(19)國家知識(shí)產(chǎn)權(quán)局(12)發(fā)明專利PCT/CN2019/1193562019有限公司11205系統(tǒng)的相機(jī)點(diǎn)云以及來自激光雷達(dá)(Light所述校正函數(shù)，基于所述相機(jī)點(diǎn)云生成修正點(diǎn)2處理器系統(tǒng)；耦合至所述處理器系統(tǒng)的存儲(chǔ)器，其中，所述存儲(chǔ)器上有形地存儲(chǔ)有可執(zhí)行指令，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)：(i)接收來自相機(jī)系統(tǒng)的相機(jī)點(diǎn)云；(ii)接收來自具有第一分辨率的第一激光雷達(dá)LiDAR系統(tǒng)的第—LiDAR點(diǎn)云；(iv)基于所確定的誤差確定校正函數(shù)；(v)使用所述校正函數(shù)，基于所述相機(jī)點(diǎn)云生成修正點(diǎn)云；(vi)以所述第一LiDAR點(diǎn)云為參考，確定所述修正點(diǎn)云的訓(xùn)(vii)基于所確定的訓(xùn)練誤差更新所述校正函數(shù)；(vi')使用所述修正點(diǎn)云計(jì)算點(diǎn)云應(yīng)用算法的輸出，并使用所述第一LiDAR點(diǎn)云計(jì)算所述點(diǎn)云應(yīng)用算法的輸出；(vii')使用所述修正點(diǎn)云通過損失函數(shù)確定所述點(diǎn)云應(yīng)用算法的輸出的誤差的損失；并且(viii')基于所確定的損失更新所述校正函數(shù)；其中，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，進(jìn)一步使所述計(jì)算機(jī)視覺系統(tǒng)：(a)接收來自具有第二分辨率的第二LiDAR系統(tǒng)的第二LiDAR點(diǎn)云，其中，所述第二LiDAR系統(tǒng)的第二分辨率高于所述第—LiDAR系統(tǒng)的第一分辨率；(c)基于所確定的誤差確定校正函數(shù)；(d)使用所述校正函數(shù)生成修正點(diǎn)云；(f)基于所確定的第二訓(xùn)練誤差更新所述校正函數(shù)；(e')使用所述修正點(diǎn)云計(jì)算點(diǎn)云應(yīng)用算法的輸出，并使用所述第二LiDAR點(diǎn)云計(jì)算所述點(diǎn)云應(yīng)用算法的輸出；(f')使用所述修正點(diǎn)云通過損失函數(shù)確定所述點(diǎn)云應(yīng)用算法的輸出的誤差的第二損(g’)基于所確定的第二損失更新所述校正函數(shù)。2.根據(jù)權(quán)利要求1所述的計(jì)算機(jī)視覺系統(tǒng)，其特征在于，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)在情況A時(shí)重復(fù)執(zhí)行操作(v)至(vii),直到所述訓(xùn)練誤差小于誤差閾值。3.根據(jù)權(quán)利要求1或2所述的計(jì)算機(jī)視覺系統(tǒng)，其特征在于，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)：在所述以所述第一LiDAR點(diǎn)云為參考，確定所述相機(jī)點(diǎn)云的誤差并基于所確定的誤差3以所述第—LiDAR點(diǎn)云為參考，生成所述相機(jī)點(diǎn)云的誤差的數(shù)學(xué)表示；基于所述誤差的數(shù)學(xué)表示確定校正函數(shù)；在所述以所述第一LiDAR點(diǎn)云為參考，確定所述修正點(diǎn)云的訓(xùn)練誤差并基于所確定的訓(xùn)練誤差更新所述校正函數(shù)時(shí)，具體進(jìn)行以下操作：以所述第—LiDAR點(diǎn)云為參考，生成所述修正點(diǎn)云的訓(xùn)練誤差的數(shù)學(xué)表示；基于所述訓(xùn)練誤差的數(shù)學(xué)表示更新所述校正函數(shù)。4.根據(jù)權(quán)利要求1所述的計(jì)算機(jī)視覺系統(tǒng)，其特征在于，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)：在情況A時(shí)重復(fù)執(zhí)行操作(d)至(f),直到所述第二訓(xùn)練誤差小于誤差閾值；在情況B時(shí)重復(fù)執(zhí)行操作(d)、(e’)、(f')和(g'),直到所述第二損失小于損失閾值。5.根據(jù)權(quán)利要求1所述的計(jì)算機(jī)視覺系統(tǒng)，其特征在于，所述第二LiDAR系統(tǒng)包括一個(gè)或多個(gè)64光束LiDAR單元，所述第一LiDAR系統(tǒng)包括一個(gè)或多個(gè)8光束、16光束或32光束6.根據(jù)權(quán)利要求1至5任一項(xiàng)所述的計(jì)算機(jī)視覺系統(tǒng)，其特征在于，所述相機(jī)系統(tǒng)為立體相機(jī)系統(tǒng)，所述相機(jī)點(diǎn)云為立體相機(jī)點(diǎn)云。7.根據(jù)權(quán)利要求1至5任一項(xiàng)所述的計(jì)算機(jī)視覺系統(tǒng)，其特征在于，所述處理器系統(tǒng)包括神經(jīng)網(wǎng)絡(luò)。8.根據(jù)權(quán)利要求1至5任一項(xiàng)所述的計(jì)算機(jī)視覺系統(tǒng)，其特征在于，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)在情況B時(shí)重復(fù)執(zhí)行操作(v)、(vi’)、(vii')和(viii'),直到所述損失小于損失閾值。9.一種生成修正點(diǎn)云的訓(xùn)練方法，其特征在于，所述方法應(yīng)用于預(yù)處理模塊，且所述方法包括：(i)接收來自相機(jī)系統(tǒng)的相機(jī)點(diǎn)云；(ii)接收來自具有第一分辨率的第一激光雷達(dá)LiDAR系統(tǒng)的第—LiDAR點(diǎn)云；(iv)基于所確定的誤差確定校正函數(shù)；(v)使用所述校正函數(shù)，基于所述相機(jī)點(diǎn)云生成修正點(diǎn)云；(vi)以所述第一LiDAR點(diǎn)云為參考，(vii)基于所確定的訓(xùn)練誤差更新所述校正函數(shù)；(vi')使用所述修正點(diǎn)云計(jì)算點(diǎn)云應(yīng)用算法的輸出，并使用所述第一LiDAR點(diǎn)云計(jì)算所述點(diǎn)云應(yīng)用算法的輸出；(vii')使用所述修正點(diǎn)云通過損失函數(shù)確定所述點(diǎn)云應(yīng)用算法的輸出的誤差的損失；并且(viii')基于所確定的損失更新所述校正函數(shù)；(a)接收來自具有第二分辨率的第二LiDAR系統(tǒng)的第二LiDAR點(diǎn)云，其中，所述第二4LiDAR系統(tǒng)的第二分辨率高于所述第—LiDAR系統(tǒng)的第一分辨率；(c)基于所確定的誤差確定校正函數(shù)；(d)使用所述校正函數(shù)生成修正點(diǎn)云；(f)基于所確定的第二訓(xùn)練誤差更新所述校正函數(shù)；(e')使用所述修正點(diǎn)云計(jì)算點(diǎn)云應(yīng)用算法的輸出，并使用所述第二LiDAR點(diǎn)云計(jì)算所述點(diǎn)云應(yīng)用算法的輸出；(f')使用所述修正點(diǎn)云通過損失函數(shù)確定所述點(diǎn)云應(yīng)用算法的輸出的誤差的第二損(g’)基于所確定的第二損失更新所述校正函數(shù)。10.根據(jù)權(quán)利要求9所述的方法，其特征在于，在情況A時(shí)重復(fù)執(zhí)行操作(v)至(vii),直到所述訓(xùn)練誤差小于誤差閾值。11.根據(jù)權(quán)利要求9或10所述的方法，其特征在于，所述以所述第一LiDAR點(diǎn)云為參考，確定所述相機(jī)點(diǎn)云的誤差并基于所確定的誤差確定校正函數(shù)包括：以所述第一LiDAR點(diǎn)云為參考，生成所述相機(jī)點(diǎn)云的誤差的數(shù)學(xué)表示；基于所述誤差的數(shù)學(xué)表示確定校正函數(shù)；所述以所述第—LiDAR點(diǎn)云為參考，確定所述修正點(diǎn)云的訓(xùn)練誤差并基于所確定的訓(xùn)練誤差更新所述校正函數(shù)包括：以所述第一LiDAR點(diǎn)云為參考，生成所述修正點(diǎn)云的訓(xùn)練誤差的數(shù)學(xué)表示；基于所述訓(xùn)練誤差的數(shù)學(xué)表示更新所述校正函數(shù)。12.根據(jù)權(quán)利要求9所述的方法，其特征在于，在情況A時(shí)重復(fù)執(zhí)行操作(d)至(f),直到所述第二訓(xùn)練誤差小于誤差閾值；在情況B時(shí)重復(fù)執(zhí)行操作(d)、(e’)、(f')和(g'),直到所述第二損失小于損失閾值。13.根據(jù)權(quán)利要求9所述的方法，其特征在于，所述第二LiDAR系統(tǒng)包括一個(gè)或多個(gè)64光14.根據(jù)權(quán)利要求9至12中任一項(xiàng)所述的方法，其特征在于，所述相機(jī)系統(tǒng)為立體相機(jī)15.根據(jù)權(quán)利要求9至12中任一項(xiàng)所述的方法，其特征在于，所述預(yù)處理模塊包括神經(jīng)16.根據(jù)權(quán)利要求9至12中任一項(xiàng)所述的方法，其特征在于，在情況B時(shí)重復(fù)執(zhí)行操作(v)、(vi’)、(vii')和(viii'),直到所述損失小于損失閾值。17.一種包括指令的計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其特征在于，當(dāng)所述指令被計(jì)算機(jī)視覺系統(tǒng)的處理器執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)執(zhí)行根據(jù)權(quán)利要求9至16任一項(xiàng)所述的方法。5一種生成高分辨率高精度點(diǎn)云的系統(tǒng)、設(shè)備和方法技術(shù)領(lǐng)域[0001]本發(fā)明涉及計(jì)算機(jī)視覺，尤其涉及一種生成高分辨率高精度點(diǎn)云的系統(tǒng)、設(shè)備和方法。背景技術(shù)[0002]激光雷達(dá)(LightDetectionandRanging,LiDAR)點(diǎn)云可用于點(diǎn)云地圖生成。點(diǎn)云地圖生成包括：在環(huán)境中四處移動(dòng)掃描LiDAR(即，沿街區(qū)集LiDAR生成的所有點(diǎn)云，并將生成的點(diǎn)云合并在一起，以生成點(diǎn)云地圖。所生成的點(diǎn)云地圖包括比傳統(tǒng)點(diǎn)云更大的3D數(shù)據(jù)點(diǎn)集合，并具有擴(kuò)展邊界。點(diǎn)云地圖可以用于車輛駕駛員輔助系統(tǒng)或自主車輛中，以在自主駕駛中實(shí)現(xiàn)基于地圖的車輛定位。