 | 图像特征提取方法及装置 |
US8284997B2 (en) | 2009-03-11 | 2012-10-09 | Honeywell International Inc. | Vision-based vehicle navigation system and method |
WO2010124376A1 (en) | 2009-04-27 | 2010-11-04 | Vincent Charles Cheung | Method, system and computer product for distribution of data objects |
US8406515B2 (en) | 2009-06-24 | 2013-03-26 | Hewlett-Packard Development Company, L.P. | Method for automatically cropping digital images |
CN102498499A (zh) | 2009-08-11 | 2012-06-13 | 皇家飞利浦电子股份有限公司 | 提供用于显示的图像的方法和设备 |
US8509526B2 (en) | 2010-04-13 | 2013-08-13 | International Business Machines Corporation | Detection of objects in digital images |
JP5503419B2 (ja) | 2010-06-03 | 2014-05-28 | 株式会社日立製作所 | 無人搬送車および走行制御方法 |
WO2012004553A1 (en) * | 2010-07-06 | 2012-01-12 | Bae Systems Plc | Assisting vehicle guidance over terrain |
US10645344B2 (en) | 2010-09-10 | 2020-05-05 | Avigilion Analytics Corporation | Video system with intelligent visual display |
US8509982B2 (en) | 2010-10-05 | 2013-08-13 | Google Inc. | Zone driving |
JP5656563B2 (ja) | 2010-11-02 | 2015-01-21 | キヤノン株式会社 | 文書管理システム、文書管理システムの制御方法、プログラム |
JP5170226B2 (ja) | 2010-12-10 | 2013-03-27 | カシオ計算機株式会社 | 画像処理装置、画像処理方法、及びプログラム |
CN103609101A (zh) | 2011-06-16 | 2014-02-26 | 爱信精机株式会社 | 车辆周边监视装置 |
JP5911165B2 (ja) | 2011-08-05 | 2016-04-27 | 株式会社メガチップス | 画像認識装置 |
KR101976048B1 (ko) | 2011-08-25 | 2019-05-09 | 코넬 유니버시티 | 머신 비전용 망막 인코더 |
US8773498B2 (en) | 2011-09-30 | 2014-07-08 | Polycom, Inc. | Background compression and resolution enhancement technique for video telephony and video conferencing |
US8588470B2 (en) | 2011-11-18 | 2013-11-19 | Xerox Corporation | Methods and systems for improved license plate signature matching by similarity learning on synthetic images |
WO2013145015A1 (ja) | 2012-03-29 | 2013-10-03 | トヨタ自動車株式会社 | 路面状態推定装置 |
JP5863536B2 (ja) | 2012-03-29 | 2016-02-16 | 富士重工業株式会社 | 車外監視装置 |
US9738223B2 (en) | 2012-05-31 | 2017-08-22 | GM Global Technology Operations LLC | Dynamic guideline overlay with image cropping |
US8976269B2 (en) | 2012-06-22 | 2015-03-10 | California Institute Of Technology | Compressive sensing based bio-inspired shape feature detection CMOS imager |
US9008422B2 (en) | 2012-06-28 | 2015-04-14 | Lexmark International, Inc. | Methods of content-driven image cropping |
JP6044134B2 (ja) | 2012-06-29 | 2016-12-14 | カシオ計算機株式会社 | 最適画像サイズによる画像領域分割装置、方法、およびプログラム |
CN102737236B (zh) | 2012-07-06 | 2015-06-24 | 北京大学 | 一种基于多模态传感器数据自动获取车辆训练样本方法 |
JP6011104B2 (ja) | 2012-07-24 | 2016-10-19 | 株式会社デンソー | 車両用視界支援装置 |
US9081385B1 (en) | 2012-12-21 | 2015-07-14 | Google Inc. | Lane boundary detection using images |
US9754154B2 (en) | 2013-02-15 | 2017-09-05 | Microsoft Technology Licensing, Llc | Identification using depth-based head-detection data |
CN105408746A (zh) | 2013-02-28 | 2016-03-16 | 普罗吉涅股份有限公司 | 基于图像的人胚胎细胞分类的装置、方法和系统 |
US9165203B2 (en) | 2013-03-15 | 2015-10-20 | Arris Technology, Inc. | Legibility enhancement for a logo, text or other region of interest in video |
CN103236037B (zh) | 2013-04-03 | 2016-05-11 | 北京航空航天大学 | 基于分层退化模型的无人机实时图像模拟方法 |
JP2015004922A (ja) | 2013-06-24 | 2015-01-08 | 株式会社ニコン | 焦点調節装置及び撮像装置 |
CN103366339B (zh) | 2013-06-25 | 2017-11-28 | 厦门龙谛信息系统有限公司 | 车载多广角摄像头图像合成处理装置及方法 |
GB2518589B (en) | 2013-07-30 | 2019-12-11 | Holition Ltd | Image processing |
US9317775B2 (en) | 2013-08-14 | 2016-04-19 | Ricoh Co., Ltd. | Recognition procedure for identifying multiple items in images |
CN103500322B (zh) | 2013-09-10 | 2016-08-17 | 北京航空航天大学 | 基于低空航拍图像的车道线自动识别方法 |
US20150104102A1 (en) | 2013-10-11 | 2015-04-16 | Universidade De Coimbra | Semantic segmentation method with second-order pooling |
US10832057B2 (en) | 2014-02-28 | 2020-11-10 | Second Spectrum, Inc. | Methods, systems, and user interface navigation of video content based spatiotemporal pattern recognition |
US10769446B2 (en) | 2014-02-28 | 2020-09-08 | Second Spectrum, Inc. | Methods and systems of combining video content with one or more augmentations |
WO2015134996A1 (en) | 2014-03-07 | 2015-09-11 | Pelican Imaging Corporation | System and methods for depth regularization and semiautomatic interactive matting using rgb-d images |
US9275289B2 (en) | 2014-03-27 | 2016-03-01 | Xerox Corporation | Feature- and classifier-based vehicle headlight/shadow removal in video |
US9384402B1 (en) | 2014-04-10 | 2016-07-05 | Google Inc. | Image and video compression for remote vehicle assistance |
JP2016013793A (ja) | 2014-07-03 | 2016-01-28 | 株式会社デンソー | 画像表示装置、画像表示方法 |
SG10201405182WA (en) | 2014-08-25 | 2016-03-30 | Univ Singapore Technology & Design | Method and system |
US10229478B2 (en) | 2014-09-26 | 2019-03-12 | Samsung Electronics Co., Ltd. | Image processing apparatus and image processing method |
US20160132786A1 (en) | 2014-11-12 | 2016-05-12 | Alexandru Balan | Partitioning data for training machine-learning classifiers |
CN105809655B (zh) | 2014-12-30 | 2021-06-29 | 清华大学 | 车辆检查方法和系统 |
US9916540B2 (en) | 2015-01-22 | 2018-03-13 | Microsoft Technology Licensing, Llc | Scalable-effort classifiers for energy-efficient machine learning |
EP3842747A1 (en) | 2015-02-10 | 2021-06-30 | Mobileye Vision Technologies Ltd. | Sparse map for autonomous vehicle navigation |
JP6525707B2 (ja) | 2015-04-23 | 2019-06-05 | キヤノン株式会社 | 画像処理装置、その制御方法及びプログラム、並びに撮像装置 |
CN104835114A (zh) | 2015-05-06 | 2015-08-12 | 山东大学 | 一种图像自适应显示方法 |
US9542751B2 (en) | 2015-05-08 | 2017-01-10 | Qualcomm Incorporated | Systems and methods for reducing a plurality of bounding regions |
GB201508074D0 (en) | 2015-05-12 | 2015-06-24 | Apical Ltd | People detection |
WO2016207875A1 (en) | 2015-06-22 | 2016-12-29 | Photomyne Ltd. | System and method for detecting objects in an image |
US10062010B2 (en) | 2015-06-26 | 2018-08-28 | Intel Corporation | System for building a map and subsequent localization |
US10410096B2 (en) | 2015-07-09 | 2019-09-10 | Qualcomm Incorporated | Context-based priors for object detection in images |
US10214206B2 (en) * | 2015-07-13 | 2019-02-26 | Magna Electronics Inc. | Parking assist system for vehicle |
US10242293B2 (en) | 2015-08-04 | 2019-03-26 | The Asan Foundation | Method and program for computing bone age by deep neural network |
US9767565B2 (en) | 2015-08-26 | 2017-09-19 | Digitalglobe, Inc. | Synthesizing training data for broad area geospatial object detection |
KR101738422B1 (ko) | 2015-09-14 | 2017-05-23 | 한국과학기술원 | 다종 센서 기반 시각 신경 회로 장치 및 이를 이용한 객체 탐색 시스템, 방법 |
US9442496B1 (en) | 2015-09-18 | 2016-09-13 | Amazon Technologies, Inc. | Active airborne noise abatement |
US20180283895A1 (en) * | 2015-09-24 | 2018-10-04 | Apple Inc. | Navigation system and method |
US10282623B1 (en) | 2015-09-25 | 2019-05-07 | Apple Inc. | Depth perception sensor data processing |
US9704045B2 (en) | 2015-10-06 | 2017-07-11 | Yahoo! Inc. | User classification based upon images |
US11250335B2 (en) | 2015-10-26 | 2022-02-15 | NetraDyne, Inc. | Joint processing for embedded data inference |
US9958864B2 (en) * | 2015-11-04 | 2018-05-01 | Zoox, Inc. | Coordination of dispatching and maintaining fleet of autonomous vehicles |
AU2016355605B2 (en) * | 2015-11-20 | 2021-08-19 | Uber Technologies, Inc. | Controlling autonomous vehicles in connection with transport services |
CN105318888B (zh) | 2015-12-07 | 2018-08-14 | 北京航空航天大学 | 基于无人机感知的无人驾驶车辆路径规划方法 |
CN105550701B (zh) | 2015-12-09 | 2018-11-06 | 福州华鹰重工机械有限公司 | 实时图像提取识别方法及装置 |
US10318848B2 (en) | 2015-12-15 | 2019-06-11 | Qualcomm Incorporated | Methods for object localization and image classification |
CN108369746A (zh) | 2015-12-21 | 2018-08-03 | 罗伯特·博世有限公司 | 用于多相机交通工具系统的动态图像融合 |
US10282789B1 (en) | 2015-12-29 | 2019-05-07 | State Farm Mutual Automobile Insurance Company | Method of controlling for undesired factors in machine learning models |
US9798327B2 (en) * | 2016-01-08 | 2017-10-24 | King Fahd University Of Petroleum And Minerals | Apparatus and method for deploying sensors |
US10373019B2 (en) | 2016-01-13 | 2019-08-06 | Ford Global Technologies, Llc | Low- and high-fidelity classifiers applied to road-scene images |
US20170206434A1 (en) | 2016-01-14 | 2017-07-20 | Ford Global Technologies, Llc | Low- and high-fidelity classifiers applied to road-scene images |
WO2017136929A1 (en) | 2016-02-08 | 2017-08-17 | Nuralogix Corporation | Deception detection system and method |
KR20180111979A (ko) | 2016-02-11 | 2018-10-11 | 이베이 인크. | 의미론적 카테고리 분류법 |
US10901431B1 (en) * | 2017-01-19 | 2021-01-26 | AI Incorporated | System and method for guiding heading of a mobile robotic device |
GB2601067B (en) | 2016-03-02 | 2022-08-31 | Holition Ltd | Locating and augmenting object features in images |
WO2017158622A2 (en) | 2016-03-16 | 2017-09-21 | INDIAN INSTITUTE OF TECHNOLOGY MADRAS (IIT Madras) | Method for managing image data at electronic device |
EP3229172A1 (en) | 2016-04-04 | 2017-10-11 | Conti Temic microelectronic GmbH | Driver assistance system with variable image resolution |
GB2549108B (en) * | 2016-04-05 | 2020-01-01 | Jaguar Land Rover Ltd | Improvements in vehicle speed control |
US10789544B2 (en) | 2016-04-05 | 2020-09-29 | Google Llc | Batching inputs to a machine learning model |
WO2017176550A1 (en) * | 2016-04-05 | 2017-10-12 | Pcms Holdings, Inc. | Method and system for autonomous vehicle sensor assisted selection of route with respect to dynamic route conditions |
US20180284745A1 (en) | 2016-05-09 | 2018-10-04 | StrongForce IoT Portfolio 2016, LLC | Methods and systems for self-organization of collected data using 3rd party data from a data marketplace in an industrial internet of things environment |
US10366290B2 (en) | 2016-05-11 | 2019-07-30 | Baidu Usa Llc | System and method for providing augmented virtual reality content in autonomous vehicles |
US20170329346A1 (en) * | 2016-05-12 | 2017-11-16 | Magna Electronics Inc. | Vehicle autonomous parking system |
EP3394803A1 (en) | 2016-06-13 | 2018-10-31 | Google LLC | Escalation to a human operator |
US10019009B2 (en) | 2016-06-15 | 2018-07-10 | Allstate Insurance Company | Vehicle control systems |
US10489972B2 (en) | 2016-06-28 | 2019-11-26 | Cognata Ltd. | Realistic 3D virtual world creation and simulation for training automated driving systems |
US10739786B2 (en) | 2016-07-01 | 2020-08-11 | Uatc, Llc | System and method for managing submaps for controlling autonomous vehicles |
US11298072B2 (en) | 2016-07-01 | 2022-04-12 | Bostel Technologies, Llc | Dermoscopy diagnosis of cancerous lesions utilizing dual deep learning algorithms via visual and audio (sonification) outputs |
US20180012411A1 (en) | 2016-07-11 | 2018-01-11 | Gravity Jack, Inc. | Augmented Reality Methods and Devices |
JP2019526851A (ja) | 2016-07-18 | 2019-09-19 | ナント ホールディングス アイピー エルエルシーNant Holdings IP, LLC | 分散型機械学習システム、装置、および方法 |
CN106295678B (zh) | 2016-07-27 | 2020-03-06 | 北京旷视科技有限公司 | 神经网络训练与构建方法和装置以及目标检测方法和装置 |
CN106156754B (zh) | 2016-07-29 | 2019-05-31 | 浙江工业大学 | 一种基于最大外切矩阵感兴趣区域提取和双边滤波的手指多模态预处理方法 |
US20180039853A1 (en) | 2016-08-02 | 2018-02-08 | Mitsubishi Electric Research Laboratories, Inc. | Object Detection System and Object Detection Method |
US10664750B2 (en) | 2016-08-10 | 2020-05-26 | Google Llc | Deep machine learning to predict and prevent adverse conditions at structural assets |
KR102462502B1 (ko) | 2016-08-16 | 2022-11-02 | 삼성전자주식회사 | 스테레오 카메라 기반의 자율 주행 방법 및 그 장치 |
US10922578B2 (en) | 2016-08-24 | 2021-02-16 | Google Llc | Change detection based imagery acquisition tasking system |
US10019655B2 (en) | 2016-08-31 | 2018-07-10 | Adobe Systems Incorporated | Deep-learning network architecture for object detection |
US20190004524A1 (en) * | 2016-08-31 | 2019-01-03 | Faraday&Future Inc. | System and method for planning a vehicle path |
US10317901B2 (en) | 2016-09-08 | 2019-06-11 | Mentor Graphics Development (Deutschland) Gmbh | Low-level sensor fusion |
US10394237B2 (en) | 2016-09-08 | 2019-08-27 | Ford Global Technologies, Llc | Perceiving roadway conditions from fused sensor data |
US20180068459A1 (en) | 2016-09-08 | 2018-03-08 | Ford Global Technologies, Llc | Object Distance Estimation Using Data From A Single Camera |
US10467459B2 (en) | 2016-09-09 | 2019-11-05 | Microsoft Technology Licensing, Llc | Object detection based on joint feature extraction |
CN106419893A (zh) | 2016-09-18 | 2017-02-22 | 广州视源电子科技股份有限公司 | 睡眠状态检测方法和装置 |
US10133273B2 (en) | 2016-09-20 | 2018-11-20 | 2236008 Ontario Inc. | Location specific assistance for autonomous vehicle control system |
GB201616097D0 (en) | 2016-09-21 | 2016-11-02 | Univ Oxford Innovation Ltd | Segmentation of path proposals |
CN115343947A (zh) | 2016-09-23 | 2022-11-15 | 苹果公司 | 自主车辆的运动控制决策 |
US11544539B2 (en) | 2016-09-29 | 2023-01-03 | Tsinghua University | Hardware neural network conversion method, computing device, compiling method and neural network software and hardware collaboration system |
CN106650922B (zh) | 2016-09-29 | 2019-05-03 | 清华大学 | 硬件神经网络转换方法、计算装置、软硬件协作系统 |
