公开(公告)号：CN115731551A

公开(公告)日：2023-03-03

申请号：CN202211025662.5

申请日：2022-08-25

Applicant: 罗伯特·博世有限公司

Inventor： O·朗格 ,  B·荣格 ,  M·基施纳

IPC: G06V30/194 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明涉及一种用于在具有至少两个摄像机(K1，K2，K3)的摄像机系统(K)中估计自身运动和间距信息的基于学习的方法，根据所述方法将由每个摄像机(K1，K2，K3)在所述摄像机系统(K)的运动期间生成的、在时间上彼此相继的单个图像作为输入图像(110a，110b，110c)输送给深度学习系统(300)的自我监控的深度神经网络。根据所述方法，借助所述单个图像来训练所述自我监控的神经网络。此外，在推导的过程中由所述深度学习系统(300)从所述输入图像中生成输出数据(130)，所述输出数据描述所述摄像机系统(K)的运动(T)。本发明还涉及一种可运动的摄像机系统(K)。

公开(公告)号：CN119547065A

公开(公告)日：2025-02-28

申请号：CN202380053196.8

申请日：2023-07-11

Applicant: 罗伯特·博世有限公司

Inventor： B·荣格 ,  F·吉根加克 ,  A·苏尔坦

IPC: G06F18/15 ,  G06F18/22 ,  G06F18/24 ,  G06V20/56 ,  G06V10/82

Abstract: 用于训练一个或多个神经网络(1)的方法(100)，所述神经网络处理测量数据(2)，所述方法包括步骤：●提供(110)测量数据(2)的训练示例(2a)，所述训练示例既包括用目标分类分数(2b)标记的训练示例(2a1)又包括未标记的训练示例(2a2)；●所述训练示例(2a)由所述一个或多个神经网络(1)处理(120)为分类分数(4)，●关于标记的训练示例(2a1)，利用预设的成本函数(5)评估(130)‑所述分类分数(4)在多大程度上对应于相应的目标分类分数(2b)，以及‑从彼此相似的训练示例(2a1)形成的中间结果(3)在多大程度上彼此相似，而从彼此不相似的训练示例(2a1)形成的中间结果(3)在多大程度上彼此不相似；●优化(140)表征所述一个或多个神经网络(1)的行为的参数(1a)，目标是在继续处理训练示例(2a1)时预期将改善通过所述成本函数(5)的评估(5a)；●检查(150)对于所述训练示例(2a)的包含至少一个未标记的训练示例(2a2)的子集形成的中间结果(3)是否根据预设的标准(6)彼此相似；●如果是这种情况，则利用所述优先类别(4*)作为标签(2b)将所述子集的未标记的训练示例(2a2)转换(160)为标记的训练示例(2a1)；并且●利用以这种方式升级的训练示例(2a*)来训练(170)所述一个或多个神经网络(1)。

公开(公告)号：CN116601669A

公开(公告)日：2023-08-15

申请号：CN202180082408.6

申请日：2021-10-18

Applicant: 罗伯特·博世有限公司

Inventor： H·冯齐策维茨 ,  O·朗格 ,  M·M·克诺尔 ,  A·瓦格纳 ,  S·西蒙 ,  B·荣格

IPC: G06T7/269

Abstract: 用于测量透明的玻璃板(14)的影响的方法，在该方法中，确定由所述玻璃板(14)引起的位移场，其中，在第一步骤中，在没有所述透明的玻璃板(14)的情况下拍摄有纹理的面的第一图像，在第二步骤中，在具有所述透明的玻璃板(14)的情况下拍摄所述有纹理的面的第二图像，并且，在第三步骤中，通过用光流方法分析所述两个图像来确定所述位移场。

公开(公告)号：CN113228655A

公开(公告)日：2021-08-06

申请号：CN201980083778.4

申请日：2019-11-26

Applicant: 罗伯特·博世有限公司

Inventor： H·扬森 ,  B·荣格 ,  A·岑德尔

IPC: H04N19/139 ,  H04N19/167 ,  H04N19/182 ,  H04N19/132

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