[0003]計(jì)算機(jī)視覺系統(tǒng)依賴于準(zhǔn)確可靠的傳感器數(shù)據(jù)，并實(shí)現(xiàn)能夠理解傳感器數(shù)據(jù)的機(jī)器學(xué)習(xí)算法。計(jì)算機(jī)視覺系統(tǒng)是車輛駕駛員輔助系統(tǒng)及自主車輛的眾多應(yīng)用中的一個(gè)重要器件。存在多種用于生成環(huán)境的二維(two-dimensional,2D)或三維(three-dimensional,3D)表示的機(jī)器學(xué)習(xí)算法，包括對(duì)象檢測算法、動(dòng)態(tài)對(duì)象移除算法、同步定位與地圖構(gòu)建(simultaneouslocalizationandma這些機(jī)器學(xué)習(xí)算法需要準(zhǔn)確的傳感器數(shù)據(jù)以提供高效可靠的結(jié)果。點(diǎn)云是最常見的一種用于表示3D環(huán)境的數(shù)據(jù)類型。計(jì)算機(jī)視覺系統(tǒng)進(jìn)行空間感知時(shí)可以生成點(diǎn)云地圖。點(diǎn)云是坐用于感知環(huán)境，并基于LiDAR傳感器或立體相機(jī)捕獲的傳感器數(shù)據(jù)生成環(huán)境的點(diǎn)云。各個(gè)單獨(dú)的傳感器生成的點(diǎn)云有一些缺點(diǎn)。有稀疏性(分辨率低)。另一方面，立體相機(jī)比LiDAR便宜，但是立體相機(jī)捕獲的傳感器數(shù)據(jù)(例如，表示立體相機(jī)捕獲的圖像的圖像數(shù)據(jù))分辨率高。但是，立體相機(jī)的局限性在于，基于立體相機(jī)捕獲的傳感器數(shù)據(jù)(例如，表示立體相機(jī)捕獲的圖像的圖像數(shù)據(jù))生成的點(diǎn)云精成的點(diǎn)云分辨率低或基于表示立體相機(jī)捕獲的圖像的圖像數(shù)據(jù)生成的點(diǎn)云精度低會(huì)對(duì)任意使用這些點(diǎn)云生成對(duì)環(huán)境的理解的機(jī)器學(xué)習(xí)算法帶來不利影響。[0005]已經(jīng)針對(duì)如何克服點(diǎn)云的精度低及分辨率低造成的限制進(jìn)行了大量研究。一組算法專注于提高低分辨率LiDAR點(diǎn)云的分辨率。另一組算法使用高分辨率LiDAR數(shù)據(jù)及其它傳感器數(shù)據(jù)，例如，立體相機(jī)捕獲的圖像，生成密度非常高的點(diǎn)云。后一組算法將基于高分辨率/高精度LiDAR收集的傳感器數(shù)據(jù)生成的點(diǎn)云以及基于高分辨率立體相機(jī)收集的傳感器數(shù)據(jù)生成的點(diǎn)云融合在一起加以利用。這是一個(gè)頗具技術(shù)挑戰(zhàn)性的任務(wù)且同時(shí)需要兩種傳6[0006]另一種生成高分辨率/高精度點(diǎn)云的技術(shù)是將低分辨率LiDAR(光束少)生成的低分辨率點(diǎn)云與從其它傳感器接收的傳感器數(shù)據(jù)融合在一起。在基于機(jī)器學(xué)習(xí)的方法中，由于訓(xùn)練過程中所使用的的傳感器與測試模式中所使用的傳感器相同，對(duì)其它傳感數(shù)據(jù)的融合內(nèi)置于該方案中。機(jī)器學(xué)習(xí)算法中，采用經(jīng)典融合方法生成點(diǎn)云。后一組算法同時(shí)需要兩種傳感器。[0007]有鑒于此，仍然需要一種用于生成高分辨率高精度點(diǎn)云的低成本的有效方案。發(fā)明內(nèi)容[0008]本發(fā)明提供一種基于傳感器數(shù)據(jù)生成高分辨率高精度點(diǎn)云的系統(tǒng)、設(shè)備和方法，的目的在于提供一種有效和/或高效的方案，用于采用較便宜的傳感器組合生成高分辨率高精度點(diǎn)云。得到的高分辨率高精度點(diǎn)云可用于一個(gè)或多個(gè)使用點(diǎn)云的點(diǎn)云應(yīng)用算法，尤其是需要高分辨率和/或高精度點(diǎn)云進(jìn)行有效運(yùn)行的點(diǎn)云應(yīng)用算法?？梢允褂酶叻直媛矢呔赛c(diǎn)云的點(diǎn)云應(yīng)用算法的示例包括：對(duì)象檢測算法、動(dòng)態(tài)對(duì)象移除算法、同步定位與地圖算法、跟蹤算法或場景重建算法中的一個(gè)或多個(gè)。這些算法通常用于3D,但也可能用于2D。點(diǎn)云應(yīng)用算法的輸出可用于生成環(huán)境的3D表示。當(dāng)主機(jī)設(shè)備是車輛時(shí)，所述環(huán)境的3D表示可以顯示在所述車輛的控制臺(tái)或儀表盤的顯示器上。[0009]根據(jù)本發(fā)明第一方面，提供了一種計(jì)算機(jī)視覺系統(tǒng)。根據(jù)本發(fā)明第一方面的一實(shí)施例，所述計(jì)算機(jī)視覺系統(tǒng)包括處理器系統(tǒng)、耦合至所述處理器系統(tǒng)且具有第一分辨率的第—LiDAR系統(tǒng)、耦合至所述處理器系統(tǒng)的相機(jī)系統(tǒng)以及耦合至所述處理器系統(tǒng)的存儲(chǔ)器，其中，所述存儲(chǔ)器上有形地存儲(chǔ)有可執(zhí)行指令，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)執(zhí)行若干操作：從所述相機(jī)系統(tǒng)接收相機(jī)點(diǎn)云；從所述第一基于所確定的誤差確定校正函數(shù)；使用所述校正函數(shù)，基于所述相機(jī)點(diǎn)云生成修正點(diǎn)云；以所述第—LiDAR點(diǎn)云為參考，確定所述修正點(diǎn)云的訓(xùn)練誤差；基于所確定的訓(xùn)練誤差更新所述校正函數(shù)。[0010]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)重復(fù)執(zhí)行某些上述操作，直到所述訓(xùn)練誤差小于誤差閾值。[0011]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，當(dāng)所述用于以所述第—LiDAR點(diǎn)云為參考，確定所述相機(jī)點(diǎn)云的誤差并基于所確定的誤差確定校正函數(shù)的可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)：以所述第—LiDAR點(diǎn)云為參考，生成所述相機(jī)點(diǎn)云的誤差的數(shù)學(xué)表示(例如，模型);基于所述誤差的數(shù)學(xué)表示確定校正函數(shù)。在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，當(dāng)所述用于以所述第一LiDAR點(diǎn)云為參考，確定所述修正點(diǎn)云的訓(xùn)練誤差并基于所確定的訓(xùn)練誤差更新所述校正函數(shù)的可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)：以所述第一LiDAR點(diǎn)云為參考，生成所述修正點(diǎn)云的訓(xùn)練誤差的數(shù)學(xué)表示；基于所述訓(xùn)練誤差的數(shù)學(xué)表示更新所述校正函數(shù)。[0012]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，所述計(jì)算機(jī)視覺系統(tǒng)還包括耦合至所述7處理器系統(tǒng)且具有第二分辨率的第二LiDAR系統(tǒng)，其中，所述第二LiDAR系統(tǒng)的第二分辨率高于所述第一LiDAR系統(tǒng)的第一分辨率，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)：(a)接收來自所述第二LiDAR系統(tǒng)的第二LiDAR點(diǎn)云；(b)以所述第二LiDAR點(diǎn)云為參考，確定所述修正點(diǎn)云的誤差；(c)基于所確定的誤差確定校正函數(shù)；(d)使用所述校正函數(shù)生成修正點(diǎn)云；(e)以所述第二LiDAR點(diǎn)云為參考，確定所述修正點(diǎn)云的第二訓(xùn)練誤差；(f)基于所確定的第二訓(xùn)練誤差更新所述校正函數(shù)。[0013]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)重復(fù)執(zhí)行操作(d)至(f),直到所述第二訓(xùn)練誤差小于誤差閾值。[0014]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，所述第二LiDAR系統(tǒng)包括一個(gè)或多個(gè)64[0015]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，所述相機(jī)系統(tǒng)為立體相機(jī)系統(tǒng)，所述相機(jī)點(diǎn)云為立體相機(jī)點(diǎn)云。[0016]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，所述處理器系統(tǒng)包括神經(jīng)網(wǎng)絡(luò)。[0017]根據(jù)本發(fā)明第一方面的另一實(shí)施例，提供了一種計(jì)算機(jī)視覺系統(tǒng)，包括處理器系統(tǒng)、耦合至所述處理器系統(tǒng)且具有第一分辨率的第—LiDAR系統(tǒng)、耦合至所述處理器系統(tǒng)的相機(jī)系統(tǒng)以及耦合至所述處理器系統(tǒng)的存儲(chǔ)器，其中，所述存儲(chǔ)器上有形地存儲(chǔ)有可執(zhí)行指令，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)執(zhí)行若干操作：從所述相機(jī)系統(tǒng)接收相機(jī)點(diǎn)云；從所述第一LiDAR系統(tǒng)接收第一LiDAR點(diǎn)云；以所述第一LiDAR點(diǎn)云為參考，確定所述相機(jī)點(diǎn)云的誤差；基于所確定的誤差確定校正函數(shù)；使用所述校正函數(shù)，基于所述相機(jī)點(diǎn)云生成修正點(diǎn)云；使用所述修正點(diǎn)云計(jì)算點(diǎn)云應(yīng)用算法的輸出，并使用所述第—LiDAR點(diǎn)云計(jì)算所述點(diǎn)云應(yīng)用算法的輸出；使用所述修正點(diǎn)云通過損失函數(shù)確定所述點(diǎn)云應(yīng)用算法的輸出的誤差的損失；基于所確定的損失確定所述校正函數(shù)。[0018]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)重復(fù)執(zhí)行某些上述操作，直到所述損失小于損失閾值。