苹果获得三项泰坦项目新专利 涉及使用机器学习的AV先进LiDAR系统

据国外媒体报道，美国专利商标局授予苹果三项泰坦项目专利，其中两项涉及激光雷达系统。第一项专利是使用机器学习来预测激光雷达数据，其中机器学习技术目前正在苹果的自动驾驶训练车辆中使用；第二项专利是在自动驾驶汽车上启用激光雷达探测；第三个专利是多级主动悬挂致动器。

苹果泰坦项目概念图(图片来源:patentlyapple.com)

使用机器学习来预测激光雷达数据

据苹果公司称，车辆将使用光探测和测距(lidar)传感器来探测附近的环境。自动驾驶汽车可以使用激光雷达传感器来确定道路上的物体或其他车辆，以确定要执行的适当驾驶行为。自动驾驶汽车还使用额外的传感器，如光学传感器(摄像头)或雷达传感器，来确定周围环境的其他信息。虽然激光雷达传感器可以以机器学习算法或决策系统的形式感知环境信息，但比目前现有的摄像头或雷达传感器要慢。

相机或雷达传感器可以捕获图像帧或雷达数据帧，捕获速率比激光雷达传感器快。因此，自动驾驶汽车可以使用来自摄像头或雷达传感器的图像数据或雷达数据来补充来自激光雷达传感器的激光雷达数据。自动驾驶车辆可以读取图像数据或雷达数据，以确定附近环境中的物体。结合图像数据、雷达数据和激光雷达数据，可以让自动驾驶汽车更全面地了解周围环境。然而，用于机器学习和信息的激光雷达数据比图像数据或雷达数据更健壮，因此访问附加激光雷达数据的速率高于激光雷达传感器的捕获速率。

苹果的专利包括使用机器学习预测车辆激光雷达数据的系统和方法。在一些示例中，车辆可以具有一个或多个传感器、光探测和测距(lidar)传感器以及lidar预测系统。所采用的一个或多个传感器包括光学传感器、雷达传感器或两者，并且被配置成捕获特定视图的传感器数据。激光雷达传感器预测系统将被配置成捕捉特定视图的激光雷达数据。该激光雷达预测系统包括预测模型，并且被配置成通过将该预测模型应用于由所采用的一个或多个传感器获取的传感器数据来生成预测激光雷达帧。此外，激光雷达传感器预测系统还可以向外部系统发送预测的激光雷达帧。

在其他实施例中，还呈现了一种用于生成用于预测激光雷达帧的预测模型的方法。该方法包括从一个或多个训练车辆接收多个位置处的多个lida帧，其中多个lida帧将指示不同位置处的多个物体。

该方法还包括从一个或多个训练车辆接收来自其他车辆的一个或多个传感器的多个传感器帧，从而确定多个位置。此外，该方法还包括基于具有来自一个或多个传感器的多个传感器帧的多个激光雷达帧来确定多个激光雷达帧的激光雷达数据点和来自一个或多个传感器的多个传感器帧之间的映射。

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

苹果专利图。图1示出了具有一个或多个用于检测其他车辆传感器的车辆的框图；图2示出了用于检测车辆或了解附近环境以实现自动驾驶的多个数据帧。

苹果专利图1和图2(来源:patentlyapple.com)

苹果的专利图。图3示出了被配置成生成预测模型以从一个或多个传感器的一个或多个传感器帧生成预测的lidar帧的模型生成系统；图4A-B示出了由车辆捕获的传感器数据；图6A示出了描绘阻挡路标的车辆的视图的图像帧；图6B示出了由描绘环境的检测系统生成的预测的激光雷达帧；图6C示出了基于指示路标的障碍部分的预测激光雷达帧生成的平视显示。

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

启用激光雷达探测

道路或路标覆盖反射材料，例如反射涂料或附件，以通过反射光来提高其光学可见度。车道标志通常包括反光漆和物理凸起，以确保驾驶员即使在光线不好的情况下也能看到车道的外部边界。车牌还使用反光材料，更好地照亮车牌上的文字，以便其他司机和警察可以清楚地看到它。

自动驾驶汽车在行驶过程中使用许多传感器来检测可能的障碍物。这些障碍物可能包括沿同一道路行驶的其他车辆。道路上的车辆可以由传感器检测，例如光检测和测距(lidar)传感器或雷达传感器。传感器通常可以通过确定lidar信号或雷达信号被车辆反射来检测车辆。通过反射信号，传感器可以不必能够确定障碍物是否是车辆。通过提高传感器的可检测信号的可用性，传感器可以更有效，从而可以提高道路上其他车辆的可检测性。

苹果的专利涵盖了在车辆上启用激光雷达检测的系统和方法。在一些示例中，车辆可以包括被配置为发射光信号的光源、被配置为接收(至少部分地)基于多个反射器的反射光信号的接收器传感器、以及控制器。控制器可以被配置成基于(至少部分地)反射光信号来识别多个反射器的布置模式，并且基于(至少部分地)布置模式的识别来确定多个反射器耦合到另一车辆中。

苹果专利图。下面的图1示出了具有用于检测另一车辆的一个或多个传感器的车辆的框图；图2a示出了传感器的侧视图，该传感器被配置成向嵌入在车辆中的多个反射器发送信号；图3A和3b示出了具有多个反射器的多个图案的车辆的框图，这些反射器识别车辆的多个方向。

