[发明专利]基于自动驾驶车辆的视觉感知方法、装置、设备以及介质在审
| 申请号： | 201811055289.1 | 申请日： | 2018-09-11 |
| 公开（公告）号： | CN109376594A | 公开（公告）日： | 2019-02-22 |
| 发明（设计）人： | 陈佳佳;万吉;夏添 | 申请（专利权）人： | 百度在线网络技术（北京）有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06N3/04;G06N3/08 |
| 代理公司： | 北京同立钧成知识产权代理有限公司 11205 | 代理人： | 张宁;刘芳 |
| 地址： | 100085 北京市*** | 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： | 目标识别 自动驾驶 神经网络模型 视觉感知 特征信息 多通道 冗余特征 图像输入 行驶安全 灵敏度 申请 剔除 采集 图像 保证 | ||
1.一种基于自动驾驶车辆的视觉感知方法，其特征在于，包括：
获取自动驾驶车辆所采集的第一视觉感知图像；
将所述第一视觉感知图像输入至第一神经网络模型中，识别出至少一个待识别的目标识别对象的多通道特征信息，以剔除所述第一视觉感知图像中冗余特征信息；
将所述至少一个待识别的目标识别对象的多通道特征信息，分别输入至第二神经网络模型中的至少一个子神经网络模型中，得到至少一个目标识别对象；其中，所述目标识别对象与所述子神经网络模型是一一对应的。
2.根据权利要求1所述的方法，其特征在于，所述方法，还包括：
获取所述第一神经网络模型。
3.根据权利要求2所述的方法，其特征在于，所述获取所述第一神经网络模型，包括：
根据第二视觉感知图像和至少一个训练样本对象的多通道特征信息对第一预设神经网络模型进行训练，生成所述第一神经网络模型；其中，所述第二视觉感知图像中包括所述至少一个训练样本对象。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述方法，还包括：
获取所述第二神经网络模型。
5.根据权利要求4所述的方法，其特征在于，所述获取所述第二神经网络模型，包括：
根据至少一个训练样本对象和所述至少一个训练样本对象的多通道特征信息分别对第二预设神经网络模型中的至少一个子预设神经网络模型进行训练，生成所述第二神经网络模型；其中，所述训练样本对象与所述子预设神经网络模型是一一对应的。
6.根据权利要求1-3中任一项所述的方法，其特征在于，所述获取自动驾驶车辆所采集的第一视觉感知图像，包括：
获取所述自动驾驶车辆中的图像采集装置所采集的所述第一视觉感知图像。
7.根据权利要求1-3中任一项所述的方法，其特征在于，所述目标识别对象包括以下至少一项：目标物体或目标语义。
8.一种基于自动驾驶车辆的视觉感知装置，其特征在于，包括：
第一获取模块，用于获取自动驾驶车辆所采集的第一视觉感知图像；
识别模块，用于将所述第一视觉感知图像输入至第一神经网络模型中，识别出至少一个待识别的目标识别对象的多通道特征信息，以剔除所述第一视觉感知图像中冗余特征信息；
确定模块，用于将所述至少一个待识别的目标识别对象的多通道特征信息，分别输入至第二神经网络模型中的至少一个子神经网络模型中，得到至少一个目标识别对象；其中，所述目标识别对象与所述子神经网络模型是一一对应的。
9.根据权利要求8所述的装置，其特征在于，所述装置，还包括：
第二获取模块，用于获取所述第一神经网络模型。
10.根据权利要求9所述的装置，其特征在于，所述第二获取模块具体用于：
根据第二视觉感知图像和至少一个训练样本对象的多通道特征信息对第一预设神经网络模型进行训练，生成所述第一神经网络模型；其中，所述第二视觉感知图像中包括所述至少一个训练样本对象。
11.根据权利要求8-10中任一项所述的装置，其特征在于，所述装置，还包括：
第三获取模块，用于获取所述第二神经网络模型。
12.根据权利要求11所述的装置，其特征在于，所述第三获取模块具体用于：
根据至少一个训练样本对象和所述至少一个训练样本对象的多通道特征信息分别对第二预设神经网络模型中的至少一个子预设神经网络模型进行训练，生成所述第二神经网络模型；其中，所述训练样本对象与所述子预设神经网络模型是一一对应的。
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百度在线网络技术（北京）有限公司，未经百度在线网络技术（北京）有限公司许可，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/201811055289.1/1.html，转载请声明来源钻瓜专利网。
