[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

说明书

本申请提供一种基于自动驾驶车辆的视觉感知方法、装置、设备以及介质，其中，该方法包括：将获取的自动驾驶车辆所采集的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；进一步地，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。本申请实施例提高了目标识别对象的识别速度，从而提高了自动驾驶车辆的灵敏度，能够保证自动驾驶车辆的行驶安全。

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种基于自动驾驶车辆的视觉感知方法、装置、设备以及介质。

背景技术

随着信息技术的发展，自动驾驶车辆成为了智能化车辆研究的主要研究方向。在自动驾驶车辆运行过程中，自动驾驶车辆需要实时视觉感知处理，以根据视觉感知结果控制自动驾驶车辆的运行。

现有技术中，自动驾驶车辆可以采集到视觉感知图像，然后自动驾驶车辆对所采集到的视觉感知图像中不同目标对象(例如障碍物、车道线或交通标志等)进行识别；在识别的时候，需要将视觉感知图像分别输入到不同目标对象对应的深度学习模型中进行特征提取和识别，从而确定出对应的目标对象。

由于现有技术中，需要将视觉感知图像分别输入到不同目标对象所对应的深度学习模型中进行特征提取和识别，这样对不同目标对象分别识别的方式存在较大的时延，目标对象的识别速度较慢，从而降低了自动驾驶车辆的灵敏度，从而导致容易造成交通事故。

发明内容

本申请提供一种基于自动驾驶车辆的视觉感知方法、装置、设备以及介质，解决了现有技术中由于目标对象的识别速度较慢，降低了自动驾驶车辆的灵敏度，导致容易造成交通事故的技术问题。

第一方面，本申请提供一种基于自动驾驶车辆的视觉感知方法，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。

在一种可能的实现方式中，所述方法，还包括：

获取所述第一神经网络模型。

在一种可能的实现方式中，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。

在一种可能的实现方式中，所述方法，还包括：

获取所述第二神经网络模型。

在一种可能的实现方式中，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。

在一种可能的实现方式中，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。

在一种可能的实现方式中，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。