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

第三个泰坦项目专利是“多级主动悬架执行器”，应用于车辆悬架系统，尤其是主动悬架执行器和带有主动悬架执行器的悬架系统。据国外媒体报道，美国专利商标局授予苹果三项泰坦项目专利，其中两项涉及激光雷达系统。第一项专利是使用机器学习来预测激光雷达数据，其中机器学习技术目前正在苹果的自动驾驶训练车辆中使用；第二项专利是在自动驾驶汽车上启用激光雷达探测；第三个专利是多级主动悬挂致动器。

苹果泰坦项目概念图(图片来源:patentlyapple.com)

使用机器学习预测激光雷达数据

据苹果公司称，车辆将使用光探测和测距(lidar)传感器来探测附近的环境。自动驾驶汽车可以使用激光雷达传感器来确定道路上的物体或其他车辆，以确定要执行的适当驾驶行为。自动驾驶汽车还使用额外的传感器，如光学传感器(摄像头)或雷达传感器，来确定周围环境的其他信息。虽然激光雷达传感器可以以机器学习算法或决策系统的形式感知环境信息，但比目前现有的摄像头或雷达传感器要慢。

相机或雷达传感器可以捕获图像帧或雷达数据帧，捕获速率比激光雷达传感器快。因此，自动驾驶汽车可以使用来自摄像头或雷达传感器的图像数据或雷达数据来补充来自激光雷达传感器的激光雷达数据。自动驾驶车辆可以读取图像数据或雷达数据，以确定附近环境中的物体。结合图像数据、雷达数据和激光雷达数据，可以让自动驾驶汽车更全面地了解周围环境。然而，用于机器学习和信息的激光雷达数据比图像数据或雷达数据更健壮，因此访问附加激光雷达数据的速率高于激光雷达传感器的捕获速率。

苹果的专利包括使用机器学习预测车辆激光雷达数据的系统和方法。在一些示例中，车辆可以具有一个或多个传感器、光探测和测距(lidar)传感器以及lidar预测系统。所采用的一个或多个传感器包括光学传感器、雷达传感器或两者，并且被配置成捕获特定视图的传感器数据。激光雷达传感器预测系统将被配置成捕捉特定视图的激光雷达数据。该激光雷达预测系统包括预测模型，并且被配置成通过将该预测模型应用于由所采用的一个或多个传感器获取的传感器数据来生成预测激光雷达帧。此外，激光雷达传感器预测系统还可以向外部系统发送预测的激光雷达帧。

在其他实施例中，还呈现了一种用于生成用于预测激光雷达帧的预测模型的方法。该方法包括从一个或多个训练车辆接收多个位置处的多个lida帧，其中多个lida帧将指示不同位置处的多个物体。

该方法还包括从一个或多个训练车辆接收来自其他车辆的一个或多个传感器的多个传感器帧，从而确定多个位置。此外，该方法还包括基于具有来自一个或多个传感器的多个传感器帧的多个激光雷达帧来确定多个激光雷达帧的激光雷达数据点和来自一个或多个传感器的多个传感器帧之间的映射。

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

苹果专利图。图1示出了具有一个或多个用于检测其他车辆传感器的车辆的框图；图2示出了用于检测车辆或了解附近环境以实现自动驾驶的多个数据帧。

苹果专利图1和图2(来源:patentlyapple.com)

苹果的专利图。图3示出了被配置成生成预测模型以从一个或多个传感器的一个或多个传感器帧生成预测的lidar帧的模型生成系统；图4A-B示出了由车辆捕获的传感器数据；图6A示出了描绘阻挡路标的车辆的视图的图像帧；图6B示出了由描绘环境的检测系统生成的预测的激光雷达帧；图6C示出了基于指示路标的障碍部分的预测激光雷达帧生成的平视显示。

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

启用激光雷达探测

道路或路标覆盖反射材料，例如反射涂料或附件，以通过反射光来提高其光学可见度。车道标志通常包括反光漆和物理凸起，以确保驾驶员即使在光线不好的情况下也能看到车道的外部边界。车牌还使用反光材料，更好地照亮车牌上的文字，以便其他司机和警察可以清楚地看到它。

自动驾驶汽车在行驶过程中使用许多传感器来检测可能的障碍物。这些障碍物可能包括沿同一道路行驶的其他车辆。道路上的车辆可以由传感器检测，例如光检测和测距(lidar)传感器或雷达传感器。传感器通常可以通过确定lidar信号或雷达信号被车辆反射来检测车辆。通过反射信号，传感器可以不必能够确定障碍物是否是车辆。通过提高传感器的可检测信号的可用性，传感器可以更有效，从而可以提高道路上其他车辆的可检测性。

苹果的专利涵盖了在车辆上启用激光雷达检测的系统和方法。在一些示例中，车辆可以包括被配置为发射光信号的光源、被配置为接收(至少部分地)基于多个反射器的反射光信号的接收器传感器、以及控制器。控制器可以被配置成基于(至少部分地)反射光信号来识别多个反射器的布置模式，并且基于(至少部分地)布置模式的识别来确定多个反射器耦合到另一车辆中。

苹果专利图。下面的图1示出了具有用于检测另一车辆的一个或多个传感器的车辆的框图；图2a示出了传感器的侧视图，该传感器被配置成向嵌入在车辆中的多个反射器发送信号；图3A和3b示出了具有多个反射器的多个图案的车辆的框图，这些反射器识别车辆的多个方向。

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

第三个泰坦项目专利是“多级主动悬架执行器”，应用于车辆悬架系统，尤其是主动悬架执行器和带有主动悬架执行器的悬架系统。

标签：

汽车资讯热门资讯