US10514711B2 (en) | 2016-10-09 | 2019-12-24 | Airspace Systems, Inc. | Flight control using computer vision |
DE102016219698A1 (de) | 2016-10-11 | 2018-04-12 | Robert Bosch Gmbh | Parkraumverwaltungssystem |
KR101851155B1 (ko) | 2016-10-12 | 2018-06-04 | 현대자동차주식회사 | 자율 주행 제어 장치, 그를 가지는 차량 및 그 제어 방법 |
DE102016219987A1 (de) * | 2016-10-13 | 2018-04-19 | Audi Ag | Verfahren zum Betrieb eines Kraftfahrzeugs in einer Navigationsumgebung und Kraftfahrzeug |
CN106504253A (zh) | 2016-10-14 | 2017-03-15 | 国政通科技股份有限公司 | 一种医疗影像照片的处理方法及系统 |
CN107031600A (zh) | 2016-10-19 | 2017-08-11 | 东风汽车公司 | 基于高速公路的自动驾驶系统 |
US10346723B2 (en) | 2016-11-01 | 2019-07-09 | Snap Inc. | Neural network for object detection in images |
KR102156597B1 (ko) | 2016-11-03 | 2020-09-16 | 후아웨이 테크놀러지 컴퍼니 리미티드 | 광학 촬영 방법 및 장치 |
US10289936B2 (en) | 2016-11-08 | 2019-05-14 | Nec Corporation | Surveillance system with landmark localization on objects in images using convolutional neural networks |
EP3541313B1 (en) | 2016-11-16 | 2023-05-10 | Navix International Limited | Estimators for ablation effectiveness |
CN106598226B (zh) | 2016-11-16 | 2019-05-21 | 天津大学 | 一种基于双目视觉和深度学习的无人机人机交互方法 |
US10650071B2 (en) | 2016-11-28 | 2020-05-12 | Google Llc | Search and retrieval of keyed data maintained using a keyed database |
CN106558058B (zh) | 2016-11-29 | 2020-10-09 | 北京图森未来科技有限公司 | 分割模型训练方法、道路分割方法、车辆控制方法及装置 |
CN108122234B (zh) | 2016-11-29 | 2021-05-04 | 北京市商汤科技开发有限公司 | 卷积神经网络训练及视频处理方法、装置和电子设备 |
US10529088B2 (en) | 2016-12-02 | 2020-01-07 | Gabriel Fine | Automatically determining orientation and position of medically invasive devices via image processing |
US10699119B2 (en) | 2016-12-02 | 2020-06-30 | GEOSAT Aerospace & Technology | Methods and systems for automatic object detection from aerial imagery |
US10380741B2 (en) | 2016-12-07 | 2019-08-13 | Samsung Electronics Co., Ltd | System and method for a deep learning machine for object detection |
KR20180068511A (ko) | 2016-12-14 | 2018-06-22 | 삼성전자주식회사 | 영상에 포함된 도로와 관련된 정보를 결정하는 뉴럴 네트워크를 학습시키는 학습 데이터를 생성하는 장치 및 방법 |
US10332001B2 (en) | 2016-12-15 | 2019-06-25 | WaveOne Inc. | Enhanced coding efficiency with progressive representation |
CN110832474B (zh) | 2016-12-30 | 2023-09-15 | 辉达公司 | 更新高清地图的方法 |
US10845820B2 (en) | 2016-12-30 | 2020-11-24 | DeepMap Inc. | Route generation using high definition maps for autonomous vehicles |
WO2018125938A1 (en) * | 2016-12-30 | 2018-07-05 | DeepMap Inc. | Enrichment of point cloud data for high-definition maps for autonomous vehicles |
US10262218B2 (en) | 2017-01-03 | 2019-04-16 | Qualcomm Incorporated | Simultaneous object detection and rigid transform estimation using neural network |
US10228693B2 (en) | 2017-01-13 | 2019-03-12 | Ford Global Technologies, Llc | Generating simulated sensor data for training and validation of detection models |
US10192016B2 (en) | 2017-01-17 | 2019-01-29 | Xilinx, Inc. | Neural network based physical synthesis for circuit designs |
US10753754B2 (en) * | 2017-01-19 | 2020-08-25 | Andrew DeLizio | Managing autonomous vehicles |
US20180211403A1 (en) | 2017-01-20 | 2018-07-26 | Ford Global Technologies, Llc | Recurrent Deep Convolutional Neural Network For Object Detection |
US10740563B2 (en) | 2017-02-03 | 2020-08-11 | Benedict R. Dugan | System and methods for text classification |
CN106779060B (zh) | 2017-02-09 | 2019-03-08 | 武汉魅瞳科技有限公司 | 一种适于硬件设计实现的深度卷积神经网络的计算方法 |
JP2018136803A (ja) | 2017-02-23 | 2018-08-30 | 株式会社日立製作所 | 画像認識システム |
US10359783B2 (en) | 2017-02-28 | 2019-07-23 | Warfarer, Inc. | Transportation system |
US11663450B2 (en) | 2017-02-28 | 2023-05-30 | Microsoft Technology Licensing, Llc | Neural network processing with chained instructions |
US10146225B2 (en) | 2017-03-02 | 2018-12-04 | GM Global Technology Operations LLC | Systems and methods for vehicle dimension prediction |
US10733482B1 (en) | 2017-03-08 | 2020-08-04 | Zoox, Inc. | Object height estimation from monocular images |
US10311312B2 (en) | 2017-08-31 | 2019-06-04 | TuSimple | System and method for vehicle occlusion detection |
US10671873B2 (en) | 2017-03-10 | 2020-06-02 | Tusimple, Inc. | System and method for vehicle wheel detection |
JP6665819B2 (ja) | 2017-03-17 | 2020-03-13 | トヨタ自動車株式会社 | 車載表示装置 |
US10692000B2 (en) | 2017-03-20 | 2020-06-23 | Sap Se | Training machine learning models |
US11067995B2 (en) | 2017-03-20 | 2021-07-20 | Mobileye Vision Technologies Ltd. | Navigation by augmented path prediction |
US10678244B2 (en) | 2017-03-23 | 2020-06-09 | Tesla, Inc. | Data synthesis for autonomous control systems |
CN107103113B (zh) | 2017-03-23 | 2019-01-11 | 中国科学院计算技术研究所 | 面向神经网络处理器的自动化设计方法、装置及优化方法 |
JP6658643B2 (ja) | 2017-03-24 | 2020-03-04 | トヨタ自動車株式会社 | 車両用視認装置 |
US9965865B1 (en) | 2017-03-29 | 2018-05-08 | Amazon Technologies, Inc. | Image data segmentation using depth data |
US10248121B2 (en) | 2017-03-31 | 2019-04-02 | Uber Technologies, Inc. | Machine-learning based autonomous vehicle management system |
US10296828B2 (en) | 2017-04-05 | 2019-05-21 | Here Global B.V. | Learning a similarity measure for vision-based localization on a high definition (HD) map |
WO2018187632A1 (en) | 2017-04-05 | 2018-10-11 | Carnegie Mellon University | Deep learning methods for estimating density and/or flow of objects, and related methods and software |
US10303961B1 (en) | 2017-04-13 | 2019-05-28 | Zoox, Inc. | Object detection and passenger notification |
DE202017102238U1 (de) | 2017-04-13 | 2017-05-12 | Robert Bosch Gmbh | Aktorsteuerungssystem |
DE202017102235U1 (de) | 2017-04-13 | 2017-05-12 | Robert Bosch Gmbh | Trainingssystem |
US10614111B2 (en) | 2017-04-17 | 2020-04-07 | Mammoth Medical, Llc | System and method for machine-learning input-based data autogeneration |
EP3612984A4 (en) | 2017-04-18 | 2021-03-24 | D5A1 Llc | MULTI-LEVEL MACHINE LEARNING AND RECOGNITION |
CN107169560B (zh) | 2017-04-19 | 2020-10-16 | 清华大学 | 一种自适应可重构的深度卷积神经网络计算方法和装置 |
DE102018200724A1 (de) | 2017-04-19 | 2018-10-25 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Verbessern der Robustheit gegen "Adversarial Examples" |
CN107169421B (zh) | 2017-04-20 | 2020-04-28 | 华南理工大学 | 一种基于深度卷积神经网络的汽车驾驶场景目标检测方法 |
DE202017102381U1 (de) | 2017-04-21 | 2017-05-11 | Robert Bosch Gmbh | Vorrichtung zum Verbessern der Robustheit gegen "Adversarial Examples" |
US10460053B2 (en) | 2017-04-24 | 2019-10-29 | Toyota Research Institute, Inc. | Systems and methods for surface property identification using waveform classification |
EP3616387A1 (en) | 2017-04-24 | 2020-03-04 | Carnegie Mellon University | Virtual sensor system |
US10108867B1 (en) | 2017-04-25 | 2018-10-23 | Uber Technologies, Inc. | Image-based pedestrian detection |
CN107133943B (zh) | 2017-04-26 | 2018-07-06 | 贵州电网有限责任公司输电运行检修分公司 | 一种防震锤缺陷检测的视觉检测方法 |
US10318794B2 (en) | 2017-04-28 | 2019-06-11 | Microsoft Technology Licensing, Llc | Intelligent auto cropping of digital images |
US10838936B2 (en) | 2017-05-12 | 2020-11-17 | Harris Lee Cohen | Computer-implemented methods, computer readable medium and systems for generating an orchard data model for a precision agriculture platform |
US10372130B1 (en) | 2017-05-19 | 2019-08-06 | Zoox, Inc. | Communicating reasons for vehicle actions |
EP3616422B1 (en) | 2017-05-26 | 2021-02-17 | Google LLC | Machine-learned model system |
US20180374105A1 (en) | 2017-05-26 | 2018-12-27 | Get Attached, Inc. | Leveraging an intermediate machine learning analysis |
US10310087B2 (en) | 2017-05-31 | 2019-06-04 | Uber Technologies, Inc. | Range-view LIDAR-based object detection |
US11273553B2 (en) | 2017-06-05 | 2022-03-15 | Autodesk, Inc. | Adapting simulation data to real-world conditions encountered by physical processes |
US11954486B2 (en) | 2017-06-05 | 2024-04-09 | Umajin Inc. | Location tracking system and methods |
US11361243B2 (en) | 2017-06-07 | 2022-06-14 | Accenture Global Solutions Limited | Recommending machine learning techniques, features, and feature relevance scores |
US10853739B2 (en) | 2017-06-09 | 2020-12-01 | Sap Se | Machine learning models for evaluating entities in a high-volume computer network |
CN108229526B (zh) | 2017-06-16 | 2020-09-29 | 北京市商汤科技开发有限公司 | 网络训练、图像处理方法、装置、存储介质和电子设备 |
US10007269B1 (en) | 2017-06-23 | 2018-06-26 | Uber Technologies, Inc. | Collision-avoidance system for autonomous-capable vehicle |
JP7050006B2 (ja) | 2017-06-28 | 2022-04-07 | パナソニック インテレクチュアル プロパティ コーポレーション オブ アメリカ | 移動体制御装置、移動体制御方法、及び学習方法 |
US10567674B2 (en) | 2017-06-30 | 2020-02-18 | Harman International Industries, Incorporated | Systems and methods for detecting objects in imaging systems |
US10474160B2 (en) | 2017-07-03 | 2019-11-12 | Baidu Usa Llc | High resolution 3D point clouds generation from downsampled low resolution LIDAR 3D point clouds and camera images |
US10671082B2 (en) | 2017-07-03 | 2020-06-02 | Baidu Usa Llc | High resolution 3D point clouds generation based on CNN and CRF models |
CN109215067B (zh) | 2017-07-03 | 2023-03-10 | 百度(美国)有限责任公司 | 基于cnn和crf模型生成高分辨率3-d点云 |
US10474161B2 (en) | 2017-07-03 | 2019-11-12 | Baidu Usa Llc | High resolution 3D point clouds generation from upsampled low resolution lidar 3D point clouds and camera images |
US10402687B2 (en) | 2017-07-05 | 2019-09-03 | Perceptive Automata, Inc. | System and method of predicting human interaction with vehicles |
US10606990B2 (en) | 2017-07-06 | 2020-03-31 | Ebay Inc. | Machine learning system for computing asset access |
US10592785B2 (en) | 2017-07-12 | 2020-03-17 | Futurewei Technologies, Inc. | Integrated system for detection of driver condition |
DE102017116017A1 (de) | 2017-07-17 | 2019-01-17 | Valeo Schalter Und Sensoren Gmbh | Kraftfahrzeug-Sensorvorrichtung mit mehreren Sensoreinheiten und mehreren neuronalen Netzen zum Erzeugen einer kombinierten Repräsentation einer Umgebung |
US10733755B2 (en) | 2017-07-18 | 2020-08-04 | Qualcomm Incorporated | Learning geometric differentials for matching 3D models to objects in a 2D image |
DE102017116411B4 (de) | 2017-07-20 | 2022-02-03 | Infineon Technologies Ag | Elektronischen Steuerungseinheit, Gatewayschaltung für eine elektronische Airbag-Steuerungseinheit, Sicherheitssystem für ein Fahrzeug und Umgebungssensorelement |
US10579063B2 (en) | 2017-07-21 | 2020-03-03 | Uatc, Llc | Machine learning for predicting locations of objects perceived by autonomous vehicles |
US10650278B1 (en) | 2017-07-21 | 2020-05-12 | Apple Inc. | Semantic labeling of point clouds using images |
US10395144B2 (en) | 2017-07-24 | 2019-08-27 | GM Global Technology Operations LLC | Deeply integrated fusion architecture for automated driving systems |
US10542930B1 (en) | 2017-07-25 | 2020-01-28 | BlueOwl, LLC | Audio assessment for analyzing sleep trends using machine learning techniques |
CN107451659B (zh) | 2017-07-27 | 2020-04-10 | 清华大学 | 用于位宽分区的神经网络加速器及其实现方法 |
CN107368926B (zh) | 2017-07-28 | 2018-07-10 | 中南大学 | 一种智能环境运载机器人识别楼层的多自然传感参数融合处理方法 |
JP7002729B2 (ja) | 2017-07-31 | 2022-01-20 | 株式会社アイシン | 画像データ生成装置、画像認識装置、画像データ生成プログラム、及び画像認識プログラム |
WO2019023921A1 (zh) | 2017-08-01 | 2019-02-07 | 华为技术有限公司 | 一种手势识别方法、装置及设备 |
CN109389552B (zh) | 2017-08-02 | 2023-03-28 | 中山大学 | 一种基于上下文相关多任务深度学习的图像超分辨算法 |
US11170288B2 (en) | 2017-08-03 | 2021-11-09 | Facebook, Inc. | Systems and methods for predicting qualitative ratings for advertisements based on machine learning |
KR102541559B1 (ko) | 2017-08-04 | 2023-06-08 | 삼성전자주식회사 | 관심 객체를 검출하는 방법 및 장치 |
JP2019032174A (ja) * | 2017-08-04 | 2019-02-28 | トヨタ自動車株式会社 | 情報処理システムおよび情報処理方法 |
KR102601604B1 (ko) | 2017-08-04 | 2023-11-13 | 삼성전자주식회사 | 뉴럴 네트워크의 파라미터들을 양자화하는 방법 및 장치 |
US10656657B2 (en) | 2017-08-08 | 2020-05-19 | Uatc, Llc | Object motion prediction and autonomous vehicle control |
US10423934B1 (en) | 2017-08-10 | 2019-09-24 | Zoox, Inc. | Automated vehicle diagnostics and maintenance |
US10860924B2 (en) | 2017-08-18 | 2020-12-08 | Microsoft Technology Licensing, Llc | Hardware node having a mixed-signal matrix vector unit |
CN108229647A (zh) | 2017-08-18 | 2018-06-29 | 北京市商汤科技开发有限公司 | 神经网络结构的生成方法和装置、电子设备、存储介质 |
US10167800B1 (en) | 2017-08-18 | 2019-01-01 | Microsoft Technology Licensing, Llc | Hardware node having a matrix vector unit with block-floating point processing |
US20190228037A1 (en) | 2017-08-19 | 2019-07-25 | Wave Computing, Inc. | Checkpointing data flow graph computation for machine learning |
US10216189B1 (en) | 2017-08-23 | 2019-02-26 | Uber Technologies, Inc. | Systems and methods for prioritizing object prediction for autonomous vehicles |
US11455565B2 (en) | 2017-08-31 | 2022-09-27 | Ford Global Technologies, Llc | Augmenting real sensor recordings with simulated sensor data |
US10783381B2 (en) | 2017-08-31 | 2020-09-22 | Tusimple, Inc. | System and method for vehicle occlusion detection |
US10629080B2 (en) | 2017-08-31 | 2020-04-21 | Uatc Llc | Autonomous vehicles featuring vehicle intention system |