[0019]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，當(dāng)所述用于以所述第—LiDAR點(diǎn)云為參考，確定所述相機(jī)點(diǎn)云的誤差并基于所確定的誤差確定校正函數(shù)的可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)：以所述第一LiDAR點(diǎn)云為參考，生成所述相機(jī)點(diǎn)云的誤差的數(shù)學(xué)表示(例如，模型);基于所述誤差的數(shù)學(xué)表示確定校正函數(shù)。[0020]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，當(dāng)所述用于以所述第—LiDAR點(diǎn)云為參考，確定所述修正點(diǎn)云的訓(xùn)練誤差并基于所確定的訓(xùn)練誤差更新所述校正函數(shù)的可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)：以所述第—LiDAR點(diǎn)云為參考，生成所述修正點(diǎn)云的訓(xùn)練誤差的數(shù)學(xué)表示(例如，模型);基于所述訓(xùn)練誤差的數(shù)學(xué)表示更新所述校正函數(shù)。[0021]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，所述計(jì)算機(jī)視覺系統(tǒng)還包括耦合至所述處理器系統(tǒng)且具有第二分辨率的第二LiDAR系統(tǒng)，其中，所述第二LiDAR系統(tǒng)的第二分辨率高于所述第一LiDAR系統(tǒng)的第一分辨率，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)：(a)接收來自所述第二LiDAR系統(tǒng)的第二LiDAR點(diǎn)云；(b)以所述第二LiDAR點(diǎn)云為參考，確定所述修正點(diǎn)云的誤差；(c)基于所確定的誤差確定校正函數(shù)；(d)使8用所述校正函數(shù)生成修正點(diǎn)云；(e)使用所述修正點(diǎn)云計(jì)算點(diǎn)云應(yīng)用算法的輸出，并使用所述第二LiDAR點(diǎn)云計(jì)算所述點(diǎn)云應(yīng)用算法的輸出；(f)使用所述修正點(diǎn)云通過損失函數(shù)確定所述點(diǎn)云應(yīng)用算法的輸出的誤差的第二損失；(g)基于所確定的第二損失更新所述校正函[0022]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)重復(fù)執(zhí)行操作(d)至(g),直到所述第二損失小于損失閾值。[0023]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，所述第二LiDAR系統(tǒng)包括一個(gè)或多個(gè)64[0024]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，所述相機(jī)系統(tǒng)為立體相機(jī)系統(tǒng)，所述相機(jī)點(diǎn)云為立體相機(jī)點(diǎn)云。[0025]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，所述處理器系統(tǒng)包括神經(jīng)網(wǎng)絡(luò)。[0026]根據(jù)本發(fā)明第一方面的又一實(shí)施例，提供了一種計(jì)算機(jī)視覺系統(tǒng)，包括處理器系統(tǒng)、耦合至所述處理器系統(tǒng)的相機(jī)系統(tǒng)以及耦合至所述處理器系統(tǒng)的存儲(chǔ)器，其中，所述存儲(chǔ)器上有形地存儲(chǔ)有可執(zhí)行指令，當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)執(zhí)行若干操作：由所述相機(jī)系統(tǒng)生成相機(jī)點(diǎn)云；應(yīng)用預(yù)訓(xùn)練校正函數(shù)生成分辨率高于所述相機(jī)點(diǎn)云的修正點(diǎn)云；使用所述修正點(diǎn)云計(jì)算點(diǎn)云應(yīng)用算法的輸出。在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，將所述點(diǎn)云應(yīng)用算法的輸出的視覺表示輸出到所述計(jì)算機(jī)視覺系統(tǒng)的顯示器上。[0027]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，所述點(diǎn)云應(yīng)用算法包括對(duì)象檢測算法、動(dòng)態(tài)對(duì)象移除算法、同步定位與地圖構(gòu)建(SLAM)算法、點(diǎn)云地圖生成算法、高清地圖創(chuàng)建算[0028]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，所述相機(jī)系統(tǒng)為立體相機(jī)系統(tǒng)，所述相機(jī)點(diǎn)云為立體相機(jī)點(diǎn)云。[0029]在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，所述處理器系統(tǒng)包括神經(jīng)網(wǎng)絡(luò)。[0030]根據(jù)本發(fā)明第二方面，提供了一種對(duì)預(yù)處理模塊進(jìn)行訓(xùn)練以生成修正點(diǎn)云的方法。根據(jù)本發(fā)明第二方面的一實(shí)施例，所述方法包括：接收來自相機(jī)系統(tǒng)的相機(jī)點(diǎn)云；接收誤差；基于所確定的誤差確定校正函數(shù)；使用所述校正函數(shù)，基于所述相機(jī)點(diǎn)云生成修正點(diǎn)云；以所述第—LiDAR點(diǎn)云為參考，確定所述修正點(diǎn)云的訓(xùn)練誤差；基于所確定的訓(xùn)練誤差更新所述校正函數(shù)。[0031]根據(jù)本發(fā)明第二方面的另一實(shí)施例，所述方法包括：接收來自相機(jī)系統(tǒng)的相機(jī)點(diǎn)機(jī)點(diǎn)云的誤差；基于所確定的誤差確定校正函數(shù)；使用所述校正函數(shù)，基于所述相機(jī)點(diǎn)云生成修正點(diǎn)云；使用所述修正點(diǎn)云計(jì)算點(diǎn)云應(yīng)用算法的輸出，并使用所述第—LiDAR點(diǎn)云計(jì)算所述點(diǎn)云應(yīng)用算法的輸出；使用所述修正點(diǎn)云通過損失函數(shù)確定所述點(diǎn)云應(yīng)用算法的輸出的誤差的損失；基于所確定的損失更新所述校正函數(shù)。[0032]根據(jù)本發(fā)明另一方面的一實(shí)施例，提供了一種修正點(diǎn)云生成方法。所述方法包括：基于傳感器系統(tǒng)生成點(diǎn)云；應(yīng)用預(yù)訓(xùn)練校正函數(shù)生成分辨率高于所述點(diǎn)云的修正點(diǎn)云；使用所述修正點(diǎn)云計(jì)算點(diǎn)云應(yīng)用算法的輸出。在前述方面及實(shí)施例的一些實(shí)現(xiàn)方式中，所述9方法還包括：將所述點(diǎn)云應(yīng)用算法的輸出的視覺表示輸出到顯示器上。[0033]根據(jù)本發(fā)明另一方面，提供了一種用于車輛的車輛控制系統(tǒng)。所述車輛控制系統(tǒng)包括計(jì)算機(jī)視覺系統(tǒng)，所述計(jì)算機(jī)視覺系統(tǒng)具有上文以及本實(shí)施例所述的特性。[0034]根據(jù)本發(fā)明另一方面，提供了一種車輛，包括用于移動(dòng)所述車輛的機(jī)械系統(tǒng)，耦合至所述機(jī)械系統(tǒng)、用于控制所述機(jī)械系統(tǒng)的驅(qū)動(dòng)控制系統(tǒng)，以及耦合至所述驅(qū)動(dòng)控制系統(tǒng)的車輛控制系統(tǒng)，其中，所述車輛控制系統(tǒng)具有上文以及本實(shí)施例所述的特性。[0035]根據(jù)本發(fā)明又一方面，提供了一種非瞬時(shí)性計(jì)算機(jī)可讀介質(zhì)，其上有形地存儲(chǔ)有可執(zhí)行指令，其中，所述可執(zhí)行指令由具有上文以及本實(shí)施例所述的特性的計(jì)算機(jī)視覺系統(tǒng)的處理器系統(tǒng)執(zhí)行。當(dāng)所述可執(zhí)行指令被所述處理器系統(tǒng)執(zhí)行時(shí)，使所述計(jì)算機(jī)視覺系統(tǒng)執(zhí)行上文以及本實(shí)施例所述的方法。附圖說明[0036]圖1為適于實(shí)現(xiàn)本發(fā)明示例性實(shí)施例的通信系統(tǒng)的示意圖；[0037]圖2為根據(jù)本發(fā)明一示例性實(shí)施例的一種包括車輛控制系統(tǒng)的車輛的框圖；[0038]圖3A和圖3B為根據(jù)本發(fā)明示例性實(shí)施例的一種用于對(duì)預(yù)處理模塊進(jìn)行訓(xùn)練以生成修正點(diǎn)云的計(jì)算機(jī)視覺系統(tǒng)的簡化框圖；[0039]圖4A和圖4B為根據(jù)本發(fā)明示例性實(shí)施例的一種用于對(duì)預(yù)處理模塊進(jìn)行訓(xùn)練以生成修正點(diǎn)云的方法的流程圖；[0040]圖5A和圖5B為根據(jù)本發(fā)明其它示例性實(shí)施例的一種用于對(duì)預(yù)處理模塊進(jìn)行訓(xùn)練以生成修正點(diǎn)云的計(jì)算機(jī)視覺系統(tǒng)的簡化框圖；[0041]圖6A和圖6B為根據(jù)本發(fā)明其它示例性實(shí)施例的一種用于對(duì)預(yù)處理模塊進(jìn)行訓(xùn)練以生成修正點(diǎn)云的方法的流程圖；[0042]圖7為根據(jù)本發(fā)明一示例性實(shí)施例的一種生成高分辨率高精度點(diǎn)云的方法的流程[0043]圖8為神經(jīng)網(wǎng)絡(luò)的示意圖；[0044]圖9為三角剖分中對(duì)極幾何的示意圖；[0045]圖10為兩個(gè)圖像平面平行時(shí)對(duì)極幾何的示意圖。具體實(shí)施方式[0046]結(jié)合示出實(shí)施例的附圖對(duì)本發(fā)明進(jìn)行描述。但是可以使用諸多不同的實(shí)施例。因此，不應(yīng)將該描述解釋為限于本文所述的實(shí)施例。相反，提供這些實(shí)施例是為了使本發(fā)明更詳盡、完整。在附圖及以下描述中，盡可能地使用相同的附圖編號(hào)指示相同的元件，并且在替代實(shí)施例中使用角分符號(hào)表示類似的元件、操作或步驟。分開的方框或所示系統(tǒng)和設(shè)備的功能元件的所示劃分不一定要求對(duì)此類功能進(jìn)行物理上的劃分，因?yàn)檫@些元件之間可以通過消息傳遞、功能調(diào)用、共享內(nèi)存空間等方式進(jìn)行通信，而相互之間沒有任何物理隔離。因此，雖然本文中為了方便說明，分別示出各功能，但無需在物理上或邏輯上分開的平臺(tái)上實(shí)現(xiàn)這些功能。