Verfahren und Vorrichtung zum Bestimmen einer Messinformation und LiDAR-Gerät

Ein Verfahren zum Bestimmen einer Messinformation basierend auf einer Vielzahl von Messwerten aus einem Messwertbereich weist auf: Erhalten einer Häufigkeitsverteilung einer Mehrzahl von Messwerten, wobei die Messwerte der Häufigkeitsverteilung jeweils einer Klasse einer Mehrzahl von Klassen der Häufigkeitsverteilung zugeordnet sind, und wobei ein Häufigkeitswert einer Klasse eine Anzahl der der Klasse zugordneten Messwerten beschreibt; Teilen der Häufigkeitsverteilung in mehrere Bereiche, wobei jeweils einer der Bereiche ein Intervall des Messwertbereichs repräsentiert und eine oder mehrere Klassen der Häufigkeitsverteilung beinhaltet; Auswählen jeweils einer Klasse eines jeweiligen Bereichs als eine ausgewählte Klasse des jeweiligen Bereichs basierend auf einer Auswahlregel, wobei den Bereichen basierend auf der Auswahlregel jeweils ein Bereichsmerkmal zugeordnet wird; Bestimmen eines Wahrscheinlichkeitswerts für eine der ausgewählten Klassen basierend auf den Bereichsmerkmalen, wobei der Wahrscheinlichkeitswert eine Schätzung dafür darstellt, mit welcher Wahrscheinlichkeit die ausgewählte Klasse einen Wert eines Nutzsignals repräsentiert, wobei das Bestimmen des Wahrscheinlichkeitswerts auf Methoden des maschinellen Lernens basiert.

A method for determining measurement information based on a multitude of measurement values from a measurement value range includes: obtaining a frequency distribution of a plurality of measurement values; dividing the frequency distribution into several regions, wherein one of the regions each represents an interval of the measurement value range and includes one or several classes of the frequency distribution; selecting one class each of a respective region as a selected class of the respective region based on a selection rule, wherein one region feature each is allocated to the regions based on the selection rule, determining a probability value for one of the selected classes based on the region features, wherein the probability value represents an estimation for the probability with which the selected class represents a value of a useful signal, wherein determining the probability value is based on methods of machine learning.