US20190072978A1 (en) | 2017-09-01 | 2019-03-07 | GM Global Technology Operations LLC | Methods and systems for generating realtime map information |
US20190079526A1 (en) | 2017-09-08 | 2019-03-14 | Uber Technologies, Inc. | Orientation Determination in Object Detection and Tracking for Autonomous Vehicles |
US11430331B2 (en) | 2017-09-08 | 2022-08-30 | Uatc, Llc | Power and thermal management systems and methods for autonomous vehicles |
CN107507134B (zh) | 2017-09-21 | 2020-09-11 | 大连理工大学 | 基于卷积神经网络的超分辨率方法 |
US10402646B2 (en) | 2017-09-21 | 2019-09-03 | Amazon Technologies, Inc. | Object detection and avoidance for aerial vehicles |
WO2019057944A1 (en) | 2017-09-22 | 2019-03-28 | F. Hoffmann-La Roche Ag | ELIMINATION OF ARTIFACTS FROM IMAGES OF FABRIC |
US10891715B2 (en) | 2017-09-22 | 2021-01-12 | Continental Automotive Systems, Inc. | Deep neural network for image enhancement |
US10551297B2 (en) | 2017-09-22 | 2020-02-04 | Saudi Arabian Oil Company | Thermography image processing with neural networks to identify corrosion under insulation (CUI) |
US20190095946A1 (en) | 2017-09-25 | 2019-03-28 | Get Attached, Inc. | Automatically analyzing media using a machine learning model trained on user engagement information |
US10546197B2 (en) | 2017-09-26 | 2020-01-28 | Ambient AI, Inc. | Systems and methods for intelligent and interpretive analysis of video image data using machine learning |
US10860919B2 (en) | 2017-09-27 | 2020-12-08 | Google Llc | End to end network model for high resolution image segmentation |
US10679129B2 (en) | 2017-09-28 | 2020-06-09 | D5Ai Llc | Stochastic categorical autoencoder network |
US10796423B2 (en) | 2017-09-29 | 2020-10-06 | United Parcel Service Of America, Inc. | Predictive parcel damage identification, analysis, and mitigation |
CN107742311B (zh) | 2017-09-29 | 2020-02-18 | 北京易达图灵科技有限公司 | 一种视觉定位的方法及装置 |
US10872531B2 (en) | 2017-09-29 | 2020-12-22 | Uber Technologies, Inc. | Image processing for vehicle collision avoidance system |
WO2019067695A1 (en) | 2017-10-01 | 2019-04-04 | Airspace Systems, Inc. | FLIGHT CONTROL USING VISION BY COMPUTER |
US20190101914A1 (en) | 2017-10-02 | 2019-04-04 | Allstate Insurance Company | Data Processing System with Machine Learning Engine for Providing Driving Data Analysis and Vehicle Control Functions |
US10579897B2 (en) | 2017-10-02 | 2020-03-03 | Xnor.ai Inc. | Image based object detection |
US10678997B2 (en) | 2017-10-05 | 2020-06-09 | Microsoft Technology Licensing, Llc | Machine learned models for contextual editing of social networking profiles |
US11748653B2 (en) | 2017-10-05 | 2023-09-05 | DataRobot, Inc. | Machine learning abstraction |
US10733262B2 (en) | 2017-10-05 | 2020-08-04 | Adobe Inc. | Attribute control for updating digital content in a digital medium environment |
WO2019070290A1 (en) | 2017-10-06 | 2019-04-11 | Hitachi, Ltd. | MANAGEMENT AND EXECUTION OF A REPAIR |
DE102017123452A1 (de) | 2017-10-10 | 2019-04-11 | Connaught Electronics Ltd. | Verfahren zum Erzeugen eines ein Kraftfahrzeug und einen Umgebungsbereich des Kraftfahrzeugs in einer vorbestimmten Zielansicht zeigenden Ausgangsbildes, Kamerasystem sowie Kraftfahrzeug |
US10652565B1 (en) | 2017-10-12 | 2020-05-12 | Amazon Technologies, Inc. | Image compression and decompression using embeddings |
CN107622258B (zh) | 2017-10-16 | 2020-10-30 | 中南大学 | 一种结合静态底层特征和运动信息的快速行人检测方法 |
US20190122104A1 (en) | 2017-10-19 | 2019-04-25 | General Electric Company | Building a binary neural network architecture |
US20190122111A1 (en) | 2017-10-24 | 2019-04-25 | Nec Laboratories America, Inc. | Adaptive Convolutional Neural Knowledge Graph Learning System Leveraging Entity Descriptions |
US20200250515A1 (en) | 2017-10-27 | 2020-08-06 | Google Llc | Systems and Methods for Improved Optimization of Machine-Learned Models |
US10467501B2 (en) | 2017-10-30 | 2019-11-05 | Sap Se | Computer vision architecture with machine learned image recognition models |
CN107729998B (zh) | 2017-10-31 | 2020-06-05 | 中国科学院计算技术研究所 | 一种用于神经网络处理器的方法 |
US10346721B2 (en) | 2017-11-01 | 2019-07-09 | Salesforce.Com, Inc. | Training a neural network using augmented training datasets |
KR102589303B1 (ko) | 2017-11-02 | 2023-10-24 | 삼성전자주식회사 | 고정 소수점 타입의 뉴럴 네트워크를 생성하는 방법 및 장치 |
US11521068B2 (en) | 2017-11-02 | 2022-12-06 | The Trustees Of Princeton University | Method and system for neural network synthesis |
US20190138880A1 (en) | 2017-11-03 | 2019-05-09 | Drishti Technologies, Inc. | Workspace actor selection systems and methods |
US11521022B2 (en) | 2017-11-07 | 2022-12-06 | Google Llc | Semantic state based sensor tracking and updating |
US10591914B2 (en) | 2017-11-08 | 2020-03-17 | GM Global Technology Operations LLC | Systems and methods for autonomous vehicle behavior control |
US20190147112A1 (en) | 2017-11-13 | 2019-05-16 | Facebook, Inc. | Systems and methods for ranking ephemeral content item collections associated with a social networking system |
US10678839B2 (en) | 2017-11-13 | 2020-06-09 | Facebook, Inc. | Systems and methods for ranking ephemeral content item collections associated with a social networking system |
KR20200097721A (ko) | 2017-11-13 | 2020-08-19 | 바이오스 헬쓰 리미티드 | 신경 인터페이스 |
US10824862B2 (en) | 2017-11-14 | 2020-11-03 | Nuro, Inc. | Three-dimensional object detection for autonomous robotic systems using image proposals |
US10803328B1 (en) | 2017-11-15 | 2020-10-13 | Uatc, Llc | Semantic and instance segmentation |
US11080537B2 (en) | 2017-11-15 | 2021-08-03 | Uatc, Llc | Autonomous vehicle lane boundary detection systems and methods |
KR102095335B1 (ko) | 2017-11-15 | 2020-03-31 | 에스케이텔레콤 주식회사 | 연산 가속화가 적용된 신경망 모델의 생성 및 활용을 위한 장치 및 방법 |
US11475351B2 (en) | 2017-11-15 | 2022-10-18 | Uatc, Llc | Systems and methods for object detection, tracking, and motion prediction |
US10970553B2 (en) | 2017-11-15 | 2021-04-06 | Uatc, Llc | Semantic segmentation of three-dimensional data |
WO2019099622A1 (en) | 2017-11-15 | 2019-05-23 | Uber Technologies, Inc. | Autonomous vehicle lane boundary detection systems and methods |
US20190147255A1 (en) | 2017-11-15 | 2019-05-16 | Uber Technologies, Inc. | Systems and Methods for Generating Sparse Geographic Data for Autonomous Vehicles |
US11061402B2 (en) | 2017-11-15 | 2021-07-13 | Uatc, Llc | Sparse convolutional neural networks |
US20190145765A1 (en) | 2017-11-15 | 2019-05-16 | Uber Technologies, Inc. | Three Dimensional Object Detection |
US11556777B2 (en) | 2017-11-15 | 2023-01-17 | Uatc, Llc | Continuous convolution and fusion in neural networks |
US10803325B2 (en) | 2017-11-15 | 2020-10-13 | Uatc, Llc | Autonomous vehicle lane boundary detection systems and methods |
US10828790B2 (en) | 2017-11-16 | 2020-11-10 | Google Llc | Component feature detector for robotic systems |
US10698868B2 (en) | 2017-11-17 | 2020-06-30 | Accenture Global Solutions Limited | Identification of domain information for use in machine learning models |
US10409898B2 (en) | 2017-11-17 | 2019-09-10 | Adobe Inc. | Generating a targeted summary of textual content tuned to a target audience vocabulary |
KR102073351B1 (ko) | 2017-11-17 | 2020-02-05 | 주식회사 하이퍼커넥트 | 서버 및 그것의 동작 방법 |
EP3486674A1 (en) | 2017-11-17 | 2019-05-22 | Koninklijke Philips N.V. | Artificial intelligence-enabled localization of anatomical landmarks |
US10535138B2 (en) | 2017-11-21 | 2020-01-14 | Zoox, Inc. | Sensor data segmentation |
US20180074506A1 (en) | 2017-11-21 | 2018-03-15 | GM Global Technology Operations LLC | Systems and methods for mapping roadway-interfering objects in autonomous vehicles |
CN107885214A (zh) | 2017-11-22 | 2018-04-06 | 济南浪潮高新科技投资发展有限公司 | 一种基于fpga的加速自动驾驶视觉感知的方法及装置 |
US20190025773A1 (en) | 2017-11-28 | 2019-01-24 | Intel Corporation | Deep learning-based real-time detection and correction of compromised sensors in autonomous machines |
JP2019101535A (ja) | 2017-11-29 | 2019-06-24 | コニカミノルタ株式会社 | 教師データ作成装置および該方法ならびに画像セグメンテーション装置および該方法 |
KR20200100672A (ko) | 2017-12-04 | 2020-08-26 | 옵티멈 세미컨덕터 테크놀로지스 인코포레이티드 | 신경망 가속기의 시스템 및 아키텍쳐 |
US10762396B2 (en) | 2017-12-05 | 2020-09-01 | Utac, Llc | Multiple stage image based object detection and recognition |
US10693740B2 (en) | 2017-12-07 | 2020-06-23 | Accenture Global Solutions Limited | Data transformation of performance statistics and ticket information for network devices for use in machine learning models |
US10528824B2 (en) | 2017-12-11 | 2020-01-07 | GM Global Technology Operations LLC | Artificial neural network for lane feature classification and localization |
US10768628B2 (en) | 2017-12-12 | 2020-09-08 | Uatc, Llc | Systems and methods for object detection at various ranges using multiple range imagery |
RU2691214C1 (ru) | 2017-12-13 | 2019-06-11 | Общество с ограниченной ответственностью "Аби Продакшн" | Распознавание текста с использованием искусственного интеллекта |
US10599958B2 (en) | 2017-12-14 | 2020-03-24 | Avigilon Corporation | Method and system for classifying an object-of-interest using an artificial neural network |
KR101969864B1 (ko) | 2017-12-15 | 2019-04-18 | 동국대학교 산학협력단 | 객체영상과 배경영상의 상호 연동에 기반한 영상 합성 방법 |
CN111433101A (zh) | 2017-12-18 | 2020-07-17 | 智加科技公司 | 用于自动驾驶车辆中的个性化运动规划的方法和系统 |
GB2582116B (en) | 2017-12-18 | 2022-05-11 | Motorola Solutions Inc | Method and device for generating an augmented image |
US11183274B2 (en) | 2017-12-18 | 2021-11-23 | International Business Machines Corporation | Analysis of answers to questions |
US20190185010A1 (en) | 2017-12-18 | 2019-06-20 | PlusAI Corp | Method and system for self capability aware route planning in autonomous driving vehicles |
US10713502B2 (en) | 2017-12-19 | 2020-07-14 | Micron Technology, Inc. | Providing autonomous vehicle assistance |
DE102017130566B4 (de) | 2017-12-19 | 2021-07-22 | Mekra Lang Gmbh & Co. Kg | Sichtsystem zur Erfassung einer Fahrzeugumgebung und Spiegelersatzsystem für ein Fahrzeug mit einem Sichtsystem |
KR102104900B1 (ko) * | 2017-12-19 | 2020-04-27 | 엘지전자 주식회사 | 차량에 구비된 차량 제어 장치 및 차량의 제어방법 |
US10402986B2 (en) | 2017-12-20 | 2019-09-03 | Facebook, Inc. | Unsupervised video segmentation |
US10169678B1 (en) | 2017-12-21 | 2019-01-01 | Luminar Technologies, Inc. | Object identification and labeling tool for training autonomous vehicle controllers |
WO2019126755A1 (en) | 2017-12-21 | 2019-06-27 | Fugro N.V. | Generating and classifying training data for machine learning functions |
US10872254B2 (en) | 2017-12-22 | 2020-12-22 | Texas Instruments Incorporated | Digital mirror systems for vehicles and methods of operating the same |
US10748247B2 (en) | 2017-12-26 | 2020-08-18 | Facebook, Inc. | Computing high-resolution depth images using machine learning techniques |
US10657418B2 (en) | 2017-12-27 | 2020-05-19 | International Business Machines Corporation | Object detection on local devices using remotely generated machine learning models |
US10755115B2 (en) | 2017-12-29 | 2020-08-25 | Here Global B.V. | Method, apparatus, and system for generating synthetic image data for machine learning |
CN108111873B (zh) | 2017-12-29 | 2020-04-14 | 国网山东省电力公司泰安供电公司 | 一种基于机器学习的gis图像数据传输方法 |
WO2019127363A1 (zh) | 2017-12-29 | 2019-07-04 | 清华大学 | 神经网络权重编码方法、计算装置及硬件系统 |
US20190204842A1 (en) | 2018-01-02 | 2019-07-04 | GM Global Technology Operations LLC | Trajectory planner with dynamic cost learning for autonomous driving |
US11170006B2 (en) | 2018-01-03 | 2021-11-09 | Facebook, Inc. | Machine-learning model for ranking diverse content |
US10657391B2 (en) | 2018-01-05 | 2020-05-19 | Uatc, Llc | Systems and methods for image-based free space detection |
US11760280B2 (en) | 2018-01-12 | 2023-09-19 | Uatc, Llc | Systems and methods for streaming processing for autonomous vehicles |
US10896763B2 (en) | 2018-01-12 | 2021-01-19 | Koninklijke Philips N.V. | System and method for providing model-based treatment recommendation via individual-specific machine learning models |
EP3514494A1 (en) | 2018-01-19 | 2019-07-24 | Zenuity AB | Constructing and updating a behavioral layer of a multi layered road network high definition digital map |
US10909368B2 (en) | 2018-01-23 | 2021-02-02 | X Development Llc | Crop type classification in images |
CN108399362B (zh) | 2018-01-24 | 2022-01-07 | 中山大学 | 一种快速行人检测方法及装置 |
US20180150081A1 (en) | 2018-01-24 | 2018-05-31 | GM Global Technology Operations LLC | Systems and methods for path planning in autonomous vehicles |
CN111971679A (zh) | 2018-01-26 | 2020-11-20 | 威盖特技术美国有限合伙人公司 | 基于行业语言模型生成自然语言推荐 |
KR102098713B1 (ko) | 2018-01-29 | 2020-04-08 | 주식회사 유엑스팩토리 | Cnn과 rnn이 하나의 고성능 저전력 칩으로 집적된 이기종 프로세서 구조 |
CN111602149B (zh) | 2018-01-30 | 2024-04-02 | D5Ai有限责任公司 | 自组织偏序网络 |
US10962973B2 (en) | 2018-01-30 | 2021-03-30 | Uatc, Llc | Autonomous vehicle safe stop |
US10692141B2 (en) | 2018-01-30 | 2020-06-23 | PointPredictive Inc. | Multi-layer machine learning classifier with correlative score |
CN110096937A (zh) | 2018-01-31 | 2019-08-06 | 北京四维图新科技股份有限公司 | 一种用于辅助车辆自动驾驶的图像识别的方法及装置 |