不同的設(shè)備可以有不同的設(shè)計(jì)，因此，有些設(shè)備在固定的功能硬件上實(shí)現(xiàn)某些功能，而其它設(shè)備可以采用從計(jì)算機(jī)可讀介質(zhì)獲取的代碼在可編程處理器中實(shí)現(xiàn)這些功能。最后，除非另有明確說明或上下文內(nèi)在邏輯表明并非如此，單數(shù)形式的元件可以是復(fù)明內(nèi)容并不限于任意特定類型的車輛，可適用于非載人車輛及載人車輛。本發(fā)明內(nèi)容還可以在移動(dòng)機(jī)器人車輛中實(shí)現(xiàn)，包括但不限于，自主真空吸塵器、探測車、割草機(jī)、無人飛機(jī)(unmannedaerialvehicle,UAV)及其它物體。[0048]圖1為示出根據(jù)本發(fā)明一示例性實(shí)施例的通信系統(tǒng)100的所選器件的示意圖。所述通信系統(tǒng)100包括內(nèi)置于車輛105中的車輛控制系統(tǒng)115形式的用戶設(shè)備。詳情如圖2所示，所述車輛控制系統(tǒng)115耦合至所述車輛105的驅(qū)動(dòng)控制系統(tǒng)150和機(jī)械系統(tǒng)190,如下文所述。在不同實(shí)施例中，所述車輛控制系統(tǒng)115可以使所述車輛105以完全自主、半自主、或完全用戶控制模式中的一種或多種模式運(yùn)行。[0049]所述車輛105包括多個(gè)基于電磁(electromagnetic,EM)波的傳感器110以及多個(gè)車輛傳感器111,其中，所述傳感器110收集與所述車輛105周圍的外部環(huán)境相關(guān)的數(shù)據(jù)，所述車輛傳感器111收集與所述車輛105的運(yùn)行條件相關(guān)的數(shù)據(jù)。所述基于EM波的傳感器110可包括，例如，一個(gè)或多個(gè)相機(jī)112、一個(gè)或多個(gè)LiDAR單元114,和一個(gè)或多個(gè)合成孔徑雷達(dá)(syntheticapertureradar,SAR)單元116等雷達(dá)單元。所述數(shù)碼相機(jī)112、LiDAR單元114和SAR單元116位于所述車輛105周圍，并分別耦合至所述車輛控制系統(tǒng)115,如下文所述。在一示例性實(shí)施例中，所述相機(jī)112、LiDAR單元114和SAR單元116位于所述車輛105的前方、后方、左側(cè)及右側(cè)，以捕獲與所述車輛105的前方、后方、左側(cè)及右側(cè)每種基于EM波的傳感器110,對(duì)各單元進(jìn)行安裝或放置使其具有不同的視場(fieldofview,FOV)或覆蓋范圍，以捕獲與所述車輛105周圍的環(huán)境相關(guān)的數(shù)據(jù)。在一些示例中，對(duì)于每種基于EM波的傳感器110,部分或所有相鄰的基于EM波的傳感器110的FOV或覆蓋范圍部的與所述車輛105的外部環(huán)境相關(guān)的數(shù)據(jù)。[0050]車輛傳感器111可包括：使用加速器和陀螺儀的組合對(duì)所述車輛的比力和角速度進(jìn)行感知的慣性測量單元(inertialmeasurementunit,IMU)118、電子羅盤119和其它車傳感器以及轉(zhuǎn)向角傳感器。所述車輛傳感器111運(yùn)行時(shí)重復(fù)(例如，以有規(guī)律的間隔)感知所述環(huán)境，并基于環(huán)境條件實(shí)時(shí)地或接近實(shí)時(shí)地向所述車輛控制系統(tǒng)115提供傳感器數(shù)據(jù)。所述車輛控制系統(tǒng)115可以使用從衛(wèi)星接收器132及所述IMU118接收的信號(hào)收集與所述車輛105的位置和方位相關(guān)的數(shù)據(jù)。所述車輛控制系統(tǒng)115可以使用來自所述衛(wèi)星接收器132、所述IMU118及其它車輛傳感器120中的一個(gè)或多個(gè)的數(shù)據(jù)，確定所述車輛105的線速度、角速[0051]所述車輛控制系統(tǒng)115還可包括一個(gè)或多個(gè)無線收發(fā)器130,使所述車輛控制系統(tǒng)115能夠與所述通信系統(tǒng)100的無線廣域網(wǎng)(wideareanetwork,WAN)210交換數(shù)據(jù)，并可選地進(jìn)行語音通信。所述車輛控制系統(tǒng)115可使用所述無線WAN210通過因特網(wǎng)等一個(gè)或多個(gè)通信網(wǎng)絡(luò)220接入駕駛輔助服務(wù)器等服務(wù)器240。所述服務(wù)器240可實(shí)現(xiàn)為數(shù)據(jù)中心中的一個(gè)或多個(gè)服務(wù)器模塊，且通常位于防火墻230后面。所述服務(wù)器240與可供所述車輛控制系統(tǒng)115使用的補(bǔ)充數(shù)據(jù)資源等網(wǎng)絡(luò)資源250連接。11[0052]除了所述無線WAN210,所述通信系統(tǒng)100還包括衛(wèi)星網(wǎng)絡(luò)260,所述衛(wèi)星網(wǎng)絡(luò)260收器132從所述衛(wèi)星網(wǎng)絡(luò)260中的多個(gè)衛(wèi)星接收的信號(hào)確定其位置。所述衛(wèi)星網(wǎng)絡(luò)260通常260可以是GNSS衛(wèi)星的集合。示例性GNSS包括美國NAVSTAR全球定位系統(tǒng)(GlobalPositioningSystem,GPS)或俄羅斯全球?qū)Ш叫l(wèi)星系統(tǒng)(GLObalNAvigationSatellite制系統(tǒng)115包括通過通信總線(未示出)耦合至多個(gè)器件的處理器系統(tǒng)102,其中，所述通信Memory,ROM)124、閃速可擦除可編程只讀存多個(gè)中央處理器(centralprocessingunit,CPU)、一個(gè)或多個(gè)圖形處理器(graphical[0054]所述一個(gè)或多個(gè)無線收發(fā)器130可包括一個(gè)或多個(gè)通過不同無線數(shù)據(jù)通信協(xié)議和可包括符合IEEE802.11x標(biāo)準(zhǔn)(有時(shí)稱為Wi-Fi或其它通信協(xié)議的Wi-Fi無線它短距離無線收發(fā)器，包括但不限于近場通信(Nearfieldcommunication,NFC)、(例如紅外數(shù)據(jù)協(xié)議(InfraredDataAssociation,IrDA)通信)。[0057]所述實(shí)時(shí)時(shí)鐘134可包括提供準(zhǔn)確實(shí)時(shí)時(shí)間數(shù)據(jù)的晶振器?？梢愿鶕?jù)通過所述衛(wèi)星接收器132接收的時(shí)間數(shù)據(jù)或根據(jù)從執(zhí)行網(wǎng)絡(luò)時(shí)間協(xié)議的網(wǎng)絡(luò)資源250接收的時(shí)間數(shù)據(jù)，定期對(duì)所述時(shí)間數(shù)據(jù)進(jìn)行調(diào)整。[0058]所述觸摸屏136包括彩色液晶顯示器(liquidcrystaldisplay,LCD)、發(fā)光二極管(light-emittingdiode,LED)顯示器或有源矩陣有機(jī)發(fā)光二極管(active-matrixorganiclight-emittingdiode,AMOLED)顯示器等顯示器，以及連接到電子控制器的觸敏輸入表面或覆蓋層。還可以提供耦合至所述處理器系統(tǒng)102的其它輸入設(shè)備(未示出),包括[0059]所述車輛控制系統(tǒng)115還包括一個(gè)或多個(gè)揚(yáng)聲器138、一個(gè)或多個(gè)麥克風(fēng)140以及一個(gè)或多個(gè)數(shù)據(jù)端口142,例如，串行數(shù)據(jù)端口(如通用串行總線(UniversalSerialBus,USB)數(shù)據(jù)端口)。所述車輛控制系統(tǒng)115還可包括其它傳感器，如胎壓傳感器(tire[0060]所述驅(qū)動(dòng)控制系統(tǒng)150用于控制所述車輛105的運(yùn)動(dòng)。所述驅(qū)動(dòng)控制系統(tǒng)150包括轉(zhuǎn)向單元152、剎車單元154以及節(jié)流(或加速)單元156。這些單元都可以實(shí)現(xiàn)為所述驅(qū)動(dòng)控制系統(tǒng)150中的軟件模塊或控制塊。在完全自主或半自主駕駛模式中，所述轉(zhuǎn)向單元152、剎車單元154以及節(jié)流單元156進(jìn)程從自主駕駛系統(tǒng)170(用于自主駕駛模式)或駕駛輔助系統(tǒng)166(用于半自主駕駛模式)接收導(dǎo)航指令，并生成控制信號(hào)以控制所述車輛105的轉(zhuǎn)向、剎車和節(jié)流中的至少一種。所述驅(qū)動(dòng)控制系統(tǒng)150可包括其它器件以控制所述車輛105的其它方面，包括控制轉(zhuǎn)向燈和剎車燈光等。[0061]所述機(jī)電系統(tǒng)190從所述驅(qū)動(dòng)控制系統(tǒng)150接收控制信號(hào)，以操作所述車輛105的機(jī)電器件。所述機(jī)電系統(tǒng)190引起所述車輛105的物理運(yùn)行。所述機(jī)電系統(tǒng)190包括引擎192、變速器194以及車輪196。所述引擎192可以是汽油引擎、電池引擎或混合引擎等。所述機(jī)械[0062]所述處理器系統(tǒng)102對(duì)所述車輛控制系統(tǒng)115的圖形用戶界面(graphicaluserinterface,GUI)進(jìn)行渲染并將其顯示在所述觸摸屏136上。用戶可通過所述觸摸屏136并可選地通過其它輸入設(shè)備(如按鈕、撥號(hào)盤)與所述GUI交互，以選擇所述車輛105的駕駛模式(例如，完全自主駕駛模式或半自主駕駛模式)并顯示相關(guān)數(shù)據(jù)和/或信息，例如，導(dǎo)航信息、容的遍歷菜單。[0063]除了所述GUI,所述車輛控制系統(tǒng)115的所述存儲(chǔ)器126上還存儲(chǔ)有多個(gè)軟件系統(tǒng)161,其中，每個(gè)軟件系統(tǒng)161包括可由所述處理器系統(tǒng)102執(zhí)行的指令。所述軟件系統(tǒng)161包括操作系統(tǒng)160、所述用于半自主駕駛的駕駛輔助系統(tǒng)166以及所述用于完全自主駕駛的自主駕駛系統(tǒng)170。所述駕駛輔助系統(tǒng)166以及所述自主駕駛系統(tǒng)170都可以包括導(dǎo)航規(guī)劃及控制模塊、車輛定位模塊、泊車輔助模塊及自主泊車模塊中的一個(gè)或多個(gè)。所述存儲(chǔ)器126上還存儲(chǔ)有可由所述駕駛輔助系統(tǒng)166或所述自主駕駛系統(tǒng)170調(diào)用的軟件模塊168。所述軟件模塊168包括計(jì)算機(jī)視覺模塊172。所述計(jì)算機(jī)視覺模塊172為軟件系統(tǒng)，包括基于學(xué)習(xí)的預(yù)處理模塊330或530、點(diǎn)云處理模塊340或540并可選地包括損失確定模塊360或560。其它模塊176包括映射模塊、導(dǎo)航模塊、氣候控制模塊、媒體模塊等。