[发明专利]一种检测障碍物的方法以及设备有效
申请号: | 201810218085.9 | 申请日: | 2018-03-16 |
公开(公告)号: | CN110154896B | 公开(公告)日: | 2020-04-07 |
发明(设计)人: | 余贵珍;胡超伟;王云鹏;苏鸿杰;雷傲 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | B60R1/00 | 分类号: | B60R1/00 |
代理公司: | 暂无信息 | 代理人: | 暂无信息 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 检测 障碍物 方法 以及 设备 | ||
1.一种检测障碍物的方法,其特征在于,包括:
通过第一处理器,接收来自图像采集设备的图像序列;
通过第一处理器,将所述图像序列中的第一图像发送至第二处理器,调用由所述第二处理器运行的子线程检测所述第一图像中的多个障碍物;
通过第一处理器,从所述第二处理器接收所检测的检测结果;
通过第一处理器,根据所述检测结果,初始化用于在所述图像序列中跟踪所述多个障碍物中的至少一部分障碍物的多个跟踪器;
以及
通过第一处理器,利用所述多个跟踪器在所述图像序列中对所述至少一部分障碍物进行跟踪;
检测所述多个障碍物的操作包括:
利用预先训练的卷积神经网络对所述第一图像进行检测,得到多个目标;以及
从所述多个目标中选择满足以下条件的目标作为所述多个障碍物:
属于障碍物的一个类别的概率大于第一预定值;以及
到达所述图像采集设备的距离小于第二预定值。
2.根据权利要求1所述的方法,其特征在于,所述卷积神经网络为基于SSD算法结构的卷积神经网络。
3.根据权利要求2所述的方法,其特征在于,所述SSD算法结构的前端网络为浅层残差网络的部分层,以及所述SSD算法结构的后端网络为多个卷积层。
4.根据权利要求3所述的方法,其特征在于,所述障碍物的类别包括以下类别中的至少一个:行人、自行车、摩托车、三轮车、轿车、厢式货车、无盖货车以及公交车。
5.根据权利要求4所述的方法,其特征在于,所述多个跟踪器为基于相关滤波的单目标跟踪器。
6.根据权利要求5所述的方法,其特征在于,初始化所述多个跟踪器的操作包括:
利用所述至少一部分障碍物在所述第一图像中的位置信息对所述多个跟踪器进行初始化,然后使用所述多个跟踪器在所述图像序列中跟踪障碍物。
7.根据权利要求6所述的方法,其特征在于,还包括:
在显示器上显示所述图像序列;以及
将所述跟踪的结果以及所述至少一部分障碍物距离所述图像采集设备的距离显示在所述图像序列的图像中。
8.一种检测障碍物的设备,其特征在于,包括:图像采集设备;第一处理器;以及第二处理器,
其中所述第一处理器运行第一程序,其中,所述第一程序运行时对于从所述图像采集设备输出的图像序列执行如下处理步骤:
接收来自图像采集设备的图像序列;
将所述图像序列中的第一图像发送至第二处理器,调用由所述第二处理器运行的第二程序检测所述第一图像中的多个障碍物;
从所述第二处理器接收所检测的检测结果;
根据所述检测结果,初始化与所述多个障碍物中的至少一部分障碍物分别对应的多个跟踪器;以及
利用所述多个跟踪器在所述图像序列中对所述至少一部分障碍物进行跟踪,并且
所述第二处理器运行所述第二程序,其中,所述第二程序运行时执行如下处理步骤:
从所述第一处理器接收所述第一图像;
在所述第一图像中检测所述多个障碍物;以及
将所述检测结果发送至所述第一处理器;
检测所述多个障碍物的操作包括:
利用预先训练的卷积神经网络对所述第一图像进行检测,得到多个目标;以及
从所述多个目标中选择满足以下条件的目标作为所述多个障碍物:
属于障碍物的一个类别的概率大于第一预定值;以及
到达所述图像采集设备的距离小于第二预定值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810218085.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:疲劳驾驶侦测装置
- 下一篇:一种智能车窗显示系统