WO2019152888A1 (en) | 2018-02-02 | 2019-08-08 | Nvidia Corporation | Safety procedure analysis for obstacle avoidance in autonomous vehicle |
US20190244138A1 (en) | 2018-02-08 | 2019-08-08 | Apple Inc. | Privatized machine learning using generative adversarial networks |
US10996683B2 (en) | 2018-02-09 | 2021-05-04 | Skydio, Inc. | Aerial vehicle touchdown detection |
DE112019000279T5 (de) | 2018-02-09 | 2020-08-27 | Nvidia Corporation | Steuern autonomer fahrzeuge anhand sicherer ankunftszeiten |
US10489126B2 (en) | 2018-02-12 | 2019-11-26 | Oracle International Corporation | Automated code generation |
CN110147698A (zh) | 2018-02-13 | 2019-08-20 | Kpit技术有限责任公司 | 用于车道检测的系统和方法 |
KR101996167B1 (ko) | 2018-02-14 | 2019-07-03 | 동국대학교 산학협력단 | 자율 무인 이동체를 학습하기 위한 학습용 이미지를 생성하는 장치 및 그 방법 |
US10839578B2 (en) | 2018-02-14 | 2020-11-17 | Smarter Reality, LLC | Artificial-intelligence enhanced visualization of non-invasive, minimally-invasive and surgical aesthetic medical procedures |
US10955851B2 (en) | 2018-02-14 | 2021-03-23 | Zoox, Inc. | Detecting blocking objects |
US10805629B2 (en) | 2018-02-17 | 2020-10-13 | Google Llc | Video compression through motion warping using learning-based motion segmentation |
CN111133447B (zh) | 2018-02-18 | 2024-03-19 | 辉达公司 | 适于自主驾驶的对象检测和检测置信度的方法和系统 |
US10628432B2 (en) | 2018-02-19 | 2020-04-21 | Microsoft Technology Licensing, Llc | Personalized deep models for smart suggestions ranking |
US20190266610A1 (en) | 2018-02-21 | 2019-08-29 | Accenture Global Solutions Limited | Transaction management using machine learning and similarity analysis |
CN111788589A (zh) | 2018-02-23 | 2020-10-16 | Asml荷兰有限公司 | 训练用于计算光刻术的机器学习模型的方法 |
KR102022388B1 (ko) | 2018-02-27 | 2019-09-18 | (주)캠시스 | 실세계 물체 정보를 이용한 카메라 공차 보정 시스템 및 방법 |
CN110197270B (zh) | 2018-02-27 | 2020-10-30 | 上海寒武纪信息科技有限公司 | 集成电路芯片装置及相关产品 |
US10997433B2 (en) | 2018-02-27 | 2021-05-04 | Nvidia Corporation | Real-time detection of lanes and boundaries by autonomous vehicles |
US11501105B2 (en) | 2018-03-02 | 2022-11-15 | Zoox, Inc. | Automatic creation and updating of maps |
US10990832B2 (en) | 2018-03-06 | 2021-04-27 | Phantom AI, Inc. | Lane line reconstruction using future scenes and trajectory |
KR101967339B1 (ko) | 2018-03-06 | 2019-04-09 | 단국대학교 산학협력단 | 심층학습 기반의 adas 센서 고장 진단 및 백업을 위한 장치 및 방법 |
US10621513B2 (en) | 2018-03-08 | 2020-04-14 | Capital One Services, Llc | System and method for deploying and versioning machine learning models |
US10223611B1 (en) | 2018-03-08 | 2019-03-05 | Capital One Services, Llc | Object detection using image classification models |
US10157331B1 (en) | 2018-03-08 | 2018-12-18 | Capital One Services, Llc | Systems and methods for image preprocessing to improve accuracy of object recognition |
US10572757B2 (en) | 2018-03-09 | 2020-02-25 | Ricoh Co., Ltd. | User interface for object detection and labeling |
US10628686B2 (en) | 2018-03-12 | 2020-04-21 | Waymo Llc | Neural networks for object detection and characterization |
US10755112B2 (en) | 2018-03-13 | 2020-08-25 | Toyota Research Institute, Inc. | Systems and methods for reducing data storage in machine learning |
WO2019178253A1 (en) | 2018-03-13 | 2019-09-19 | Magic Leap, Inc. | Image-enhanced depth sensing using machine learning |
US10798368B2 (en) | 2018-03-13 | 2020-10-06 | Lyft, Inc. | Exposure coordination for multiple cameras |
US11221413B2 (en) | 2018-03-14 | 2022-01-11 | Uatc, Llc | Three-dimensional object detection |
US20190286972A1 (en) | 2018-03-14 | 2019-09-19 | Microsoft Technology Licensing, Llc | Hardware accelerated neural network subgraphs |
US20190287028A1 (en) | 2018-03-15 | 2019-09-19 | Arm Ltd. | Systems, devices, and/or processes for behavioral content processing |
EP3543917B1 (en) | 2018-03-19 | 2024-01-03 | SRI International Inc. | Dynamic adaptation of deep neural networks |
US11657087B2 (en) | 2018-03-19 | 2023-05-23 | Verily Life Sciences Llc | Surgical video retrieval based on preoperative images |
US11429862B2 (en) | 2018-03-20 | 2022-08-30 | Sri International | Dynamic adaptation of deep neural networks |
US10901508B2 (en) | 2018-03-20 | 2021-01-26 | X Development Llc | Fused electroencephalogram and machine learning for precognitive brain-computer interface for computer control |
WO2019183087A1 (en) | 2018-03-20 | 2019-09-26 | Phantom AI, Inc. | Data augmentation using computer simulated objects for autonomous control systems |
WO2019182782A1 (en) | 2018-03-21 | 2019-09-26 | Zoox, Inc. | Generating maps without shadows |
US20190294975A1 (en) | 2018-03-21 | 2019-09-26 | Swim.IT Inc | Predicting using digital twins |
US10699477B2 (en) | 2018-03-21 | 2020-06-30 | Zoox, Inc. | Generating maps without shadows |
US10836379B2 (en) | 2018-03-23 | 2020-11-17 | Sf Motors, Inc. | Multi-network-based path generation for vehicle parking |
US10627818B2 (en) | 2018-03-28 | 2020-04-21 | Zoox, Inc. | Temporal prediction model for semantic intent understanding |
WO2019191578A1 (en) | 2018-03-30 | 2019-10-03 | Wave Computing, Inc. | Data flow graph computation for machine learning |
CN108491889A (zh) | 2018-04-02 | 2018-09-04 | 深圳市易成自动驾驶技术有限公司 | 图像语义分割方法、装置及计算机可读存储介质 |
US10140544B1 (en) | 2018-04-02 | 2018-11-27 | 12 Sigma Technologies | Enhanced convolutional neural network for image segmentation |
US10468062B1 (en) | 2018-04-03 | 2019-11-05 | Zoox, Inc. | Detecting errors in sensor data |
US11613249B2 (en) * | 2018-04-03 | 2023-03-28 | Ford Global Technologies, Llc | Automatic navigation using deep reinforcement learning |
US10887433B2 (en) | 2018-04-03 | 2021-01-05 | Pony Ai Inc. | System and method for incremental data processing |
US10776939B2 (en) | 2018-04-03 | 2020-09-15 | Altumview Systems Inc. | Obstacle avoidance system based on embedded stereo vision for unmanned aerial vehicles |
US10414395B1 (en) | 2018-04-06 | 2019-09-17 | Zoox, Inc. | Feature-based prediction |
US20190311290A1 (en) | 2018-04-06 | 2019-10-10 | Mentor Graphics Corporation | Deep Learning Based Test Compression Analyzer |
US10725475B2 (en) | 2018-04-09 | 2020-07-28 | Toyota Jidosha Kabushiki Kaisha | Machine learning enhanced vehicle merging |
US10740914B2 (en) | 2018-04-10 | 2020-08-11 | Pony Ai Inc. | Enhanced three-dimensional training data generation |
US10769494B2 (en) | 2018-04-10 | 2020-09-08 | Pony Ai Inc. | Enhanced training information generation |
US11132444B2 (en) | 2018-04-16 | 2021-09-28 | International Business Machines Corporation | Using gradients to detect backdoors in neural networks |
CN108520247B (zh) | 2018-04-16 | 2020-04-28 | 腾讯科技(深圳)有限公司 | 对图像中的对象节点的识别方法、装置、终端及可读介质 |
US10816992B2 (en) | 2018-04-17 | 2020-10-27 | Baidu Usa Llc | Method for transforming 2D bounding boxes of objects into 3D positions for autonomous driving vehicles (ADVs) |
US10872433B2 (en) | 2018-04-18 | 2020-12-22 | Mobileye Vision Technologies Ltd. | Vehicle environment modeling with a camera |
US20200151692A1 (en) | 2018-04-18 | 2020-05-14 | Sbot Technologies, Inc. d/b/a Caper Inc. | Systems and methods for training data generation for object identification and self-checkout anti-theft |
US10321728B1 (en) | 2018-04-20 | 2019-06-18 | Bodygram, Inc. | Systems and methods for full body measurements extraction |
US11030486B2 (en) | 2018-04-20 | 2021-06-08 | XNOR.ai, Inc. | Image classification through label progression |
US10950021B2 (en) | 2018-04-23 | 2021-03-16 | Accenture Global Solutions Limited | AI-driven design platform |
DE102018206208A1 (de) | 2018-04-23 | 2019-10-24 | Robert Bosch Gmbh | Verfahren, Vorrichtung, Erzeugnis und Computerprogramm zum Betreiben eines technischen Systems |
US10565475B2 (en) | 2018-04-24 | 2020-02-18 | Accenture Global Solutions Limited | Generating a machine learning model for objects based on augmenting the objects with physical properties |
US20190329790A1 (en) | 2018-04-25 | 2019-10-31 | Uber Technologies, Inc. | Systems and Methods for Using Machine Learning to Determine Passenger Ride Experience |
CN108647591A (zh) | 2018-04-25 | 2018-10-12 | 长沙学院 | 一种基于视觉-语义特征的视频中行为识别方法和系统 |
CN108549934B (zh) | 2018-04-25 | 2020-06-19 | 福州瑞芯微电子股份有限公司 | 一种基于自动集群神经网络芯片组的运算方法和装置 |
US11138745B2 (en) | 2018-04-30 | 2021-10-05 | Uatc, Llc | Object association for autonomous vehicles |
US11334753B2 (en) | 2018-04-30 | 2022-05-17 | Uatc, Llc | Traffic signal state classification for autonomous vehicles |
US11244195B2 (en) | 2018-05-01 | 2022-02-08 | Adobe Inc. | Iteratively applying neural networks to automatically identify pixels of salient objects portrayed in digital images |
US10803743B2 (en) | 2018-05-02 | 2020-10-13 | Lyft, Inc. | Monitoring ambient light for object detection |
US11494200B2 (en) | 2018-05-02 | 2022-11-08 | Microsoft Technology Licensing, Llc. | Configuring an electronic device using artificial intelligence |
US20190340499A1 (en) | 2018-05-04 | 2019-11-07 | Microsoft Technology Licensing, Llc | Quantization for dnn accelerators |
US10699140B2 (en) | 2018-05-04 | 2020-06-30 | Qualcomm Incorporated | System and method for capture and distribution of information collected from signs |
US11645493B2 (en) | 2018-05-04 | 2023-05-09 | Microsoft Technology Licensing, Llc | Flow for quantized neural networks |
WO2019216938A1 (en) | 2018-05-07 | 2019-11-14 | Google Llc | Application development platform and software development kits that provide comprehensive machine learning services |
CA3099659A1 (en) | 2018-05-07 | 2019-11-14 | Strong Force Iot Portfolio 2016, Llc | Methods and systems for data collection, learning, and streaming of machine signals for analytics and maintenance using the industrial internet of things |
JP6799197B2 (ja) | 2018-05-10 | 2020-12-09 | ヌヴォトンテクノロジージャパン株式会社 | ニューラルネットワーク構築装置、情報処理装置、ニューラルネットワーク構築方法及びプログラム |
US10748021B2 (en) | 2018-05-11 | 2020-08-18 | Samsung Electronics Co., Ltd. | Method of analyzing objects in images recorded by a camera of a head mounted device |
US20190349571A1 (en) | 2018-05-11 | 2019-11-14 | Ford Global Technologies, Llc | Distortion correction for vehicle surround view camera projections |
WO2019220436A2 (en) | 2018-05-14 | 2019-11-21 | BrainVu Ltd. | Driver predictive mental response profile and application to automated vehicle brain interface control |
US10776626B1 (en) | 2018-05-14 | 2020-09-15 | Amazon Technologies, Inc. | Machine learning based identification of visually complementary item collections |
US11126873B2 (en) | 2018-05-17 | 2021-09-21 | Zoox, Inc. | Vehicle lighting state determination |
US11164016B2 (en) | 2018-05-17 | 2021-11-02 | Uatc, Llc | Object detection and property determination for autonomous vehicles |
US20190354850A1 (en) | 2018-05-17 | 2019-11-21 | International Business Machines Corporation | Identifying transfer models for machine learning tasks |
US11138471B2 (en) | 2018-05-18 | 2021-10-05 | Google Llc | Augmentation of audiographic images for improved machine learning |
US11301733B2 (en) | 2018-05-18 | 2022-04-12 | Google Llc | Learning data augmentation strategies for object detection |
CN108710865B (zh) | 2018-05-28 | 2022-04-22 | 电子科技大学 | 一种基于神经网络的司机异常行为检测方法 |
US20190373322A1 (en) | 2018-05-29 | 2019-12-05 | Sony Interactive Entertainment LLC | Interactive Video Content Delivery |
US11491350B2 (en) | 2018-05-30 | 2022-11-08 | Siemens Healthcare Gmbh | Decision support system for individualizing radiotherapy dose |
US20190370575A1 (en) | 2018-05-31 | 2019-12-05 | Uber Technologies, Inc. | Systems and Methods for Implementing Trip Checks for Vehicles |
TWI681366B (zh) | 2018-05-31 | 2020-01-01 | 廣達電腦股份有限公司 | 非線性延展裁切影像之方法及系統 |
CN108764185B (zh) | 2018-06-01 | 2022-07-19 | 京东方科技集团股份有限公司 | 一种图像处理方法及装置 |
US20190370398A1 (en) | 2018-06-01 | 2019-12-05 | SayMosaic Inc. | Method and apparatus for searching historical data |
US11334960B2 (en) | 2018-06-08 | 2022-05-17 | Uatc, Llc | Systems and methods for pipelined processing of sensor data using hardware |
US20190042944A1 (en) | 2018-06-08 | 2019-02-07 | Intel Corporation | Artificial neural network training using flexible floating point tensors |
US11740630B2 (en) | 2018-06-12 | 2023-08-29 | Skydio, Inc. | Fitness and sports applications for an autonomous unmanned aerial vehicle |
US20190378051A1 (en) | 2018-06-12 | 2019-12-12 | Bank Of America Corporation | Machine learning system coupled to a graph structure detecting outlier patterns using graph scanning |
US20190378049A1 (en) | 2018-06-12 | 2019-12-12 | Bank Of America Corporation | Ensemble of machine learning engines coupled to a graph structure that spreads heat |
US11675359B2 (en) | 2018-06-13 | 2023-06-13 | Nvidia Corporation | Path detection for autonomous machines using deep neural networks |
JP2020525809A (ja) | 2018-06-14 | 2020-08-27 | ベイジン ディディ インフィニティ テクノロジー アンド ディベロップメント カンパニー リミティッド | 両眼画像に基づき高解像度地図を更新するためのシステムおよび方法 |
US11341356B2 (en) | 2018-06-15 | 2022-05-24 | Uatc, Llc | System and method for determining object intention through visual attributes |