當(dāng)所述計(jì)算機(jī)視覺模塊172被所述處理器系統(tǒng)102執(zhí)行時(shí)，使得本文描述的方法的操作被執(zhí)行。所述計(jì)算機(jī)視覺模塊172與所述基于EM波的傳感器110的組合交互，以提供計(jì)[0064]雖然所述計(jì)算機(jī)視覺模塊172示為可被所述用于半自主駕駛的駕駛輔助系統(tǒng)166和/或所述自主駕駛系統(tǒng)170調(diào)用的單獨(dú)模塊，在一些實(shí)施例中，可以將所述軟件模塊168中的一個(gè)或多個(gè)，包括所述計(jì)算機(jī)視覺模塊172,與所述其它模塊176中的一個(gè)或多個(gè)組合。[0065]所述存儲(chǔ)器126還存儲(chǔ)有不同的數(shù)據(jù)180。所述數(shù)據(jù)180可包括傳感器數(shù)據(jù)182、用戶數(shù)據(jù)184以及下載緩存186。所述傳感器數(shù)據(jù)182接收自所述基于EM波的傳感器110;所述用戶數(shù)據(jù)184包括用戶喜好、設(shè)置并可選地包括個(gè)人媒體文件(例如音樂、視頻、方向等);所述下載緩存186包括通過所述無線收發(fā)器130下載的數(shù)據(jù)，例如，包括從網(wǎng)絡(luò)資源250下載的數(shù)據(jù)。所述傳感器數(shù)據(jù)182可包括來自所述相機(jī)112的圖像數(shù)據(jù)、來自所述LiDAR單元114的119的羅盤數(shù)據(jù)以及來自其它車輛傳感器120的其它傳感器數(shù)據(jù)?？梢远ㄆ?，例如，經(jīng)過預(yù)定時(shí)間后，刪除所述下載緩存186?？梢詫⑾到y(tǒng)臨時(shí)加載到RAM122等易失性存儲(chǔ)器中，其中，所述易失性存儲(chǔ)器用于存儲(chǔ)運(yùn)行時(shí)數(shù)據(jù)變量以及其它類型的數(shù)據(jù)和/或信息。所述車輛控制系統(tǒng)115接收的數(shù)據(jù)也可以存儲(chǔ)在所述RAM122中。雖然描述了不同類型的存儲(chǔ)器的具體功能，但這僅僅是一個(gè)示例，還可以為不同類型的存儲(chǔ)器分配不同的功能。[0066]生成高分辨率高精度點(diǎn)云[0067]接下來參考圖3A。圖3A為根據(jù)本發(fā)明一示例性實(shí)施例的一種用于對(duì)預(yù)處理模塊進(jìn)行訓(xùn)練以生成修正點(diǎn)云的計(jì)算機(jī)視覺系統(tǒng)300的簡化框圖。所述計(jì)算機(jī)視覺系統(tǒng)300可以搭載在車輛105等測試車輛上，并且可以以在線模式或離線模式運(yùn)行。在線模式下，所述基于EM波的傳感器110主動(dòng)接收傳感器數(shù)據(jù)；離線模式下，所述基于EM波的傳感器110已經(jīng)預(yù)先接收傳感器數(shù)據(jù)?；蛘?，所述計(jì)算機(jī)視覺系統(tǒng)300可以是獨(dú)立于所述測試車輛的、接收并處理獲取自所述測試車輛的傳感器數(shù)據(jù)的單獨(dú)系統(tǒng)，并且可以以離線模式運(yùn)行。所述計(jì)算機(jī)視覺系統(tǒng)300從包括一個(gè)或多個(gè)LiDAR單元114的LiDAR系統(tǒng)310等高分辨率高精度傳感器系統(tǒng)接收傳感器數(shù)據(jù)，并從包括一個(gè)或多個(gè)相機(jī)120的相機(jī)系統(tǒng)320等低精度傳感器系統(tǒng)接收傳感器數(shù)據(jù)。[0068]所述計(jì)算機(jī)視覺系統(tǒng)300還包括基于學(xué)習(xí)的預(yù)處理模塊330(以下稱為預(yù)處理模塊330)和點(diǎn)云處理模塊340。所述計(jì)算機(jī)視覺系統(tǒng)300用于以訓(xùn)練模式訓(xùn)練所述預(yù)處理模塊330。所述訓(xùn)練意在訓(xùn)練所述預(yù)處理模塊330,使其學(xué)習(xí)只使用接收自低精度傳感器系統(tǒng)(例如，所述相機(jī)系統(tǒng)320)或可能的低分辨率系統(tǒng)(例如，包括低精度LiDAR傳感器的一個(gè)或多個(gè)LiDAR單元114)的傳感器數(shù)據(jù)，實(shí)時(shí)或接近實(shí)時(shí)地生成高分辨率高精度點(diǎn)云。訓(xùn)練后的所述預(yù)處理模塊330可用在包括相機(jī)系統(tǒng)等低精度傳感器系統(tǒng)和/或低分辨率LiDAR子系統(tǒng)510(如圖5A、圖5B所示)等低分辨率傳感器系統(tǒng)的生產(chǎn)車輛上，例如，所述車輛105上，如下文所述。例如，所述預(yù)處理模塊330可以設(shè)置為在生產(chǎn)中、發(fā)貨給時(shí)間安裝在所述生產(chǎn)車輛的車輛控制系統(tǒng)115中的軟件模塊。[0069]所述低精度傳感器系統(tǒng)通常為高分辨率傳感器系統(tǒng)。所述高分辨率高精度傳感器系統(tǒng)提供參考系統(tǒng)。所述參考系統(tǒng)提供地面真值數(shù)據(jù)，用于訓(xùn)練所述預(yù)處理模塊330,以從所述低精度傳感器系統(tǒng)生成所述修正點(diǎn)云數(shù)據(jù)，如下文所述。的LiDAR單元，并使用本領(lǐng)域公知的技術(shù)提供高分辨率LiDAR點(diǎn)云。在一些示例中，所述310要生成的LiDAR點(diǎn)云的期望分辨率高于可用LiDAR單元原始生成的LiDAR點(diǎn)云(例如，單述多個(gè)LiDAR單元中每個(gè)LiDAR單元生成的各LiDAR點(diǎn)云進(jìn)行合并，生成超分辨率LiDAR點(diǎn)云。本領(lǐng)的技術(shù)人員可以理解“超分辨率”是指高于傳感器系統(tǒng)支持的原始分辨率的加強(qiáng)分[0071]所述相機(jī)系統(tǒng)320包括一個(gè)或多個(gè)相機(jī)，通常為高分辨率相機(jī)。在本實(shí)施例中，所述一個(gè)或多個(gè)相機(jī)為提供低精度立體相機(jī)點(diǎn)云的立體相機(jī)，所述低精度立體相機(jī)點(diǎn)云通常為高分辨率低精度立體相機(jī)點(diǎn)云。在其它實(shí)施例中，可以使用單目相機(jī)代替立體相機(jī)。[0072]所述LiDAR系統(tǒng)310和所述相機(jī)系統(tǒng)320耦合至所述預(yù)處理模塊330,并提供高分辨率LiDAR點(diǎn)云和低精度立體相機(jī)點(diǎn)云。所述預(yù)處理模塊330以高分辨率高精度LiDAR點(diǎn)云為參考，所述高分辨率高精度LiDAR點(diǎn)云提供地面真值數(shù)據(jù)，用于訓(xùn)練所述預(yù)處理模塊330基于所述低精度立體相機(jī)點(diǎn)云生成修正點(diǎn)云。所述預(yù)處理模塊330將所述修正點(diǎn)云輸出至所述點(diǎn)云處理模塊340,所述點(diǎn)云處理模塊340將所述修正點(diǎn)云用于一個(gè)或多個(gè)機(jī)器學(xué)習(xí)算法可用于生成環(huán)境的3D表示。如上文所述，所述預(yù)處理模塊330和所述點(diǎn)云處理模塊340是所述計(jì)算機(jī)視覺模塊172中的軟件模塊。[0073]按如下所述對(duì)所述預(yù)處理模塊330進(jìn)行訓(xùn)練。所述預(yù)處理模塊330的訓(xùn)練可以與所述計(jì)算機(jī)視覺系統(tǒng)300的其它校準(zhǔn)程序同時(shí)進(jìn)行。至少在一些實(shí)施例中，所述預(yù)處理模塊330可以是或包括神經(jīng)網(wǎng)絡(luò)。在其它實(shí)施例中，所述預(yù)處理模塊330可以是或包括其它類型的基于機(jī)器學(xué)習(xí)的控制器、處理器或系統(tǒng)，用于實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法以訓(xùn)練所述預(yù)處理模塊生成修正點(diǎn)云，如下文所述。下文將簡單參考圖8對(duì)示例性神經(jīng)網(wǎng)絡(luò)800進(jìn)行描述。所述神經(jīng)網(wǎng)絡(luò)800包括若干節(jié)點(diǎn)(也稱為神經(jīng)元)802,所述節(jié)點(diǎn)802設(shè)置為多層，包括輸入層810、一個(gè)或多個(gè)中間(隱藏)層820(為了簡潔，僅示出其中一個(gè))、以及輸出層830。所述層810、820、830中的每一層都是相互獨(dú)立的、支持并行計(jì)算的一個(gè)或多個(gè)節(jié)點(diǎn)的群組。[0074]給定層中每個(gè)節(jié)點(diǎn)802的輸出與一個(gè)或多個(gè)節(jié)點(diǎn)802的輸出在下一層中連接，如連接804所示(在圖8中只標(biāo)出一條連接804)。每個(gè)節(jié)點(diǎn)802都是一個(gè)邏輯編程單元，用于執(zhí)行基于其輸入、權(quán)重(如果有)和偏差因子(若有)對(duì)數(shù)據(jù)進(jìn)行轉(zhuǎn)換或操作的激活函數(shù)(也稱為傳遞函數(shù))以生成輸出。根據(jù)特定的輸入、權(quán)重及偏差，每個(gè)節(jié)點(diǎn)802的激活函數(shù)都會(huì)得到特其引用。每個(gè)節(jié)點(diǎn)802可以存儲(chǔ)其各自的、獨(dú)立于其它節(jié)點(diǎn)的激活函數(shù)、權(quán)重(若有)和偏差因子(若有)。等)、對(duì)象操作函數(shù)(即，創(chuàng)建對(duì)象、修改對(duì)象、刪除對(duì)象、添加對(duì)等)和/或其它轉(zhuǎn)換函數(shù)。在一些示例中，激活函數(shù)包括求和函數(shù)或映射函數(shù)中的至少一個(gè)。[0076]所述輸入層810中的每個(gè)節(jié)點(diǎn)從所述LiDAR系統(tǒng)310和所述相機(jī)系統(tǒng)320接收傳感器數(shù)據(jù)?？梢詾樗錾窠?jīng)網(wǎng)絡(luò)800的中間層820和輸出層830中的后續(xù)節(jié)點(diǎn)以及所述輸入層810的輸入中的一個(gè)或多個(gè)輸入中的每個(gè)輸入設(shè)置權(quán)重。權(quán)重通常為0與1之間的數(shù)值，指示一層中的節(jié)點(diǎn)與下一層中的節(jié)點(diǎn)之間的連接強(qiáng)度。還可以為所述神經(jīng)網(wǎng)絡(luò)800的中間層820和輸出層830中的后續(xù)節(jié)點(diǎn)以及所述輸入層810的輸入中的每個(gè)輸入設(shè)置偏差。[0077]確定所述輸入層810的每個(gè)輸入與其各自的權(quán)重和偏差的標(biāo)量積，并將其作為輸入發(fā)送至第一中間層820的各節(jié)點(diǎn)。如果有不止一個(gè)中間層，將每個(gè)所述標(biāo)量積鏈接到另一向量，確定第一中間層的輸入與其各自的權(quán)重和偏差的另一標(biāo)量積，并將其作為輸入發(fā)送至第二中間層820中的節(jié)點(diǎn)。