[发明专利]基于场景分割的自动驾驶处理方法、装置及计算设备

权利要求书

1.一种基于场景分割的自动驾驶处理方法，所述方法基于经过训练的场景分割网络而执行，所述方法包括：

实时获取图像采集设备所拍摄和/或所录制的视频中的当前帧图像；

将所述当前帧图像输入至所述场景分割网络中，其中，在场景分割网络中至少一层卷积层，利用尺度回归层输出的尺度系数对该卷积层的第一卷积块进行缩放处理，得到第二卷积块，而后利用线性插值方法，从所述第二卷积块中采样得到特征向量，组成第三卷积块；依据所述第三卷积块与该卷积层的卷积核进行卷积运算，获得该卷积层的输出结果；

所述尺度回归层为所述场景分割网络的中间卷积层；所述尺度系数为尺度回归层输出的尺度系数特征图中的特征向量；

得到与当前帧图像对应的场景分割结果，其中，所述场景分割结果是经过场景分割网络中所有的卷积层的卷积运算之后得到的，并且与样本图像满足对应关系；

根据与当前帧图像对应的场景分割结果，确定特定对象的轮廓信息；

依据所述特定对象的轮廓信息，计算自身车辆与所述特定对象的相对位置关系；

根据计算得到的相对位置关系，对所述自身车辆进行自动驾驶控制；

其中，所述场景分割网络的训练过程通过多次迭代完成；在一次迭代过程中，将样本图像输入至所述场景分割网络中进行训练，其中，在场景分割网络中至少一层卷积层，利用上一次迭代过程尺度回归层输出的尺度系数或者初始尺度系数对该卷积层的第一卷积块进行缩放处理，得到第二卷积块，而后利用线性插值方法，从所述第二卷积块中采样得到特征向量，组成第三卷积块；依据所述第三卷积块与该卷积层的卷积核进行卷积运算，获得该卷积层的输出结果。

2.根据权利要求1所述的方法，其中，所述场景分割网络训练所用的样本包含：样本库存储的多个样本图像以及与样本图像对应的标注场景分割结果。

3.根据权利要求2所述的方法，其中，在一次迭代过程中，从所述样本库中提取样本图像以及与样本图像对应的标注场景分割结果，利用所述样本图像和所述标注场景分割结果实现场景分割网络的训练。

4.根据权利要求3所述的方法，其中一次迭代过程包括：

将样本图像输入至场景分割网络，得到与样本图像对应的样本场景分割结果；

根据所述样本场景分割结果与所述标注场景分割结果之间的分割损失，得到场景分割网络损失函数，利用所述场景分割网络损失函数实现场景分割网络的训练。

5.根据权利要求4所述的方法，其中，所述场景分割网络的训练步骤包括：

从所述样本库中提取样本图像以及与样本图像对应的标注场景分割结果；

将所述样本图像输入至所述场景分割网络中进行训练；

获取与样本图像对应的样本场景分割结果；

根据所述样本场景分割结果与所述标注场景分割结果之间的分割损失，得到场景分割网络损失函数，根据所述场景分割网络损失函数更新所述场景分割网络的权重参数；

迭代执行所述场景分割网络的训练步骤，直至满足预定收敛条件。

6.根据权利要求5所述的方法，其中，所述预定收敛条件包括：迭代次数达到预设迭代次数；和/或，所述场景分割网络损失函数的输出值小于预设阈值。

7.根据权利要求1所述的方法，其中，所述方法还包括：在所述场景分割网络训练开始时，对所述尺度回归层的权重参数进行初始化处理。

8.根据权利要求1所述的方法，其中，所述根据计算得到的相对位置关系，对所述自身车辆进行自动驾驶控制进一步包括：

根据计算得到的相对位置关系，确定行驶路线和/或行驶指令；

按照所确定的行驶路线和/或行驶指令，对所述自身车辆进行自动驾驶控制。