US11370423B2 (en) | 2018-06-15 | 2022-06-28 | Uatc, Llc | Multi-task machine-learned models for object intention determination in autonomous driving |
US10642275B2 (en) | 2018-06-18 | 2020-05-05 | Zoox, Inc. | Occulsion aware planning and control |
EP3807807A1 (en) | 2018-06-18 | 2021-04-21 | Zoox, Inc. | Occlusion aware planning |
US11048265B2 (en) | 2018-06-18 | 2021-06-29 | Zoox, Inc. | Occlusion aware planning |
US11966838B2 (en) | 2018-06-19 | 2024-04-23 | Nvidia Corporation | Behavior-guided path planning in autonomous machine applications |
US11501140B2 (en) | 2018-06-19 | 2022-11-15 | International Business Machines Corporation | Runtime reconfigurable neural network processor core |
US10726264B2 (en) | 2018-06-25 | 2020-07-28 | Microsoft Technology Licensing, Llc | Object-based localization |
CN108845574B (zh) | 2018-06-26 | 2021-01-12 | 北京旷视机器人技术有限公司 | 目标识别与追踪方法、装置、设备及介质 |
WO2020006154A2 (en) | 2018-06-26 | 2020-01-02 | Itay Katz | Contextual driver monitoring system |
CN108898177A (zh) | 2018-06-26 | 2018-11-27 | 广东电网有限责任公司 | 一种输电线路走廊地表分类方法、系统、介质及设备 |
US10685159B2 (en) | 2018-06-27 | 2020-06-16 | Intel Corporation | Analog functional safety with anomaly detection |
US11454975B2 (en) | 2018-06-28 | 2022-09-27 | Uatc, Llc | Providing actionable uncertainties in autonomous vehicles |
US10810445B1 (en) | 2018-06-29 | 2020-10-20 | Zoox, Inc. | Pipeline with point cloud filtering |
US10921817B1 (en) | 2018-06-29 | 2021-02-16 | Zoox, Inc. | Point cloud filtering with semantic segmentation |
US11500477B2 (en) | 2018-07-02 | 2022-11-15 | Google Llc | Systems and methods for interacting and interfacing with an artificial intelligence system |
CN109086867B (zh) | 2018-07-02 | 2021-06-08 | 武汉魅瞳科技有限公司 | 一种基于fpga的卷积神经网络加速系统 |
KR20200004700A (ko) | 2018-07-04 | 2020-01-14 | 삼성전자주식회사 | 뉴럴 네트워크에서 파라미터를 처리하는 방법 및 장치 |
US10685188B1 (en) | 2018-07-06 | 2020-06-16 | Facebook, Inc. | Systems and methods for training machine learning models for language clusters |
US11537906B2 (en) | 2018-07-12 | 2022-12-27 | The Regents Of The University Of California | Machine learning based target localization for autonomous unmanned vehicles |
JP7140580B2 (ja) | 2018-07-13 | 2022-09-21 | マクセル株式会社 | ステレオ撮像装置 |
US11254325B2 (en) | 2018-07-14 | 2022-02-22 | Moove.Ai | Vehicle-data analytics |
EP3985684A1 (en) | 2018-07-18 | 2022-04-20 | NVIDIA Corporation | Virtualized computing platform for inferencing, advanced processing, and machine learning applications |
US10901416B2 (en) | 2018-07-19 | 2021-01-26 | Honda Motor Co., Ltd. | Scene creation system for autonomous vehicles and methods thereof |
US11042157B2 (en) | 2018-07-23 | 2021-06-22 | Baidu Usa Llc | Lane/object detection and tracking perception system for autonomous vehicles |
US20200033865A1 (en) | 2018-07-24 | 2020-01-30 | Qualcomm Incorporated | Managing Cleaning Robot Behavior |
US10768629B2 (en) | 2018-07-24 | 2020-09-08 | Pony Ai Inc. | Generative adversarial network enriched driving simulation |
US11636333B2 (en) | 2018-07-26 | 2023-04-25 | Tesla, Inc. | Optimizing neural network structures for embedded systems |
US11284051B2 (en) | 2018-07-30 | 2022-03-22 | Pony Ai Inc. | Systems and methods for autonomous vehicle interactive content presentation |
US11353871B2 (en) | 2018-07-30 | 2022-06-07 | Pony Ai Inc. | Systems and methods for vehicle smart seats |
US20200034665A1 (en) | 2018-07-30 | 2020-01-30 | DataRobot, Inc. | Determining validity of machine learning algorithms for datasets |
WO2020025696A1 (en) | 2018-07-31 | 2020-02-06 | Deutsches Krebsforschungszentrum Stiftung des öffentlichen Rechts | Method and system for augmented imaging using multispectral information |
US11584379B2 (en) | 2018-08-06 | 2023-02-21 | Honda Motor Co., Ltd. | System and method for learning naturalistic driving behavior based on vehicle dynamic data |
US10706308B2 (en) | 2018-08-07 | 2020-07-07 | Accenture Global Solutions Limited | Image processing for automated object identification |
US10609434B2 (en) | 2018-08-07 | 2020-03-31 | Adobe Inc. | Machine-learning based multi-step engagement strategy generation and visualization |
US10733638B1 (en) | 2018-08-08 | 2020-08-04 | Facebook, Inc. | Analyzing tracking requests generated by client devices based on attributes describing items |
US11068627B2 (en) | 2018-08-09 | 2021-07-20 | Zoox, Inc. | Procedural world generation |
WO2020034663A1 (en) | 2018-08-13 | 2020-02-20 | The Hong Kong Polytechnic University | Grid-based image cropping |
US11861458B2 (en) | 2018-08-21 | 2024-01-02 | Lyft, Inc. | Systems and methods for detecting and recording anomalous vehicle events |
US20200065879A1 (en) | 2018-08-22 | 2020-02-27 | Midea Group Co., Ltd. | Methods and systems for home device recommendation |
US10871444B2 (en) | 2018-08-30 | 2020-12-22 | Saudi Arabian Oil Company | Inspection and failure detection of corrosion under fireproofing insulation using a hybrid sensory system |
US10755575B2 (en) | 2018-08-30 | 2020-08-25 | Cisco Technology, Inc. | Raw sensor data sharing for enhanced fleet-wide environmental awareness and safety |
US11307584B2 (en) | 2018-09-04 | 2022-04-19 | Skydio, Inc. | Applications and skills for an autonomous unmanned aerial vehicle |
US11521009B2 (en) | 2018-09-04 | 2022-12-06 | Luminar, Llc | Automatically generating training data for a lidar using simulated vehicles in virtual space |
US20200158822A1 (en) | 2018-09-06 | 2020-05-21 | Airspace Systems, Inc. | Unmanned aerial vehicle radar detection |
US10839230B2 (en) | 2018-09-06 | 2020-11-17 | Ford Global Technologies, Llc | Multi-tier network for task-oriented deep neural network |
US20220067850A1 (en) | 2018-09-12 | 2022-03-03 | Electra Vehicles, Inc. | Systems and methods for managing energy storage systems |
US11427223B2 (en) | 2018-09-14 | 2022-08-30 | Uatc, Llc | Driving surface friction estimations for autonomous vehicles |
US11465630B2 (en) | 2018-09-14 | 2022-10-11 | Uatc, Llc | Driving surface friction estimations using vehicle steering |
US11195030B2 (en) | 2018-09-14 | 2021-12-07 | Honda Motor Co., Ltd. | Scene classification |
EP3627399A1 (en) | 2018-09-19 | 2020-03-25 | Tata Consultancy Services Limited | Systems and methods for real time configurable recommendation using user data |
GB2577485B (en) | 2018-09-20 | 2022-06-15 | Jaguar Land Rover Ltd | Control system for a vehicle |
US11449771B2 (en) | 2018-09-21 | 2022-09-20 | Woven Planet North America, Inc. | Systems and methods for processing vehicle data |
DE102018216413A1 (de) | 2018-09-26 | 2020-03-26 | Robert Bosch Gmbh | Vorrichtung und Verfahren zur automatischen Bildverbesserung bei Fahrzeugen |
US10846888B2 (en) | 2018-09-26 | 2020-11-24 | Facebook Technologies, Llc | Systems and methods for generating and transmitting image sequences based on sampled color information |
CN109359731B (zh) | 2018-09-27 | 2022-01-28 | 中科物栖(北京)科技有限责任公司 | 一种基于芯片设计缺陷的神经网络处理方法及装置 |
US11526713B2 (en) | 2018-09-28 | 2022-12-13 | Intel Corporation | Embedding human labeler influences in machine learning interfaces in computing environments |
CN111247495B (zh) | 2018-09-28 | 2023-11-10 | 百度时代网络技术(北京)有限公司 | 用于自动驾驶车辆的低速场景的行人交互系统 |
WO2020068360A1 (en) | 2018-09-28 | 2020-04-02 | Apple Inc. | Distributed labeling for supervised learning |
US10891469B2 (en) | 2018-09-28 | 2021-01-12 | Accenture Global Solutions Limited | Performance of an emotional analysis of a target using techniques driven by artificial intelligence |
US11169531B2 (en) | 2018-10-04 | 2021-11-09 | Zoox, Inc. | Trajectory prediction on top-down scenes |
US11403509B2 (en) | 2018-10-08 | 2022-08-02 | Google Llc | Systems and methods for providing feedback for artificial intelligence-based image capture devices |
CN109389207A (zh) | 2018-10-09 | 2019-02-26 | 四川理工学院 | 一种自适应神经网络学习方法及神经网络系统 |
KR102545105B1 (ko) | 2018-10-10 | 2023-06-19 | 현대자동차주식회사 | 차량용 허위 타겟 판별 장치 및 그의 허위 타겟 판별 방법과 그를 포함하는 차량 |
US11403565B2 (en) | 2018-10-10 | 2022-08-02 | Wipro Limited | Method and system for generating a learning path using machine learning |
US11068724B2 (en) | 2018-10-11 | 2021-07-20 | Baidu Usa Llc | Deep learning continuous lane lines detection system for autonomous vehicles |
US11704568B2 (en) | 2018-10-16 | 2023-07-18 | Carnegie Mellon University | Method and system for hand activity sensing |
CA3114956A1 (en) | 2018-10-19 | 2020-04-23 | The Climate Corporation | Machine learning techniques for identifying clouds and cloud shadows in satellite imagery |
US11430025B2 (en) | 2018-10-19 | 2022-08-30 | Airbnb, Inc. | Synthetic data generation modeling system |
US11676244B2 (en) | 2018-10-19 | 2023-06-13 | Mineral Earth Sciences Llc | Crop yield prediction at field-level and pixel-level |
US11163998B2 (en) | 2018-10-22 | 2021-11-02 | Woven Planet North America, Inc. | Systems and methods for automated image labeling for images captured from vehicles |
US11055866B2 (en) | 2018-10-29 | 2021-07-06 | Samsung Electronics Co., Ltd | System and method for disparity estimation using cameras with different fields of view |
US11568260B2 (en) | 2018-10-29 | 2023-01-31 | Google Llc | Exponential modeling with deep learning features |
KR20200052444A (ko) | 2018-10-30 | 2020-05-15 | 삼성전자주식회사 | 신경망을 이용하여 예측 결과를 출력하는 방법, 신경망을 생성하는 방법 및 그 장치들 |
CN109579856A (zh) | 2018-10-31 | 2019-04-05 | 百度在线网络技术(北京)有限公司 | 高精度地图生成方法、装置、设备及计算机可读存储介质 |
US11403492B2 (en) | 2018-11-02 | 2022-08-02 | Aurora Operations, Inc. | Generating labeled training instances for autonomous vehicles |
US11604992B2 (en) | 2018-11-02 | 2023-03-14 | Microsoft Technology Licensing, Llc | Probabilistic neural network architecture generation |
US11829143B2 (en) | 2018-11-02 | 2023-11-28 | Aurora Operations, Inc. | Labeling autonomous vehicle data |
US20200143279A1 (en) | 2018-11-06 | 2020-05-07 | DeepSig Inc. | Radio frequency band segmentation, signal detection and labelling using machine learning |
CN111158355A (zh) | 2018-11-07 | 2020-05-15 | 富华科精密工业(深圳)有限公司 | 自动导航云服务器及自动导航控制方法 |
JP2022513429A (ja) | 2018-11-08 | 2022-02-08 | シモウディス,エバンゲロス | 乗り物データを管理するためのシステムおよび方法 |
US11481665B2 (en) | 2018-11-09 | 2022-10-25 | Hewlett Packard Enterprise Development Lp | Systems and methods for determining machine learning training approaches based on identified impacts of one or more types of concept drift |
WO2020101246A1 (en) | 2018-11-13 | 2020-05-22 | Samsung Electronics Co., Ltd. | Joint unsupervised object segmentation and inpainting |
US11124185B2 (en) | 2018-11-13 | 2021-09-21 | Zoox, Inc. | Perception collision avoidance |
CN113039563B (zh) | 2018-11-16 | 2024-03-12 | 辉达公司 | 学习生成用于训练神经网络的合成数据集 |
US11755018B2 (en) | 2018-11-16 | 2023-09-12 | Uatc, Llc | End-to-end interpretable motion planner for autonomous vehicles |
US11494937B2 (en) | 2018-11-16 | 2022-11-08 | Uatc, Llc | Multi-task multi-sensor fusion for three-dimensional object detection |
US20200162489A1 (en) | 2018-11-16 | 2020-05-21 | Airspace Systems, Inc. | Security event detection and threat assessment |
US11217012B2 (en) | 2018-11-16 | 2022-01-04 | Uatc, Llc | System and method for identifying travel way features for autonomous vehicle motion control |
US11461963B2 (en) | 2018-11-16 | 2022-10-04 | Uatc, Llc | Systems and methods for generating synthetic light detection and ranging data via machine learning |
US11449713B2 (en) | 2018-11-16 | 2022-09-20 | Uatc, Llc | Attention based feature compression and localization for autonomous devices |
US11715012B2 (en) | 2018-11-16 | 2023-08-01 | Uatc, Llc | Feature compression and localization for autonomous devices |
US11354820B2 (en) | 2018-11-17 | 2022-06-07 | Uatc, Llc | Image based localization system |
US11346950B2 (en) | 2018-11-19 | 2022-05-31 | Huawei Technologies Co., Ltd. | System, device and method of generating a high resolution and high accuracy point cloud |
US10904072B2 (en) | 2018-11-19 | 2021-01-26 | Accenture Global Solutions Limited | System and method for recommending automation solutions for technology infrastructure issues |
US10853670B2 (en) | 2018-11-21 | 2020-12-01 | Ford Global Technologies, Llc | Road surface characterization using pose observations of adjacent vehicles |
KR20200063329A (ko) | 2018-11-21 | 2020-06-05 | 삼성전자주식회사 | 영상 처리 장치 및 그 제어방법 |
US11636681B2 (en) | 2018-11-21 | 2023-04-25 | Meta Platforms, Inc. | Anticipating future video based on present video |
US11423196B2 (en) | 2018-11-28 | 2022-08-23 | Toyota Research Institute, Inc. | Systems and methods for predicting responses of a particle to a stimulus |
US10867444B2 (en) | 2018-11-29 | 2020-12-15 | Adobe Inc. | Synthetic data generation for training a machine learning model for dynamic object compositing in scenes |
US11215997B2 (en) | 2018-11-30 | 2022-01-04 | Zoox, Inc. | Probabilistic risk assessment for trajectory evaluation |
US20200175354A1 (en) | 2018-12-03 | 2020-06-04 | Deep Learn, Inc. | Time and accuracy estimate-based selection of machine-learning predictive models |