依次對(duì)每個(gè)所述中間層820重復(fù)該流程直至所述輸出層830。[0078]在不同實(shí)施例中，中間層820的數(shù)量，層810、820及830中每一層的節(jié)點(diǎn)數(shù)量以及各層節(jié)點(diǎn)間的連接可能會(huì)隨提供給所述處理模塊340的輸入(例如，傳感器數(shù)據(jù))和輸出(例如，所述修正點(diǎn)云)的不同有所差異。通過訓(xùn)練(例如，學(xué)習(xí)過程)確定每個(gè)節(jié)點(diǎn)的權(quán)重和偏差甚至可能確定所述神經(jīng)網(wǎng)絡(luò)800的節(jié)點(diǎn)的激活函數(shù)，以實(shí)現(xiàn)最佳性能，如下文所述。[0079]下文將參考圖4A描述根據(jù)本發(fā)明一示例性實(shí)施例的一種對(duì)預(yù)處理模塊330進(jìn)行訓(xùn)練以生成修正點(diǎn)云的方法400。所述方法400的至少部分由車輛控制系統(tǒng)115的處理器系統(tǒng)102執(zhí)行軟件實(shí)現(xiàn)。在操作者激活(或采用)車輛105的計(jì)算機(jī)視覺系統(tǒng)300的點(diǎn)云地圖學(xué)習(xí)模式時(shí)執(zhí)行所述方法400。可以通過與所述車輛控制系統(tǒng)115的人機(jī)界面設(shè)備(human-machineinterfacedevice,HMD)的交互激活所述點(diǎn)云地圖學(xué)習(xí)模式，例如通過預(yù)定義關(guān)鍵字組合的語音激活或其它用戶交互，例如通過顯示在觸摸屏136上的所述計(jì)算機(jī)視覺系統(tǒng)300的GUI的觸摸激活。[0080]在操作404中，所述計(jì)算機(jī)視覺系統(tǒng)300接收第一傳感器系統(tǒng)，例如，相機(jī)系統(tǒng)320,獲得的第一點(diǎn)云。所述第一點(diǎn)云也稱為相機(jī)點(diǎn)云。所述第一點(diǎn)云通常由所述相機(jī)系統(tǒng)320生成，并作為輸入由所述處理器系統(tǒng)102接收。或者，所述計(jì)算機(jī)視覺系統(tǒng)300可基于從所述相機(jī)系統(tǒng)320獲取的數(shù)碼圖像生成所述第一點(diǎn)云。[0081]當(dāng)所述第一點(diǎn)云為基于相機(jī)的點(diǎn)云時(shí)，每個(gè)點(diǎn)通過其由x、y、z坐標(biāo)表示的空間位置和其色彩特征定義，其中，可以采用紅綠藍(lán)三原色(redgreenblue,RGB)值或其它合適的數(shù)據(jù)值描述所述色彩特征。如上文所述，所述相機(jī)系統(tǒng)320為高分辨率低精度相機(jī)系統(tǒng)等低精度系統(tǒng)，因此，所述第一點(diǎn)云為低精度點(diǎn)云。所述計(jì)算機(jī)視覺系統(tǒng)300使用所述相機(jī)系統(tǒng)320感知所述車輛105的環(huán)境，以使用本領(lǐng)域公知的計(jì)算機(jī)視覺技術(shù)生成所述第一點(diǎn)云。有關(guān)所述本領(lǐng)域公知的計(jì)算機(jī)視覺技術(shù)的詳情超出本發(fā)明所討論的范圍。下文將簡單描述一種用于生成立體視覺點(diǎn)云的計(jì)算機(jī)視覺技術(shù)的示例。[0082]可以使用對(duì)極幾何通過三角剖分(也稱為重建)技術(shù)，基于立體相機(jī)或兩個(gè)單目相機(jī)捕獲的圖像生成立體視覺點(diǎn)云。立體相機(jī)從兩個(gè)不同的位置觀測3D場景，從而創(chuàng)建3D點(diǎn)與所述3D點(diǎn)在所述立體相機(jī)捕獲的2D圖像上的投影之間的若干幾何關(guān)系，導(dǎo)致圖像點(diǎn)之間的限制。通過使用針孔相機(jī)模型對(duì)所述立體相機(jī)的每個(gè)鏡頭(或在使用兩個(gè)單目相機(jī)時(shí)，對(duì)每個(gè)相機(jī))求近似值得到這些關(guān)系。圖9為各自具有不同視場的不同相機(jī)鏡頭觀測到的環(huán)境特性的交點(diǎn)的示意圖。[0083]如圖9所示，在采用對(duì)極幾何計(jì)算的標(biāo)準(zhǔn)三角剖分方法中，兩個(gè)相機(jī)觀測同一個(gè)3D所述相機(jī)中心之間的線條稱為基線。所述相機(jī)中心0?和0?與所述交點(diǎn)P之間的線條為投影對(duì)極線分別在所述圖像平面的極點(diǎn)與所述基線相交。根據(jù)對(duì)應(yīng)的圖像點(diǎn)p和p'以及所述兩知技術(shù)直接通過線性代數(shù)確定所述3D相交點(diǎn)P?？梢允褂弥悬c(diǎn)法和直接線性轉(zhuǎn)換等各種本領(lǐng)域公知的方式計(jì)算P(3D點(diǎn))的坐標(biāo)的代數(shù)公所述第二點(diǎn)云可以與所述第一點(diǎn)云同時(shí)生成?；蛘?，當(dāng)統(tǒng)320生成所述第一點(diǎn)云時(shí)相同的環(huán)境(可以為測試室或基準(zhǔn)室)中并基于所述環(huán)境中相同以使用上文所述的KNN算法將所述LiDAR點(diǎn)云的數(shù)據(jù)點(diǎn)與所述立體相機(jī)點(diǎn)云中的數(shù)據(jù)點(diǎn)進(jìn)行匹配。向所述預(yù)處理模塊330提供兩個(gè)點(diǎn)云：兩個(gè)點(diǎn)云都具有高分辨率，但是其中一個(gè)的精度低于另一個(gè)?？梢允褂盟鯧NN算法找到所述低精度點(diǎn)云中每個(gè)點(diǎn)與該點(diǎn)在所述高精算法/基于學(xué)習(xí)的算法。[0093]在操作410中，所述預(yù)處理模塊330以所述第二點(diǎn)云為地面真值，基于所確定的誤差，例如，基于所述第一點(diǎn)云的所述誤差的數(shù)學(xué)表示，確定校正函數(shù)。所述校正函數(shù)可以是應(yīng)用于所述第一點(diǎn)云中所有數(shù)據(jù)點(diǎn)的校正向量、應(yīng)用于所述第一點(diǎn)云中不同數(shù)據(jù)點(diǎn)的若干不同校正向量、或在整個(gè)第一點(diǎn)云中非均勻變化的可變校正函數(shù)，以及諸多其它可能性。[0094]在操作412中，所述預(yù)處理模塊330使用所述校正函數(shù)，基于所述第一點(diǎn)云生成修[0095]在操作414中，所述預(yù)處理模塊330以所述第二點(diǎn)云為地面真值，生成所述修正點(diǎn)云與所述第二點(diǎn)云之間的訓(xùn)練誤差的數(shù)學(xué)表示。所述訓(xùn)練誤差的數(shù)學(xué)表示基于所述修正點(diǎn)云與所述第二點(diǎn)云的匹配坐標(biāo)之間的差值。[0096]在操作416中，所述預(yù)處理模塊330確定所述訓(xùn)練誤差是否小于誤差閾值。當(dāng)所述訓(xùn)練誤差小于所述誤差閾值時(shí)，認(rèn)為所述校正函數(shù)已經(jīng)訓(xùn)練完成，方法400結(jié)束。當(dāng)所述訓(xùn)練誤差大于或等于所述誤差閾值時(shí)，繼續(xù)執(zhí)行操作418,重新計(jì)算所述校正函數(shù)。當(dāng)所述預(yù)處理模塊330為用于訓(xùn)練所述校正函數(shù)的神經(jīng)網(wǎng)絡(luò)時(shí)，可以通過更新所述神經(jīng)網(wǎng)絡(luò)的權(quán)重等參數(shù)在所述神經(jīng)網(wǎng)絡(luò)中反向傳播所述訓(xùn)練誤差來重新計(jì)算所述校正函數(shù)，以將所述訓(xùn)練誤差降到最低。[0097]接下來參考圖3B。圖3B為根據(jù)本發(fā)明另一示例性實(shí)施例的一種用于對(duì)預(yù)處理模塊330進(jìn)行訓(xùn)練以生成修正點(diǎn)云的計(jì)算機(jī)視覺系統(tǒng)350的簡化框圖。所述計(jì)算機(jī)視覺系統(tǒng)350與所述計(jì)算機(jī)視覺系統(tǒng)300的區(qū)別在于，在所述計(jì)算機(jī)視覺系統(tǒng)350中，基于一個(gè)或多個(gè)處理點(diǎn)云數(shù)據(jù)的機(jī)器學(xué)習(xí)算法(例如，對(duì)象檢測算法、動(dòng)態(tài)對(duì)象移除算法、同步定位與地圖構(gòu)法、跟蹤算法或場景重建算法中的一個(gè)或多個(gè))進(jìn)行合并訓(xùn)練。處理模塊340的輸出可用于生成環(huán)境的3D表示，所述3D表示可以顯示在觸摸屏136上。因?yàn)楦鶕?jù)特定點(diǎn)云應(yīng)用算法，所述計(jì)算機(jī)視覺系統(tǒng)生成的高分辨率/高精度點(diǎn)云的某些誤差或多或少比其它誤差容錯(cuò)率更高，因此所述合并訓(xùn)練可以進(jìn)一步改善使用所述修正點(diǎn)云的特定點(diǎn)云應(yīng)用的最終結(jié)果(例如，環(huán)境的3D表示),從而提高了所述計(jì)算機(jī)視覺系統(tǒng)針對(duì)預(yù)期應(yīng)用的性能。[0098]所述計(jì)算機(jī)視覺系統(tǒng)350包括所述計(jì)算機(jī)視覺系統(tǒng)300的所述LiDAR系統(tǒng)310、相機(jī)系統(tǒng)320、預(yù)處理模塊330和點(diǎn)云處理模塊340,但還包括損失(損失)確定模塊360。所述損失確定模塊360可以是硬件模塊或軟件模塊168,例如，計(jì)算機(jī)視覺模塊172的軟件模塊。以端到端的方式進(jìn)行所述合并訓(xùn)練，其中，所述損失確定模塊360采用所述修正點(diǎn)云中的數(shù)據(jù)點(diǎn)和第二點(diǎn)云中的數(shù)據(jù)點(diǎn)，基于特定點(diǎn)云應(yīng)用算法的計(jì)算確定與訓(xùn)練誤差相關(guān)聯(lián)的“損失”。通過用于訓(xùn)練所述預(yù)處理模塊330的損失函數(shù)(或損失函數(shù))確定所述損失。所述損失函數(shù)是將特定點(diǎn)云應(yīng)用算法的輸出的值映射到代表與所述值相關(guān)聯(lián)的“損失”的實(shí)數(shù)的目標(biāo)函數(shù)。所述損失函數(shù)可以是點(diǎn)云應(yīng)用算法損失函數(shù)或可以是點(diǎn)云應(yīng)用算法損失函數(shù)與預(yù)處理模塊損失函數(shù)的組合。所述損失函數(shù)可以基于所述預(yù)處理模塊和所述點(diǎn)云應(yīng)用算法的損失的加權(quán)組合輸出損失(或損失)。所述損失函數(shù)由人工智能/神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)者定義，其細(xì)節(jié)超出本發(fā)明所討論的范圍。