US11816585B2 (en) | 2018-12-03 | 2023-11-14 | Tesla, Inc. | Machine learning models operating at different frequencies for autonomous vehicles |
CN109615073B (zh) | 2018-12-03 | 2021-06-04 | 郑州云海信息技术有限公司 | 一种神经网络模型的构建方法、设备以及存储介质 |
US11537811B2 (en) | 2018-12-04 | 2022-12-27 | Tesla, Inc. | Enhanced object detection for autonomous vehicles based on field view |
DE102018130821A1 (de) | 2018-12-04 | 2020-06-04 | Valeo Schalter Und Sensoren Gmbh | Verfahren zum Beurteilen einer Umgebung eines Kraftfahrzeugs durch ein künstliches neuronales Netz mit einer Aggregationseinheit; Steuereinheit, Fahrerassistenzsystem sowie Computerprogrammprodukt |
US20200175371A1 (en) | 2018-12-04 | 2020-06-04 | Bank Of America Corporation | System and method for self constructing deep neural network design through adversarial learning |
US11093783B2 (en) | 2018-12-05 | 2021-08-17 | Subaru Corporation | Vehicle detection apparatus |
US11048318B2 (en) | 2018-12-06 | 2021-06-29 | Intel Corporation | Reducing microprocessor power with minimal performance impact by dynamically adapting runtime operating configurations using machine learning |
CN113243016A (zh) | 2018-12-10 | 2021-08-10 | 株式会社小糸制作所 | 物体识别系统、运算处理装置、汽车、车辆用灯具、分类器的学习方法 |
KR20200070831A (ko) | 2018-12-10 | 2020-06-18 | 삼성전자주식회사 | 인공 신경망을 압축하기 위한 장치 및 방법 |
CN110084086A (zh) | 2018-12-11 | 2019-08-02 | 安徽江淮汽车集团股份有限公司 | 一种基于视觉传感器的自动驾驶车辆可行驶区域检测方法 |
CN111326023B (zh) | 2018-12-13 | 2022-03-29 | 丰翼科技(深圳)有限公司 | 一种无人机航线预警方法、装置、设备及存储介质 |
US11092966B2 (en) | 2018-12-14 | 2021-08-17 | The Boeing Company | Building an artificial-intelligence system for an autonomous vehicle |
US10915783B1 (en) | 2018-12-14 | 2021-02-09 | Amazon Technologies, Inc. | Detecting and locating actors in scenes based on degraded or supersaturated depth data |
WO2020123163A1 (en) | 2018-12-14 | 2020-06-18 | Apple Inc. | Machine learning assisted image prediction |
US20200193313A1 (en) | 2018-12-14 | 2020-06-18 | Parallel Machines, Inc. | Interpretability-based machine learning adjustment during production |
US20220028052A1 (en) | 2018-12-14 | 2022-01-27 | Asml Netherlands B.V. | Apparatus and method for grouping image patterns to determine wafer behavior in a patterning process |
JP7335274B2 (ja) | 2018-12-18 | 2023-08-29 | グーグル エルエルシー | ジオロケーションの予測のためのシステムおよび方法 |
US10937186B2 (en) | 2018-12-19 | 2021-03-02 | Fca Us Llc | Techniques for precisely locating landmarks in monocular camera images with deep learning |
US10846831B2 (en) | 2018-12-19 | 2020-11-24 | GM Global Technology Operations LLC | Computing system for rectifying ultra-wide fisheye lens images |
US10817732B2 (en) | 2018-12-20 | 2020-10-27 | Trimble Inc. | Automated assessment of collision risk based on computer vision |
JP7293644B2 (ja) | 2018-12-20 | 2023-06-20 | カシオ計算機株式会社 | 画像識別装置、識別器学習方法、画像識別方法及びプログラム |
US11861481B2 (en) | 2018-12-21 | 2024-01-02 | Waymo Llc | Searching an autonomous vehicle sensor data repository |
US11443515B2 (en) | 2018-12-21 | 2022-09-13 | Ambient AI, Inc. | Systems and methods for machine learning enhanced intelligent building access endpoint security monitoring and management |
CN109978132A (zh) | 2018-12-24 | 2019-07-05 | 中国科学院深圳先进技术研究院 | 一种精细化车辆识别的神经网络方法及系统 |
US11023745B2 (en) | 2018-12-27 | 2021-06-01 | Beijing Didi Infinity Technology And Development Co., Ltd. | System for automated lane marking |
WO2020139355A1 (en) | 2018-12-27 | 2020-07-02 | Didi Research America, Llc | System for automated lane marking |
WO2020139357A1 (en) | 2018-12-27 | 2020-07-02 | Didi Research America, Llc | Using image pre-processing to generate a machine learning model |
CN109934163B (zh) | 2018-12-27 | 2022-07-08 | 北京航空航天大学 | 一种基于场景先验和特征再融合的航空图像车辆检测方法 |
US11087173B2 (en) | 2018-12-27 | 2021-08-10 | Beijing Didi Infinity Technology And Development Co., Ltd. | Using image pre-processing to generate a machine learning model |
US20220078637A1 (en) | 2018-12-28 | 2022-03-10 | Telefonaktiebolaget Lm Ericsson (Publ) | Wireless device, a network node and methods therein for updating a first instance of a machine learning model |
US11170299B2 (en) | 2018-12-28 | 2021-11-09 | Nvidia Corporation | Distance estimation to objects and free-space boundaries in autonomous machine applications |
US20200209857A1 (en) | 2018-12-31 | 2020-07-02 | Uber Technologies, Inc. | Multimodal control system for self driving vehicle |
US20200210840A1 (en) | 2018-12-31 | 2020-07-02 | Microsoft Technology Licensing, Llc | Adjusting precision and topology parameters for neural network training based on a performance metric |
KR102097120B1 (ko) | 2018-12-31 | 2020-04-09 | 주식회사 애자일소다 | 딥러닝 기반의 자동차 부위별 파손정도 자동 판정 시스템 및 방법 |
US20200209874A1 (en) | 2018-12-31 | 2020-07-02 | Chongqing Jinkang New Energy Vehicle, Ltd. | Combined virtual and real environment for autonomous vehicle planning and control testing |
US20200331476A1 (en) | 2018-12-31 | 2020-10-22 | Chongqing Jinkang New Energy Vehicle, Ltd. | Automatic lane change with minimum gap distance |
US20200218722A1 (en) | 2019-01-04 | 2020-07-09 | SayMosaic Inc. | System and method for natural language processing (nlp) based searching and question answering |
KR20200085490A (ko) | 2019-01-07 | 2020-07-15 | 에스케이플래닛 주식회사 | 신경망 모델을 이용한 센서 이상 감지를 위한 서비스 제공 시스템 및 방법, 그리고 컴퓨터 프로그램이 기록된 비휘발성 기록매체 |
US20200216064A1 (en) | 2019-01-08 | 2020-07-09 | Aptiv Technologies Limited | Classifying perceived objects based on activity |
US11294472B2 (en) | 2019-01-11 | 2022-04-05 | Microsoft Technology Licensing, Llc | Augmented two-stage hand gesture input |
US11176834B2 (en) * | 2019-01-15 | 2021-11-16 | Uber Technologies, Inc. | Dynamic vertiport configuration |
CN109886997B (zh) | 2019-01-23 | 2023-07-11 | 平安科技(深圳)有限公司 | 基于目标检测的识别框确定方法、装置及终端设备 |
CN111488770A (zh) | 2019-01-28 | 2020-08-04 | 初速度(苏州)科技有限公司 | 交通标志识别方法、神经网络模型的训练方法和装置 |
CN109948428B (zh) | 2019-01-28 | 2022-12-09 | 上海理工大学 | 面向传感信息处理的gpu集群深度学习边缘计算系统 |
US10373026B1 (en) | 2019-01-28 | 2019-08-06 | StradVision, Inc. | Learning method and learning device for generation of virtual feature maps whose characteristics are same as or similar to those of real feature maps by using GAN capable of being applied to domain adaptation to be used in virtual driving environments |
US10692002B1 (en) | 2019-01-28 | 2020-06-23 | StradVision, Inc. | Learning method and learning device of pedestrian detector for robust surveillance based on image analysis by using GAN and testing method and testing device using the same |
US10628688B1 (en) | 2019-01-30 | 2020-04-21 | Stadvision, Inc. | Learning method and learning device, and testing method and testing device for detecting parking spaces by using point regression results and relationship between points to thereby provide an auto-parking system |
US20200242511A1 (en) | 2019-01-30 | 2020-07-30 | Oracle International Corporation | Dynamic Data Selection for a Machine Learning Model |
US11087175B2 (en) | 2019-01-30 | 2021-08-10 | StradVision, Inc. | Learning method and learning device of recurrent neural network for autonomous driving safety check for changing driving mode between autonomous driving mode and manual driving mode, and testing method and testing device using them |
US11775534B2 (en) * | 2019-01-31 | 2023-10-03 | Uber Technologies, Inc. | Predicting and preventing negative user experience in a network service |
US10824947B2 (en) | 2019-01-31 | 2020-11-03 | StradVision, Inc. | Learning method for supporting safer autonomous driving without danger of accident by estimating motions of surrounding objects through fusion of information from multiple sources, learning device, testing method and testing device using the same |
US10726279B1 (en) | 2019-01-31 | 2020-07-28 | StradVision, Inc. | Method and device for attention-driven resource allocation by using AVM and reinforcement learning to thereby achieve safety of autonomous driving |
WO2020157761A1 (en) | 2019-01-31 | 2020-08-06 | Amnon Buxboim | Automated evaluation of embryo implantation potential |
US10540572B1 (en) | 2019-01-31 | 2020-01-21 | StradVision, Inc. | Method for auto-labeling training images for use in deep learning network to analyze images with high precision, and auto-labeling device using the same |
US10943355B2 (en) | 2019-01-31 | 2021-03-09 | Uatc, Llc | Systems and methods for detecting an object velocity |
US10776673B2 (en) | 2019-01-31 | 2020-09-15 | StradVision, Inc. | Learning method and learning device for sensor fusion to integrate information acquired by radar capable of distance estimation and information acquired by camera to thereby improve neural network for supporting autonomous driving, and testing method and testing device using the same |
US11150664B2 (en) | 2019-02-01 | 2021-10-19 | Tesla, Inc. | Predicting three-dimensional features for autonomous driving |
WO2020160288A1 (en) | 2019-02-01 | 2020-08-06 | Starkey Laboratories, Inc. | Efficient wellness measurement in ear-wearable devices |
EP3918428A4 (en) | 2019-02-05 | 2022-10-26 | Urugus S.A. | AUTOMATIC OPTIMIZATION OF MACHINE LEARNING ALGORITHMS IN THE PRESENCE OF TARGET RECORDS |
US10984575B2 (en) | 2019-02-06 | 2021-04-20 | Snap Inc. | Body pose estimation |
WO2020167667A1 (en) | 2019-02-11 | 2020-08-20 | Flagship Pioneering Innovations Vi, Llc | Machine learning guided polypeptide analysis |
US11635767B2 (en) | 2019-02-13 | 2023-04-25 | Semyon Nisenzon | System and method of using multi-resolution camera clusters input data for controlling autonomous vehicles |
US10568570B1 (en) | 2019-02-14 | 2020-02-25 | Trungram Gyaltrul Sherpa | Methods and systems for providing a preferred fitness state of a user |
US10726374B1 (en) | 2019-02-19 | 2020-07-28 | Icertis, Inc. | Risk prediction based on automated analysis of documents |
US10956755B2 (en) | 2019-02-19 | 2021-03-23 | Tesla, Inc. | Estimating object properties using visual image data |
US10970911B2 (en) | 2019-02-21 | 2021-04-06 | Facebook Technologies, Llc | Graphics processing chip with machine-learning based shader |
US11977388B2 (en) | 2019-02-21 | 2024-05-07 | Nvidia Corporation | Quantizing autoencoders in a neural network |
US11635764B2 (en) | 2019-02-22 | 2023-04-25 | Uatc, Llc. | Motion prediction for autonomous devices |
US11562176B2 (en) | 2019-02-22 | 2023-01-24 | Cisco Technology, Inc. | IoT fog as distributed machine learning structure search platform |
CN109902732B (zh) | 2019-02-22 | 2021-08-27 | 哈尔滨工业大学(深圳) | 车辆自动分类方法及相关装置 |
US10990950B2 (en) | 2019-02-25 | 2021-04-27 | Walmart Apollo, Llc | Systems and methods of product recognition through multi-model image processing |
US11710034B2 (en) | 2019-02-27 | 2023-07-25 | Intel Corporation | Misuse index for explainable artificial intelligence in computing environments |
US11658880B2 (en) | 2019-02-27 | 2023-05-23 | Telefonaktiebolaget Lm Ericsson (Publ) | Transfer learning for radio resource management |
JP7352632B2 (ja) | 2019-02-28 | 2023-09-28 | スキッドモア オーウィングス アンド メリル リミテッド ライアビリティ パートナーシップ | 機械学習ツール |
CN110223301B (zh) | 2019-03-01 | 2021-08-03 | 华为技术有限公司 | 一种图像裁剪方法和电子设备 |
CN109949257B (zh) | 2019-03-06 | 2021-09-10 | 西安电子科技大学 | 基于深度学习的感兴趣区域压缩感知图像重构方法 |
US10930065B2 (en) | 2019-03-08 | 2021-02-23 | X Development Llc | Three-dimensional modeling with two dimensional data |
CN109978161B (zh) | 2019-03-08 | 2022-03-04 | 吉林大学 | 一种通用的卷积-池化同步处理卷积核系统 |
US10949997B2 (en) | 2019-03-08 | 2021-03-16 | Ford Global Technologies, Llc | Vehicle localization systems and methods |
CN113811886B (zh) | 2019-03-11 | 2024-03-19 | 辉达公司 | 自主机器应用中的路口检测和分类 |
CN109902186B (zh) | 2019-03-12 | 2021-05-11 | 北京百度网讯科技有限公司 | 用于生成神经网络的方法和装置 |
US20200294162A1 (en) | 2019-03-13 | 2020-09-17 | Opendoor Labs Inc. | Value prediction error generation system |
AU2019201716A1 (en) | 2019-03-13 | 2020-10-01 | Canon Kabushiki Kaisha | System and method of generating a neural network architecture |
WO2020185234A1 (en) | 2019-03-14 | 2020-09-17 | Hewlett-Packard Development Company, L.P. | Preprocessing sensor data for machine learning |
CN113632078A (zh) | 2019-03-14 | 2021-11-09 | 惠普发展公司,有限责任合伙企业 | 响应于来自多个客户端的机器学习请求 |
US20200293828A1 (en) | 2019-03-15 | 2020-09-17 | Nvidia Corporation | Techniques to train a neural network using transformations |
CN109871828B (zh) | 2019-03-15 | 2022-12-02 | 京东方科技集团股份有限公司 | 视频识别方法和识别装置、存储介质 |
CN109975308B (zh) | 2019-03-15 | 2023-03-24 | 维库(厦门)信息技术有限公司 | 一种基于深度学习的表面检测方法 |
WO2020190781A1 (en) | 2019-03-16 | 2020-09-24 | Nvidia Corporation | Leveraging multidimensional sensor data for computationally efficient object detection |
CN113632095A (zh) | 2019-03-16 | 2021-11-09 | 辉达公司 | 使用适合停车位检测的倾斜多边形进行对象检测 |
US11580386B2 (en) | 2019-03-18 | 2023-02-14 | Electronics And Telecommunications Research Institute | Convolutional layer acceleration unit, embedded system having the same, and method for operating the embedded system |
SG11202109584YA (en) | 2019-03-19 | 2021-10-28 | Liveperson Inc | Dynamic communications routing to disparate endpoints |