當(dāng)需要通過所述特定點(diǎn)云應(yīng)用算法提高性能時(shí)，合并訓(xùn)練可以有助于提高整體性能。[0099]下文將參考圖4B描述根據(jù)本發(fā)明另一示例性實(shí)施例的一種對(duì)預(yù)處理模塊330進(jìn)行訓(xùn)練以生成修正點(diǎn)云的方法420。所述方法420的至少部分由車輛控制系統(tǒng)115的處理器系統(tǒng)102執(zhí)行軟件實(shí)現(xiàn)。所述方法420與所述方法400類似，只是所述方法420中進(jìn)行了合并訓(xùn)[0100]在操作412中生成所述修正點(diǎn)云后，在操作422中，所述預(yù)處理模塊330使用所述修正點(diǎn)云和所述第二點(diǎn)云計(jì)算特定點(diǎn)云應(yīng)用算法的輸出。[0101]在操作424中，所述預(yù)處理模塊330基于采用所述修正點(diǎn)云計(jì)算的所述特定點(diǎn)云應(yīng)用算法的輸出和以所述第二點(diǎn)云為地面真值計(jì)算的所述特定點(diǎn)云應(yīng)用算法的輸出，確定點(diǎn)云而非所述第二點(diǎn)云計(jì)算的所述點(diǎn)云應(yīng)用算法的輸出的誤差的損失。[0102]在操作426中，所述預(yù)處理模塊330確定所述損失是否小于損失閾值。當(dāng)所述損失小于所述損失閾值時(shí)，認(rèn)為已經(jīng)將所述損失最小化，且所述校正函數(shù)已經(jīng)訓(xùn)練完成，方法420結(jié)束。當(dāng)所述損失大于或等于所述損失閾值時(shí)，繼續(xù)執(zhí)行操作428,重新計(jì)算所述校正函數(shù)。當(dāng)所述預(yù)處理模塊330為用于訓(xùn)練所述校正函數(shù)的神經(jīng)網(wǎng)絡(luò)時(shí)，可以通過更新所述神經(jīng)網(wǎng)絡(luò)的權(quán)重等參數(shù)在所述神經(jīng)網(wǎng)絡(luò)中反向傳播所述訓(xùn)練誤差來重新計(jì)算所述校正函數(shù)，以將所述損失函數(shù)的損失降到最低。在一些示例中，可以對(duì)所述神經(jīng)網(wǎng)絡(luò)的權(quán)重等參數(shù)進(jìn)行更新，使采用所述修正點(diǎn)云計(jì)算的所述特定點(diǎn)云應(yīng)用算法的輸出與采用所述第二點(diǎn)云計(jì)算的所述特定點(diǎn)云應(yīng)用算法的輸出之間的均方差(meansquareerror,MSE)最小。[0103]雖然上文描述中使用將損失最小化以解決優(yōu)化問題的損失函數(shù)作為目標(biāo)函數(shù)，在函數(shù)中，將所述目標(biāo)函數(shù)的輸出最大化而非最小化以解決優(yōu)化問題。[0104]接下來參考圖5A。圖5A為根據(jù)本發(fā)明另一示例性實(shí)施例的一種用于對(duì)基于學(xué)習(xí)的預(yù)處理模塊530(下文稱為預(yù)處理模塊530)進(jìn)行訓(xùn)練以生成修正點(diǎn)云的計(jì)算機(jī)視覺系統(tǒng)500的簡化框圖。所述計(jì)算機(jī)視覺系統(tǒng)500與上文所述的計(jì)算機(jī)視覺系統(tǒng)300類似，只是所述計(jì)算機(jī)視覺系統(tǒng)500還包括具有一個(gè)或多個(gè)LiDAR單元114的低分辨率LiDAR系統(tǒng)510。[0105]所述計(jì)算機(jī)視覺系統(tǒng)500用于訓(xùn)練所述預(yù)處理模塊530。所述訓(xùn)練是為了訓(xùn)練所述預(yù)處理模塊530使用所述低分辨率LiDAR系統(tǒng)510和相機(jī)系統(tǒng)320實(shí)時(shí)地或接近實(shí)時(shí)地生成高分辨率高精度點(diǎn)云。在一些事例中，高分辨率高精度LiDAR系統(tǒng)310可包括一個(gè)或多個(gè)64(或更多)光束LiDAR單元，而所述低分辨率LiDAR系統(tǒng)510包括一個(gè)或多個(gè)8光束、16光束或32光束LiDAR單元。與所述高分辨率高精度LiDAR系統(tǒng)310相比，所述相機(jī)系統(tǒng)320和所述低分辨率LiDAR系統(tǒng)510較為便宜。訓(xùn)練后的所述預(yù)處理模塊530可用于包括相機(jī)系統(tǒng)等低精度傳感器系統(tǒng)和/或低分辨率LiDAR子系統(tǒng)510等低分辨率系統(tǒng)的生產(chǎn)車輛中，例如，車輛[0106]按下文所述的階段訓(xùn)練所述預(yù)處理模塊530。所述預(yù)處理模塊530的訓(xùn)練可以與所述計(jì)算機(jī)視覺系統(tǒng)500的其它校準(zhǔn)程序同時(shí)進(jìn)行。至少在一些實(shí)施例中，所述預(yù)處理模塊530可以是或包括神經(jīng)網(wǎng)絡(luò)。在其它實(shí)施例中，所述預(yù)處理模塊530可以是或包括其它類型的基于機(jī)器學(xué)習(xí)的控制器、處理器或系統(tǒng)。首先采用來自所述低分辨率LiDAR系統(tǒng)510的低分辨率/高精度數(shù)據(jù)對(duì)所述預(yù)處理模塊530進(jìn)行訓(xùn)練，再用來自所述高分辨率LiDAR系統(tǒng)310的高分辨率/高精度數(shù)據(jù)對(duì)所述預(yù)處理模塊530進(jìn)行訓(xùn)練，以對(duì)所述預(yù)處理模塊530的校正函數(shù)進(jìn)行微調(diào)。[0107]下文將參考圖6A描述根據(jù)本發(fā)明另一示例性實(shí)施例的一種對(duì)預(yù)處理模塊530進(jìn)行訓(xùn)練以生成修正點(diǎn)云的方法600。所述方法600的至少部分由車輛控制系統(tǒng)115的處理器系統(tǒng)102執(zhí)行軟件實(shí)現(xiàn)。所述方法600與所述方法400類似，只是所述方法600中進(jìn)行了合并訓(xùn)[0108]在操作602中，計(jì)算機(jī)視覺系統(tǒng)500使用第一傳感器系統(tǒng)，例如，相機(jī)系統(tǒng)320,生成第一點(diǎn)云。[0109]在操作604中，所述計(jì)算機(jī)視覺系統(tǒng)500通過第二傳感器系統(tǒng)，例如，LiDAR系統(tǒng)310,生成第二點(diǎn)云。所述第二點(diǎn)云為高分辨率高精度點(diǎn)云。所述第二點(diǎn)云可以與所述第一點(diǎn)云同時(shí)生成?；蛘?，當(dāng)所述LiDAR系統(tǒng)310在與所述相機(jī)系統(tǒng)320生成所述第一點(diǎn)云時(shí)相同的環(huán)境(可以為測試室或基準(zhǔn)室)中并基于所述環(huán)境中相同的參考位置(例如，相同的位置和方位)生成所述第二點(diǎn)云時(shí)，可以提前生成所述第二點(diǎn)云并將其提供給所述計(jì)算機(jī)視覺[0110]在操作606中，所述計(jì)算機(jī)視覺系統(tǒng)500通過第三傳感器系統(tǒng)，例如，LiDAR系統(tǒng)510,生成第三點(diǎn)云。所述第三點(diǎn)云為低分辨率高精度點(diǎn)云。所述第三點(diǎn)云也稱為LiDAR點(diǎn)云。所述第三點(diǎn)云通常由所述LiDAR系統(tǒng)510生成，并作為輸入由所述處理器系統(tǒng)102接收。[0111]所述第三點(diǎn)云可以與所述第一點(diǎn)云及所述第二點(diǎn)云同時(shí)生成?；蛘撸?dāng)所述LiDAR系統(tǒng)510在與生成所述第一點(diǎn)云和所述第二點(diǎn)云時(shí)相同的環(huán)境(可以為測試室或基準(zhǔn)室)中并基于所述環(huán)境中相同的參考位置(例如，相同的位置和方位)生成所述第三點(diǎn)云時(shí)，可以提前生成所述第三點(diǎn)云并將其提供給所述計(jì)算機(jī)視覺系統(tǒng)500。[0112]在操作608中，所述預(yù)處理模塊530以所述低分辨率LiDAR系統(tǒng)510的所述第三點(diǎn)云為地面真值，確定所述第一點(diǎn)云的誤差。至少在一些實(shí)施例中，所述預(yù)處理模塊530生成所述第一點(diǎn)云的誤差的數(shù)學(xué)表示(例如，模型)。與操作408類似，所述誤差的數(shù)學(xué)表示基于所述第一點(diǎn)云與所述第三點(diǎn)云的匹配坐標(biāo)之間的差值。[0113]在操作610中，與操作410類似，所述預(yù)處理模塊330以所述第三點(diǎn)云為地面真值，基于所確定的誤差，例如，基于定義所述第一點(diǎn)云的誤差的所述誤差的數(shù)學(xué)表示，確定校正[0114]在操作612中，所述預(yù)處理模塊530使用所述校正函數(shù)，基于所述第一點(diǎn)云生成修[0115]在操作614中，所述預(yù)處理模塊530以所述第三點(diǎn)云為地面真值，生成所述修正點(diǎn)云與所述第三點(diǎn)云之間的訓(xùn)練誤差的數(shù)學(xué)表示(例如，模型)。所述訓(xùn)練誤差的數(shù)學(xué)表示基于所述修正點(diǎn)云與所述第三點(diǎn)云的匹配坐標(biāo)之間的差值。[0116]在操作616中，所述預(yù)處理模塊530確定所述訓(xùn)練誤差是否小于誤差閾值。當(dāng)所述訓(xùn)練誤差小于所述誤差閾值時(shí)，認(rèn)為對(duì)所述校正函數(shù)進(jìn)行訓(xùn)練的第一階段已經(jīng)完整，所述方法600繼續(xù)執(zhí)行操作620進(jìn)入訓(xùn)練的第二階段。當(dāng)所述訓(xùn)練誤差大于或等于所述誤差閾值時(shí)，繼續(xù)執(zhí)行操作618,重新計(jì)算所述校正函數(shù)。當(dāng)所述預(yù)處理模塊530為用于訓(xùn)練所述校正函數(shù)的神經(jīng)網(wǎng)絡(luò)時(shí)，可以通過更新所述神經(jīng)網(wǎng)絡(luò)的權(quán)重等參數(shù)在所述神經(jīng)網(wǎng)絡(luò)中反向傳播所述訓(xùn)練誤差來重新計(jì)算所述校正函數(shù)，以將所述訓(xùn)練誤差降到最低。[0117]在操作620中，認(rèn)為對(duì)所述校正函數(shù)進(jìn)行訓(xùn)練的第一階段已經(jīng)完成，所述預(yù)處理模塊530以所述高分辨率高精度LiDAR系統(tǒng)310的所述第二點(diǎn)云為地面真值，生成所述修正點(diǎn)云的誤差數(shù)學(xué)表示(例如，模型)。與操作408和608類似類似，所述誤差的數(shù)學(xué)表示基于所述第一點(diǎn)云與所述第二點(diǎn)云的匹配坐標(biāo)之間的差值。[0118]在操作622中，與操作410和610類似，所述預(yù)處理模塊330以所述第二點(diǎn)云為地面真值，基于定義所述第一點(diǎn)云的誤差的所述誤差的數(shù)學(xué)表示，確定校正函數(shù)。[0119]在操作624中，所述預(yù)處理模塊530使用所述校正函數(shù)，基于所述第一點(diǎn)云生成修正點(diǎn)云。[0120]在操作626中，所述預(yù)處理模塊530以所述第二點(diǎn)云為地面真值，生成所述修正點(diǎn)云與所述第二點(diǎn)云之間的訓(xùn)練誤差的數(shù)學(xué)表示(例如，模型)。所述訓(xùn)練誤差的數(shù)學(xué)表示基于所述修正點(diǎn)云與所述第二點(diǎn)云的匹配坐標(biāo)之間的差值。[0121]在操作628中，所述預(yù)處理模塊530確定所述訓(xùn)練誤差是否小于誤差閾值。當(dāng)所述訓(xùn)練誤差小于所述誤差閾值時(shí)，認(rèn)為所述校正函數(shù)的訓(xùn)練已經(jīng)完成，方法600結(jié)束。當(dāng)所述訓(xùn)練誤差大于或等于所述誤差閾值時(shí)，繼續(xù)執(zhí)行操作630,重新計(jì)算所述校正函數(shù)。當(dāng)所述預(yù)處理模塊530為用于訓(xùn)練所述校正函數(shù)的神經(jīng)網(wǎng)絡(luò)時(shí)，可以通過更新所述神經(jīng)網(wǎng)絡(luò)的權(quán)重等參數(shù)在所述神經(jīng)網(wǎng)絡(luò)中反向傳播所述訓(xùn)練誤差來重新計(jì)算所述校正函數(shù)，以將所述訓(xùn)練誤差降到最低。[0122]接下來參考圖5B。圖5B為根據(jù)本發(fā)明另一示例性實(shí)施例的一種用于對(duì)預(yù)處理模塊530進(jìn)行訓(xùn)練以生成修正點(diǎn)云的計(jì)算機(jī)視覺系統(tǒng)550的簡化框圖。所述計(jì)算機(jī)視覺系統(tǒng)550與所述計(jì)算機(jī)視覺系統(tǒng)500的區(qū)別在于，在所述計(jì)算機(jī)視覺系統(tǒng)550中，基于一個(gè)或多個(gè)點(diǎn)云應(yīng)用算法(例如，對(duì)象檢測算法、動(dòng)態(tài)對(duì)象移除算法、同步景重建算法中的一個(gè)或多個(gè))進(jìn)行合并訓(xùn)練。[0123]所述計(jì)算機(jī)視覺系統(tǒng)550包括所述計(jì)算機(jī)視覺系統(tǒng)500的所述高分辨率高精度但還包括與所述損失確定模塊360類似的損失(或損失)確定模塊560。[0124]下文將參考圖6B描述根據(jù)本發(fā)明另一示例性實(shí)施例的一種對(duì)預(yù)處理模塊530進(jìn)行訓(xùn)練以生成修正點(diǎn)云的方法650。所述方法650的至少部分由車輛控制系統(tǒng)115的處理器系統(tǒng)102執(zhí)行軟件實(shí)現(xiàn)。所述方法650與所述方法600類似，只是所述方法600中進(jìn)行了合并訓(xùn)[0125]在操作612中生成所述修正點(diǎn)云后，在操作652中，所述預(yù)處理模塊530使用所述修正點(diǎn)云和所述第三點(diǎn)云計(jì)算特定點(diǎn)云應(yīng)用算法的輸出。[0126]在操作654中，所述預(yù)處理模塊530基于采用所述修正點(diǎn)云計(jì)算的所述特定點(diǎn)云應(yīng)用算法的輸出和以所述第三點(diǎn)云為地面真值計(jì)算的所述特定點(diǎn)云應(yīng)用算法的輸出，確定(例如，計(jì)算)所述損失函數(shù)的輸出的損失。所計(jì)算的“損失”代表的是采用所述修正點(diǎn)云而非所述第三點(diǎn)云計(jì)算的所述點(diǎn)云應(yīng)用算法的輸出的誤差的損失。[0127]在操作656中，所述預(yù)處理模塊530確定所述損失是否小于損失閾值。當(dāng)所述損失小于所述損失閾值時(shí)，認(rèn)為已經(jīng)將所述損失最小化，且對(duì)所述校正函數(shù)進(jìn)行訓(xùn)練的第一階段已經(jīng)完成，所述方法650繼續(xù)執(zhí)行操作660。當(dāng)所述損失大于或等于所述損失閾值時(shí)，繼續(xù)執(zhí)行操作658,重新計(jì)算所述校正函數(shù)。當(dāng)所述預(yù)處理模塊530為用于訓(xùn)練所述校正函數(shù)的神經(jīng)網(wǎng)絡(luò)時(shí)，可以通過更新所述神經(jīng)網(wǎng)絡(luò)的權(quán)重等參數(shù)在所述神經(jīng)網(wǎng)絡(luò)中反向傳播所述訓(xùn)練誤差來重新計(jì)算所述校正函數(shù)，以將所述損失函數(shù)的損失降到最低。在一些示例中，可以對(duì)所述神經(jīng)網(wǎng)絡(luò)的權(quán)重等參數(shù)進(jìn)行更新，使采用所述修正點(diǎn)云計(jì)算的所述特定點(diǎn)云應(yīng)用算法的輸出與采用所述第二點(diǎn)云計(jì)算的所述特定點(diǎn)云應(yīng)用算法的輸出之間的均方差(mean[0128]在操作660中，認(rèn)為對(duì)所述校正函數(shù)進(jìn)行訓(xùn)練的第一階段已經(jīng)完成，所述預(yù)處理模塊530以所述高分辨率高精度LiDAR系統(tǒng)310的所述第二點(diǎn)云為地面真值，生成所述修正點(diǎn)云的誤差數(shù)學(xué)表示(例如，模型)。與操作408和608類似類似，所述誤差的數(shù)學(xué)表示基于所述第一點(diǎn)云與所述第二點(diǎn)云的匹配坐標(biāo)之間的差值。[0129]在操作662中，與操作410和610類似，所述預(yù)處理模塊530以所述第二點(diǎn)云為地面真值，基于定義所述第一點(diǎn)云的誤差的所述誤差的數(shù)學(xué)表示，確定校正函數(shù)。[0130]在操作664中，所述預(yù)處理模塊530使用所述校正函數(shù)，基于所述第一點(diǎn)云生成修正點(diǎn)云。[0131]在操作666中，所述預(yù)處理模塊530使用所述修正點(diǎn)云和所述第二點(diǎn)云計(jì)算特定點(diǎn)云應(yīng)用算法的輸出。[0132]在操作668中，所述預(yù)處理模塊530基于采用所述修正點(diǎn)云計(jì)算的所述特定點(diǎn)云應(yīng)用算法的輸出和以所述第二點(diǎn)云為地面真值計(jì)算的所述特定點(diǎn)云應(yīng)用算法的輸出，確定(例如，計(jì)算)所述損失函數(shù)的輸出的損失。所計(jì)算的“損失”代表的是采用所述修正點(diǎn)云而非所述第二點(diǎn)云計(jì)算的所述點(diǎn)云應(yīng)用算法的輸出的誤差的損失。[0133]在操作670中，所述預(yù)處理模塊530確定所述損失是否小于損失閾值。當(dāng)所述損失小于所述損失閾值時(shí)，認(rèn)為已經(jīng)將所述損失最小化，且所述校正函數(shù)已經(jīng)訓(xùn)練完成，方法650結(jié)束。當(dāng)所述損失大于或等于所述損失閾值時(shí)，繼續(xù)執(zhí)行操作672,重新計(jì)算所述校正函數(shù)。當(dāng)所述預(yù)處理模塊330為用于訓(xùn)練所述校正函數(shù)的神經(jīng)網(wǎng)絡(luò)時(shí)，可以通過更新所述神經(jīng)網(wǎng)絡(luò)的權(quán)重等參數(shù)在所述神經(jīng)網(wǎng)絡(luò)中反向傳播所述訓(xùn)練誤差來重新計(jì)算所述校正函數(shù)，以將所述損失函數(shù)的損失降到最低。在一些示例中，可以對(duì)所述神經(jīng)網(wǎng)絡(luò)的權(quán)重等參數(shù)進(jìn)行更新，使采用所述修正點(diǎn)云計(jì)算的所述特定點(diǎn)云應(yīng)用算法的輸出與采用所述第二點(diǎn)云計(jì)算的所述特定點(diǎn)云應(yīng)用算法的輸出之間的均方差(meansquareerror,MSE)最小。[0134]雖然上文描述中使用將損失最小化以解決優(yōu)化問題的損失函數(shù)作為目標(biāo)函數(shù)，在函數(shù)中，將所述目標(biāo)函數(shù)的輸出最大化而非最小化以解決優(yōu)化問題。[0135]下文將參考圖7描述根據(jù)本發(fā)明一示例性實(shí)施例的一種使用訓(xùn)練后的預(yù)處理模塊330或530生成高分辨率高精度點(diǎn)云的方法700。所述方法700的至少部分由車輛控制系統(tǒng)115的處理器系統(tǒng)102執(zhí)行軟件實(shí)現(xiàn)。[0136]在操作702中，所述處理器系統(tǒng)102使用第一傳感器系統(tǒng)，例如，相機(jī)系統(tǒng)320,生成第一點(diǎn)云。[0137]在操作704中，所述處理器系統(tǒng)102使用第二傳感器系統(tǒng)，例如，低分辨率LiDAR系統(tǒng)510,生成第二點(diǎn)云。此步驟可選。在其它實(shí)施例中，計(jì)算機(jī)視覺系統(tǒng)只生成所述第一點(diǎn)[0138]在操作706中，所述處理器系統(tǒng)102基于上文所述的相機(jī)系統(tǒng)320或低分辨率LiDAR系統(tǒng)510各自的預(yù)訓(xùn)練校正函數(shù)生成第一修正點(diǎn)云或可選地生成第二修正點(diǎn)云。[0139]在操作708中，所述處理器系統(tǒng)102基于所述修正點(diǎn)云計(jì)算一個(gè)或多個(gè)特定點(diǎn)云應(yīng)清地圖創(chuàng)建算法、基于LiDAR的定位算法、語義映射算法、跟蹤算法或場景重建算法中的一個(gè)或多個(gè)。這些算法通常用于3D,但也可能用于2D。[0140]在操作710中，可選地，所述處理器系統(tǒng)102基于所述一個(gè)或多個(gè)點(diǎn)云應(yīng)用算法的結(jié)果/輸出生成環(huán)境的表示，所述表示通常為3D,如3D地圖。[0141]在操作712中，所述處理器系統(tǒng)102輸出所述3D表示。所述輸出可包括將所述3D表示顯示在觸摸屏136等顯示器上，將所述3D表示輸出至車輛駕駛輔助系統(tǒng)或自主駕駛系統(tǒng)，或其組合。所述車輛駕駛輔助系統(tǒng)或自主駕駛系統(tǒng)通常為所述車輛控制系統(tǒng)115的一部分，[0142]使用訓(xùn)練后的預(yù)處理模塊330或530,可以從測試車輛移除或在生產(chǎn)車輛中省去高分辨率高精度LiDAR系統(tǒng)310,從而有助于降低最終產(chǎn)品的成本。可以使用相機(jī)系統(tǒng)320或可選地使用低分辨率LiDAR系統(tǒng)510等更便宜的傳感器代替通常非常昂貴且不適于商業(yè)用途的所述高分辨率高精度LiDAR系統(tǒng)310?？梢杂扇我馓幚睃c(diǎn)云數(shù)據(jù)的機(jī)器學(xué)習(xí)算法使用所述訓(xùn)練后的預(yù)處理模塊330或530生成的高分辨率高精度點(diǎn)云生成精確的結(jié)果，所述結(jié)果可用于生成環(huán)境的精確3D