US10402641B1 (en) | 2019-03-19 | 2019-09-03 | Capital One Services, Llc | Platform for document classification |
US20200302288A1 (en) | 2019-03-20 | 2020-09-24 | Gyrfalcon Technology Inc. | Using output equalization in training an artificial intelligence model in a semiconductor solution |
US11559221B2 (en) | 2019-03-22 | 2023-01-24 | Siemens Healthcare Gmbh | Multi-task progressive networks for patient modeling for medical scans |
JP7240916B2 (ja) | 2019-03-22 | 2023-03-16 | ソニーセミコンダクタソリューションズ株式会社 | 情報処理装置、情報処理方法、および情報処理プログラム |
US20200302662A1 (en) | 2019-03-23 | 2020-09-24 | Uatc, Llc | System and Methods for Generating High Definition Maps Using Machine-Learned Models to Analyze Topology Data Gathered From Sensors |
US11423563B2 (en) | 2019-03-23 | 2022-08-23 | Uatc, Llc | Depth estimation for autonomous devices |
CA3134819A1 (en) | 2019-03-23 | 2020-10-01 | Uatc, Llc | Systems and methods for generating synthetic sensor data via machine learning |
US11548533B2 (en) | 2019-03-23 | 2023-01-10 | Uatc, Llc | Perception and motion prediction for autonomous devices |
JP2022527072A (ja) | 2019-03-25 | 2022-05-30 | ズークス インコーポレイテッド | 属性に基づく歩行者の予測 |
US11021148B2 (en) | 2019-03-25 | 2021-06-01 | Zoox, Inc. | Pedestrian prediction based on attributes |
US11351991B2 (en) | 2019-03-25 | 2022-06-07 | Zoox, Inc. | Prediction based on attributes |
CN109951710B (zh) | 2019-03-26 | 2021-07-02 | 中国民航大学 | 基于深度学习的机坪监控视频压缩方法及系统 |
US11199415B2 (en) | 2019-03-26 | 2021-12-14 | Lyft, Inc. | Systems and methods for estimating vehicle position based on contextual sensor information |
US10790919B1 (en) | 2019-03-26 | 2020-09-29 | Electronic Arts Inc. | Personalized real-time audio generation based on user physiological response |
US10657934B1 (en) | 2019-03-27 | 2020-05-19 | Electronic Arts Inc. | Enhancements for musical composition applications |
US11276216B2 (en) | 2019-03-27 | 2022-03-15 | Electronic Arts Inc. | Virtual animal character generation from image or video data |
US10953334B2 (en) | 2019-03-27 | 2021-03-23 | Electronic Arts Inc. | Virtual character generation from image or video data |
US11740335B2 (en) | 2019-03-27 | 2023-08-29 | Zoox, Inc. | Identifying and/or removing false positive detections from LIDAR sensor output |
KR20210134317A (ko) | 2019-03-29 | 2021-11-09 | 인텔 코포레이션 | 자율 차량 시스템 |
US20200311601A1 (en) | 2019-03-29 | 2020-10-01 | Optum, Inc. | Hybrid rule-based and machine learning predictions |
US11709495B2 (en) | 2019-03-29 | 2023-07-25 | SafeAI, Inc. | Systems and methods for transfer of material using autonomous machines with reinforcement learning and visual servo control |
US10661902B1 (en) | 2019-03-29 | 2020-05-26 | QuantumID Technologies Inc | Artificial intelligence system for estimating excess non-sapient payload capacity on mixed-payload aeronautic excursions |
US11877801B2 (en) | 2019-04-02 | 2024-01-23 | Medicrea International | Systems, methods, and devices for developing patient-specific spinal implants, treatments, operations, and/or procedures |
US10559386B1 (en) | 2019-04-02 | 2020-02-11 | Kpn Innovations, Llc | Methods and systems for an artificial intelligence support network for vibrant constituional guidance |
WO2020198779A1 (en) | 2019-04-04 | 2020-10-08 | Presagen Pty Ltd | Method and system for selecting embryos |
US11250062B2 (en) | 2019-04-04 | 2022-02-15 | Kpn Innovations Llc | Artificial intelligence methods and systems for generation and implementation of alimentary instruction sets |
US11636380B2 (en) | 2019-04-09 | 2023-04-25 | Nxp B.V. | Method for protecting a machine learning model against extraction using an ensemble of a plurality of machine learning models |
CN111797657A (zh) | 2019-04-09 | 2020-10-20 | Oppo广东移动通信有限公司 | 车辆周边障碍检测方法、装置、存储介质及电子设备 |
US10943132B2 (en) | 2019-04-10 | 2021-03-09 | Black Sesame International Holding Limited | Distant on-road object detection |
EP3722992B1 (en) | 2019-04-10 | 2023-03-01 | Teraki GmbH | System and method for pre-processing images captured by a vehicle |
AU2020271905A1 (en) | 2019-04-11 | 2021-11-25 | Agilent Technologies, Inc. | Deep learning based training of instance segmentation via regression layers |
US11588760B2 (en) | 2019-04-12 | 2023-02-21 | Asapp, Inc. | Initialization of automated workflows |
US10928508B2 (en) | 2019-04-12 | 2021-02-23 | Ford Global Technologies, Llc | Camera and radar fusion |
CN109961491B (zh) | 2019-04-12 | 2023-05-26 | 上海联影医疗科技股份有限公司 | 多模态图像截断补偿方法、装置、计算机设备和介质 |
JP2020173744A (ja) | 2019-04-15 | 2020-10-22 | 株式会社日立製作所 | 機械学習を用いた画像処理方式,およびそれを用いた電子制御装置 |
US20200327449A1 (en) | 2019-04-15 | 2020-10-15 | Accenture Global Solutions Limited | User retention platform |
EP3725354B1 (en) | 2019-04-15 | 2023-04-12 | Nxp B.V. | Audio controller |
CN109901595A (zh) | 2019-04-16 | 2019-06-18 | 山东大学 | 一种基于单目摄像头和树莓派的自动驾驶系统及方法 |
JP7188255B2 (ja) | 2019-04-16 | 2022-12-13 | 富士通株式会社 | 学習方法、学習プログラムおよび学習装置 |
US11790171B2 (en) | 2019-04-16 | 2023-10-17 | Covera Health | Computer-implemented natural language understanding of medical reports |
US11126890B2 (en) | 2019-04-18 | 2021-09-21 | Adobe Inc. | Robust training of large-scale object detectors with a noisy dataset |
US11809993B2 (en) | 2019-04-18 | 2023-11-07 | Google Llc | Systems and methods for determining graph similarity |
US10893070B2 (en) | 2019-04-18 | 2021-01-12 | Facebook, Inc. | Detecting a page for a real-world entity, an imposter of a real-world entity, or a non-real-world entity that complies with or violates a policy of an online system |
CN110060202B (zh) | 2019-04-19 | 2021-06-08 | 湖北亿咖通科技有限公司 | 一种单目slam算法的初始化方法及系统 |
CN116846715A (zh) | 2019-04-23 | 2023-10-03 | 迪普西格有限公司 | 使用机器学习网络处理通信信号 |
US20200342968A1 (en) | 2019-04-24 | 2020-10-29 | GE Precision Healthcare LLC | Visualization of medical device event processing |
US11257272B2 (en) | 2019-04-25 | 2022-02-22 | Lucid VR, Inc. | Generating synthetic image data for machine learning |
WO2020219303A1 (en) | 2019-04-26 | 2020-10-29 | Nvidia Corporation | Intersection pose detection in autonomous machine applications |
CN110111340B (zh) | 2019-04-28 | 2021-05-14 | 南开大学 | 基于多路割的弱监督实例分割方法 |
CN110175671B (zh) | 2019-04-28 | 2022-12-27 | 华为技术有限公司 | 神经网络的构建方法、图像处理方法及装置 |
US11176493B2 (en) | 2019-04-29 | 2021-11-16 | Google Llc | Virtualizing external memory as local to a machine learning accelerator |
US10789402B1 (en) | 2019-05-01 | 2020-09-29 | Xilinx, Inc. | Compiler and hardware abstraction layer architecture for a neural network accelerator |
GB2583509B (en) | 2019-05-01 | 2023-02-22 | Advanced Risc Mach Ltd | System and method for fault detection and correction |
US10475208B1 (en) | 2019-05-02 | 2019-11-12 | Capital One Services, Llc | Vehicle analysis platform |
US10924661B2 (en) | 2019-05-02 | 2021-02-16 | International Business Machines Corporation | Generating image capture configurations and compositions |
WO2020227128A1 (en) | 2019-05-03 | 2020-11-12 | Image Stream Medical, Inc. | Context and state aware operating room |
US11556615B2 (en) | 2019-05-03 | 2023-01-17 | Tesla, Inc. | Data path for scalable matrix node engine with mixed data formats |
CN110135485A (zh) | 2019-05-05 | 2019-08-16 | 浙江大学 | 单目相机与毫米波雷达融合的物体识别与定位方法和系统 |
US11556861B2 (en) | 2019-05-06 | 2023-01-17 | Google Llc | Debugging correctness issues in training machine learning models |
US11461664B2 (en) | 2019-05-07 | 2022-10-04 | Kpn Innovations, Llc. | Methods and systems for an artificial intelligence alimentary professional support network for vibrant constitutional guidance |
US10949684B2 (en) | 2019-05-08 | 2021-03-16 | Ford Global Technologies, Llc | Vehicle image verification |
CN110334801A (zh) | 2019-05-09 | 2019-10-15 | 苏州浪潮智能科技有限公司 | 一种卷积神经网络的硬件加速方法、装置、设备及系统 |
US10832418B1 (en) | 2019-05-09 | 2020-11-10 | Zoox, Inc. | Object velocity from images |
US20200356107A1 (en) | 2019-05-10 | 2020-11-12 | Uber Technologies, Inc. | Walkway Detection for Autonomous Light Electric Vehicle |
US20200364508A1 (en) | 2019-05-14 | 2020-11-19 | Nvidia Corporation | Using decay parameters for inferencing with neural networks |
EP3739486A1 (en) | 2019-05-14 | 2020-11-18 | CrowdStrike, Inc. | Applications of machine learning models to a binary search engine based on an inverted index of byte sequences |
US11701771B2 (en) | 2019-05-15 | 2023-07-18 | Nvidia Corporation | Grasp generation using a variational autoencoder |
CN110069071B (zh) | 2019-05-15 | 2022-06-14 | 深圳铂石空间科技有限公司 | 无人机导航方法与装置、存储介质、电子设备 |
US11263467B2 (en) | 2019-05-15 | 2022-03-01 | Apical Limited | Image processing |
US11475277B2 (en) | 2019-05-16 | 2022-10-18 | Google Llc | Accurate and interpretable classification with hard attention |
US11869037B2 (en) | 2019-05-17 | 2024-01-09 | gStore LLC | Integrating content-delivery platforms into programmatic environments generated by executed applications |
KR102071179B1 (ko) | 2019-05-20 | 2020-01-29 | 주식회사 루닛 | 데이터 셋의 연속적인 학습 방법 및 장치 |
KR102043143B1 (ko) | 2019-05-20 | 2019-11-11 | 호서대학교 산학협력단 | 인공신경망을 이용한 agv 주행제어 방법 및 장치 |
US20200372402A1 (en) | 2019-05-24 | 2020-11-26 | Bank Of America Corporation | Population diversity based learning in adversarial and rapid changing environments |
US11610142B2 (en) | 2019-05-28 | 2023-03-21 | Ati Technologies Ulc | Safety monitor for image misclassification |
CN114144809A (zh) | 2019-05-30 | 2022-03-04 | 御眼视觉技术有限公司 | 通过摄像机进行交通工具环境建模 |
CN110225341B (zh) | 2019-06-03 | 2020-08-28 | 中国科学技术大学 | 一种任务驱动的码流结构化图像编码方法 |
KR20200142266A (ko) | 2019-06-12 | 2020-12-22 | (주)리터너블 | 객체 인식 시스템 및 이를 사용한 객체 인식 방법 |
US11928557B2 (en) | 2019-06-13 | 2024-03-12 | Lyft, Inc. | Systems and methods for routing vehicles to capture and evaluate targeted scenarios |
US11113568B2 (en) | 2019-06-14 | 2021-09-07 | Canon Kabushiki Kaisha | Devices, systems, and methods for device-error analysis using computer vision and machine learning |
US11823460B2 (en) | 2019-06-14 | 2023-11-21 | Tusimple, Inc. | Image fusion for autonomous vehicle operation |
US11494930B2 (en) | 2019-06-17 | 2022-11-08 | SafeAI, Inc. | Techniques for volumetric estimation |
WO2020257292A1 (en) | 2019-06-18 | 2020-12-24 | Moloco, Inc. | Method and system for providing machine learning service |
CN112101562B (zh) | 2019-06-18 | 2024-01-30 | 第四范式(北京)技术有限公司 | 机器学习建模过程的实现方法和系统 |
US11501109B2 (en) | 2019-06-20 | 2022-11-15 | Western Digital Technologies, Inc. | Non-volatile memory die with on-chip data augmentation components for use with machine learning |
US20200402155A1 (en) | 2019-06-20 | 2020-12-24 | Bank Of America Corporation | Systems for providing real-time resource distribution to a resource event having standard delayed resource availability |
US11087463B2 (en) | 2019-06-21 | 2021-08-10 | StraxCorp Pty. Ltd. | Image analysis method and system for assessing bone fragility |
US11192558B2 (en) | 2019-06-24 | 2021-12-07 | Here Global B.V. | Method, apparatus, and system for providing road curvature data |
JP2022538813A (ja) | 2019-06-25 | 2022-09-06 | エヌビディア コーポレーション | 自律マシン・アプリケーションのための交差点領域検出及び分類 |
CN110310264B (zh) | 2019-06-25 | 2021-07-20 | 北京邮电大学 | 一种基于dcnn的大尺度目标检测方法、装置 |
US20200410288A1 (en) | 2019-06-26 | 2020-12-31 | Here Global B.V. | Managed edge learning in heterogeneous environments |
US11158056B2 (en) | 2019-06-26 | 2021-10-26 | Intel Corporation | Surround camera system with seamless stitching for arbitrary viewpoint selection |
DE102019209565A1 (de) | 2019-06-28 | 2020-12-31 | Robert Bosch Gmbh | Verfahren und Vorrichtung zum Überprüfen der Robustheit eines künstlichen neuronalen Netzes |
US11163990B2 (en) | 2019-06-28 | 2021-11-02 | Zoox, Inc. | Vehicle control system and method for pedestrian detection based on head detection in sensor data |
WO2020264010A1 (en) | 2019-06-28 | 2020-12-30 | Zoox, Inc. | Low variance region detection for improved detection |
US11657094B2 (en) | 2019-06-28 | 2023-05-23 | Meta Platforms Technologies, Llc | Memory grounded conversational reasoning and question answering for assistant systems |
US11170567B2 (en) | 2019-06-28 | 2021-11-09 | Woven Planet North America, Inc. | Dynamic object detection model based on static map collection data |
US20210006835A1 (en) | 2019-07-01 | 2021-01-07 | Microsoft Technology Licensing, Llc | Blurring to improve visual quality in an area of interest in a frame |
CN110414362A (zh) | 2019-07-02 | 2019-11-05 | 安徽继远软件有限公司 | 基于生成式对抗网络的电力图像数据增广方法 |
US11467588B2 (en) | 2019-07-03 | 2022-10-11 | Denso International America, Inc. | Systems and methods for controlling an autonomous vehicle using target orientated artificial intelligence |
US20210004795A1 (en) | 2019-07-03 | 2021-01-07 | Sap Se | Anomaly and fraud detection using duplicate event detector |
KR20210004306A (ko) | 2019-07-04 | 2021-01-13 | 삼성전자주식회사 | 뉴럴 네트워크 장치 및 뉴럴 네트워크의 파라미터 양자화 방법 |
US11023749B2 (en) | 2019-07-05 | 2021-06-01 | Zoox, Inc. | Prediction on top-down scenes based on action data |
US11681925B2 (en) | 2019-07-08 | 2023-06-20 | Vianai Systems, Inc. | Techniques for creating, analyzing, and modifying neural networks |
US11475675B2 (en) | 2019-07-08 | 2022-10-18 | Uatc, Llc | Systems and methods for identifying unknown instances |
CN110321965B (zh) | 2019-07-10 | 2021-06-18 | 腾讯科技(深圳)有限公司 | 物体重识别模型的训练方法、物体重识别的方法及装置 |
US20210011908A1 (en) | 2019-07-11 | 2021-01-14 | Ghost Locomotion Inc. | Model-based structured data filtering in an autonomous vehicle |
US11829896B2 (en) | 2019-07-11 | 2023-11-28 | Ghost Autonomy Inc. | Uncertainty-based data filtering in a vehicle |
US20210012239A1 (en) | 2019-07-12 | 2021-01-14 | Microsoft Technology Licensing, Llc | Automated generation of machine learning models for network evaluation |
US11379287B2 (en) | 2019-07-17 | 2022-07-05 | Factualvr, Inc. | System and method for error detection and correction in virtual reality and augmented reality environments |
US11191342B2 (en) | 2019-07-18 | 2021-12-07 | L'oreal | Techniques for identifying skin color in images having uncontrolled lighting conditions |
CN110473173A (zh) | 2019-07-24 | 2019-11-19 | 熵智科技(深圳)有限公司 | 一种基于深度学习语义分割的缺陷检测方法 |
US11941976B2 (en) | 2019-07-25 | 2024-03-26 | Pony Ai Inc. | System and method for sharing data collected from the street sensors |
CN110599537A (zh) | 2019-07-25 | 2019-12-20 | 中国地质大学(武汉) | 基于Mask R-CNN的无人机图像建筑物面积计算方法及系统 |
US10893107B1 (en) | 2019-07-25 | 2021-01-12 | Amazon Technologies, Inc. | Techniques for managing processing resources |
US20210030276A1 (en) | 2019-07-29 | 2021-02-04 | DawnLight Technologies Inc. | Remote Health Monitoring Systems and Method |
CN112308095A (zh) | 2019-07-30 | 2021-02-02 | 顺丰科技有限公司 | 图片预处理及模型训练方法、装置、服务器及存储介质 |
CN110399875A (zh) | 2019-07-31 | 2019-11-01 | 山东浪潮人工智能研究院有限公司 | 一种基于深度学习与像素投影的通用表格信息提取方法 |
US11200456B2 (en) | 2019-07-31 | 2021-12-14 | GE Precision Healthcare LLC | Systems and methods for generating augmented training data for machine learning models |
US11182903B2 (en) | 2019-08-05 | 2021-11-23 | Sony Corporation | Image mask generation using a deep neural network |
CN110426051B (zh) | 2019-08-05 | 2021-05-18 | 武汉中海庭数据技术有限公司 | 一种车道线绘制方法、装置及存储介质 |
US11449709B2 (en) | 2019-08-08 | 2022-09-20 | Nvidia Corporation | Domain restriction of neural networks through synthetic data pre-training |
US11531883B2 (en) | 2019-08-12 | 2022-12-20 | Bank Of America Corporation | System and methods for iterative synthetic data generation and refinement of machine learning models |
US11537880B2 (en) | 2019-08-12 | 2022-12-27 | Bank Of America Corporation | System and methods for generation of synthetic data cluster vectors and refinement of machine learning models |
US11348339B2 (en) | 2019-08-13 | 2022-05-31 | Uatc, Llc | Association and tracking for autonomous devices |
US11593753B2 (en) | 2019-08-13 | 2023-02-28 | United Parcel Service Of America, Inc. | Multi-phase consolidation optimization tool |
US11556992B2 (en) | 2019-08-14 | 2023-01-17 | Royal Bank Of Canada | System and method for machine learning architecture for enterprise capitalization |
CN110543837B (zh) | 2019-08-16 | 2022-03-15 | 北京航空航天大学 | 一种基于潜在目标点的可见光机场飞机检测方法 |
US11634162B2 (en) | 2019-08-16 | 2023-04-25 | Uatc, Llc. | Full uncertainty for motion planning in autonomous vehicles |
US11144754B2 (en) | 2019-08-19 | 2021-10-12 | Nvidia Corporation | Gaze detection using one or more neural networks |
US11302009B2 (en) | 2019-08-19 | 2022-04-12 | Fotonation Limited | Method of image processing using a neural network |
US11594036B2 (en) | 2019-08-21 | 2023-02-28 | Micron Technology, Inc. | Advanced driver-assistance system (ADAS) operation utilizing algorithmic skyline detection |
CN110516665A (zh) | 2019-08-23 | 2019-11-29 | 上海眼控科技股份有限公司 | 识别图像叠加文字区域的神经网络模型构建方法与系统 |
US11232110B2 (en) | 2019-08-23 | 2022-01-25 | Capital One Services, Llc | Natural language keyword tag extraction |
CN110619283B (zh) | 2019-08-26 | 2023-01-10 | 海南撰云空间信息技术有限公司 | 一种无人机正射影像道路自动提取方法 |
CN110619282B (zh) | 2019-08-26 | 2023-01-10 | 海南撰云空间信息技术有限公司 | 一种无人机正射影像建筑物自动提取方法 |
CN110569899B (zh) | 2019-09-03 | 2022-06-10 | 嘉陵江亭子口水利水电开发有限公司 | 坝面缺陷分类模型训练方法及装置 |
CN110619330A (zh) | 2019-09-18 | 2019-12-27 | 上海眼控科技股份有限公司 | 识别模型的训练方法、装置、计算机设备及识别方法 |
CN110751280A (zh) | 2019-09-19 | 2020-02-04 | 华中科技大学 | 一种应用于卷积神经网络的可配置卷积加速器 |
CN110659628A (zh) | 2019-10-09 | 2020-01-07 | 山东浪潮人工智能研究院有限公司 | 一种基于深度学习的煤矿监控视频解压缩方法及系统 |
CN110599864A (zh) | 2019-10-28 | 2019-12-20 | 苏州智行众维智能科技有限公司 | 一种基于室内交通场景模拟传感器建模和验证装置及方法 |
CN110826566B (zh) | 2019-11-01 | 2022-03-01 | 北京环境特性研究所 | 一种基于深度学习的目标切片提取方法 |
US10819923B1 (en) | 2019-11-19 | 2020-10-27 | Waymo Llc | Thermal imaging for self-driving cars |
CN110956185B (zh) | 2019-11-21 | 2023-04-18 | 大连理工大学人工智能大连研究院 | 一种图像显著目标的检测方法 |
CN110966991B (zh) | 2019-11-21 | 2021-07-02 | 中国人民解放军国防科技大学 | 一种无控制点下的单幅无人机影像定位方法 |
CN111307162B (zh) | 2019-11-25 | 2020-09-25 | 奥特酷智能科技(南京)有限公司 | 用于自动驾驶场景的多传感器融合定位方法 |
DE102019008316A1 (de) | 2019-11-29 | 2020-08-13 | Daimler Ag | Verfahren zur Objekterkennung und Abstandsbestimmung |
CN111126453B (zh) | 2019-12-05 | 2022-05-03 | 重庆邮电大学 | 基于注意力机制和切割填充的细粒度图像分类方法及系统 |
CN110688992B (zh) | 2019-12-09 | 2020-08-04 | 中智行科技有限公司 | 交通信号识别方法、装置、车辆导航设备和无人驾驶车辆 |
CN111027549A (zh) | 2019-12-10 | 2020-04-17 | 北京服装学院 | 一种针对女上装关键点识别方法 |
CN111027575B (zh) | 2019-12-13 | 2022-06-17 | 广西师范大学 | 一种自注意对抗学习的半监督语义分割方法 |
US10902551B1 (en) | 2019-12-17 | 2021-01-26 | X Development Llc | True positive transplant |
US10796355B1 (en) | 2019-12-27 | 2020-10-06 | Capital One Services, Llc | Personalized car recommendations based on customer web traffic |
US11536574B2 (en) | 2019-12-27 | 2022-12-27 | Intel Corporation | System and method for acceleration-based vector field maps |
US10732261B1 (en) | 2019-12-31 | 2020-08-04 | Aurora Innovation, Inc. | Generating data using radar observation model based on machine learning |
CN111062973B (zh) | 2019-12-31 | 2021-01-01 | 西安电子科技大学 | 基于目标特征敏感性和深度学习的车辆跟踪方法 |
US11341170B2 (en) | 2020-01-10 | 2022-05-24 | Hearst Magazine Media, Inc. | Automated extraction, inference and normalization of structured attributes for product data |
CN111047225B (zh) | 2020-01-10 | 2021-03-23 | 惠州光弘科技股份有限公司 | 一种基于边缘侧模型处理的smt表面组装组件焊点的质量评定方法 |
CN111275618B (zh) | 2020-01-12 | 2023-09-29 | 杭州电子科技大学 | 一种基于双支感知的深度图超分辨率重建网络构建方法 |
CN111275080B (zh) | 2020-01-14 | 2021-01-08 | 腾讯科技(深圳)有限公司 | 基于人工智能的图像分类模型训练方法、分类方法及装置 |
US10845943B1 (en) | 2020-02-14 | 2020-11-24 | Carmax Business Services, Llc | Systems and methods for generating a 360-degree viewing experience |
CN111275129A (zh) | 2020-02-17 | 2020-06-12 | 平安科技(深圳)有限公司 | 一种图像数据的增广策略选取方法及系统 |
CN111461110B (zh) | 2020-03-02 | 2023-04-28 | 华南理工大学 | 一种基于多尺度图像和加权融合损失的小目标检测方法 |
CN111598095B (zh) | 2020-03-09 | 2023-04-07 | 浙江工业大学 | 一种基于深度学习的城市道路场景语义分割方法 |
CN111444821B (zh) | 2020-03-24 | 2022-03-25 | 西北工业大学 | 一种城市道路标志自动识别方法 |
US11455793B2 (en) | 2020-03-25 | 2022-09-27 | Intel Corporation | Robust object detection and classification using static-based cameras and events-based cameras |
US11597393B2 (en) | 2020-03-26 | 2023-03-07 | Intel Corporation | Systems, methods, and devices for driving control |
US11586854B2 (en) | 2020-03-26 | 2023-02-21 | Intel Corporation | Devices and methods for accurately identifying objects in a vehicle's environment |
US11568655B2 (en) | 2020-03-26 | 2023-01-31 | Intel Corporation | Methods and devices for triggering vehicular actions based on passenger actions |
US11886968B2 (en) | 2020-03-27 | 2024-01-30 | Intel Corporation | Methods and devices for detecting objects and calculating a time to contact in autonomous driving systems |
CN111445420B (zh) | 2020-04-09 | 2023-06-06 | 北京爱芯科技有限公司 | 卷积神经网络的图像运算方法、装置和电子设备 |
CN111461052B (zh) | 2020-04-13 | 2023-05-23 | 安徽大学 | 基于迁移学习的多个生育期小麦倒伏区域识别方法 |
CN111461053B (zh) | 2020-04-13 | 2023-05-23 | 安徽大学 | 基于迁移学习的多个生育期小麦倒伏区域识别系统 |
CN111539514B (zh) | 2020-04-16 | 2023-06-06 | 北京百度网讯科技有限公司 | 用于生成神经网络的结构的方法和装置 |
CN111428943B (zh) | 2020-04-23 | 2021-08-03 | 福瑞泰克智能系统有限公司 | 障碍物车辆轨迹预测的方法、设备和计算机设备 |
KR102189262B1 (ko) | 2020-04-29 | 2020-12-11 | 주식회사 글로벌브릿지 | 엣지 컴퓨팅을 이용한 교통 정보 수집 장치 및 방법 |
CN111565318A (zh) | 2020-05-06 | 2020-08-21 | 中国科学院重庆绿色智能技术研究院 | 一种基于稀疏样本的视频压缩方法 |
CN111582216B (zh) | 2020-05-15 | 2023-08-04 | 安徽师范大学 | 一种无人驾驶车载交通信号灯识别系统及方法 |
CN111693972B (zh) | 2020-05-29 | 2022-11-15 | 东南大学 | 一种基于双目序列图像的车辆位置与速度估计方法 |
CN111783545A (zh) | 2020-06-02 | 2020-10-16 | 山西潞安环保能源开发股份有限公司五阳煤矿 | 一种基于生成对抗网络的煤矿无人机图像增强方法 |
CN111767801B (zh) | 2020-06-03 | 2023-06-16 | 中国地质大学(武汉) | 一种基于深度学习的遥感影像水域自动提取方法及系统 |
CN111814623A (zh) | 2020-06-29 | 2020-10-23 | 浙江工业大学 | 一种基于深度神经网络的车辆车道偏离视觉检测方法 |
CN111860499B (zh) | 2020-07-01 | 2022-07-12 | 电子科技大学 | 一种基于特征分组的双线性卷积神经网络的汽车品牌识别方法 |
CN111783971B (zh) | 2020-07-02 | 2024-04-09 | 上海赛昉科技有限公司 | 一种用于深度神经网络的可高度灵活配置的数据后处理器 |
CN111882579A (zh) | 2020-07-03 | 2020-11-03 | 湖南爱米家智能科技有限公司 | 基于深度学习和目标跟踪的大输液异物检测方法、系统、介质及设备 |
CN111899227A (zh) | 2020-07-06 | 2020-11-06 | 北京交通大学 | 基于无人机作业的铁路扣件缺陷自动采集辨识方法 |
CN111768002B (zh) | 2020-07-10 | 2021-06-22 | 南开大学 | 一种基于弹性有效位的深度神经网络量化方法 |
CN111814902A (zh) | 2020-07-21 | 2020-10-23 | 南方电网数字电网研究院有限公司 | 目标检测模型训练方法、目标识别方法、装置和介质 |
CN111898507B (zh) | 2020-07-22 | 2022-06-03 | 武汉大学 | 一种预测无标签遥感影像地表覆盖类别的深度学习方法 |
CN111898523A (zh) | 2020-07-29 | 2020-11-06 | 电子科技大学 | 一种基于迁移学习的遥感图像特种车辆目标检测方法 |
CN111897639B (zh) | 2020-07-29 | 2022-12-27 | 平安科技(深圳)有限公司 | 图像增广方法、装置、计算机设备及存储介质 |
CN111899245B (zh) | 2020-07-30 | 2021-03-09 | 推想医疗科技股份有限公司 | 图像分割、模型的训练方法及装置,电子设备及存储介质 |
CN111881856B (zh) | 2020-07-31 | 2023-01-31 | 蚂蚁胜信(上海)信息技术有限公司 | 基于图像的车辆定损方法和装置 |
CN112115953B (zh) | 2020-09-18 | 2023-07-11 | 南京工业大学 | 一种基于rgb-d相机结合平面检测与随机抽样一致算法的优化orb算法 |
CN112232497A (zh) | 2020-10-12 | 2021-01-15 | 苏州浪潮智能科技有限公司 | 一种编译ai芯片的方法、系统、设备及介质 |
CN112329552B (zh) | 2020-10-16 | 2023-07-14 | 爱驰汽车(上海)有限公司 | 基于汽车的障碍物检测方法及装置 |
CN112348783B (zh) | 2020-10-27 | 2022-08-05 | 基建通(三亚)国际科技有限公司 | 基于图像的人物识别方法、装置及计算机可读存储介质 |
CN112183739B (zh) | 2020-11-02 | 2022-10-04 | 中国科学技术大学 | 基于忆阻器的低功耗脉冲卷积神经网络的硬件架构 |
CN112308799A (zh) | 2020-11-05 | 2021-02-02 | 山东交通学院 | 基于多传感器海上道路复杂环境能见度优化屏幕显示方法 |
CN112288658B (zh) | 2020-11-23 | 2023-11-28 | 杭州师范大学 | 一种基于多残差联合学习的水下图像增强方法 |
-
2019
- 2019-02-11 US US16/272,273 patent/US11567514B2/en active Active
-
2020
- 2020-02-07 CA CA3129725A patent/CA3129725A1/en active Pending
- 2020-02-07 SG SG11202108732SA patent/SG11202108732SA/en unknown
- 2020-02-07 AU AU2020221897A patent/AU2020221897A1/en active Pending
- 2020-02-07 KR KR1020217027366A patent/KR20210121161A/ko unknown
- 2020-02-07 CN CN202080027623.1A patent/CN113728210A/zh active Pending
- 2020-02-07 JP JP2021546251A patent/JP2022519710A/ja active Pending
- 2020-02-07 WO PCT/US2020/017316 patent/WO2020167613A1/en unknown
- 2020-02-07 EP EP20710372.2A patent/EP3924692A1/en active Pending
-
2021
- 2021-08-09 IL IL285462A patent/IL285462A/en unknown
-
2023
- 2023-01-27 US US18/160,565 patent/US20230176593A1/en active Pending
Also Published As
Publication number | Publication date |
---|---|
US20200257317A1 (en) | 2020-08-13 |
US11567514B2 (en) | 2023-01-31 |
EP3924692A1 (en) | 2021-12-22 |
AU2020221897A1 (en) | 2021-09-02 |
US20230176593A1 (en) | 2023-06-08 |
WO2020167613A1 (en) | 2020-08-20 |
JP2022519710A (ja) | 2022-03-24 |
SG11202108732SA (en) | 2021-09-29 |
CA3129725A1 (en) | 2020-08-20 |
IL285462A (en) | 2021-09-30 |
CN113728210A (zh) | 2021-11-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11567514B2 (en) | Autonomous and user controlled vehicle summon to a target | |
US11599123B2 (en) | Systems and methods for controlling autonomous vehicles that provide a vehicle service to users | |
JP7125369B2 (ja) | 駐車場管理装置、駐車場管理方法、およびプログラム | |
CN111290401B (zh) | 通过引导协助操作的自动驾驶车辆 | |
US11731630B2 (en) | Methods and systems for asserting right of way for traversing an intersection | |
US20220340138A1 (en) | Methods and systems for generating trajectory of an autonomous vehicle for traversing an intersection | |
JP2020194209A (ja) | 制御装置、乗降施設、制御方法、およびプログラム | |
KR102359497B1 (ko) | 단일 차량 동작용으로 설계된 자율 주행 시스템에 따른 차량 플래툰 구현 | |
CN113044058A (zh) | 自动驾驶车辆三点转弯 | |
CN112230645A (zh) | 用于控制无人驾驶车辆的操纵杆控制的安全机制 | |
CN112985435B (zh) | 用于操作自主驾驶车辆的方法及系统 | |
JP2023541322A (ja) | 低信頼度の物体検出条件における車両動作のための注釈及びマッピング | |
CN113196358A (zh) | 自动驾驶行驶路径所需的信号灯体系分析系统 | |
JP2022539557A (ja) | テレオペレータに連絡するための技法 | |
KR20190104271A (ko) | 하차 지점 안내 방법 및 그 안내를 위한 차량용 전자 장치 | |
CN109564674B (zh) | 便利乘客搭乘的自动驾驶车辆 | |
GB2616372A (en) | Classifying perceived objects based on activity | |
CN112241166A (zh) | 利用车道汇总的用于自动驾驶期间的移动对象的车道选择预测的神经网络 | |
US11897461B2 (en) | Methods and systems for autonomous vehicle collision avoidance | |
US20240124029A1 (en) | Selecting a vehicle action based on a combination of vehicle action intents | |
US20230227065A1 (en) | Managing maneuvers for autonomous vehicles in certain situations | |
US20240011781A1 (en) | Method and system for asynchronous negotiation of autonomous vehicle stop locations | |
US20240122780A1 (en) | Autonomous vehicle with audio user guidance | |
JP2022129090A (ja) | 移動体制御システム、移動体、制御方法、およびプログラム |