[发明专利]车辆检测方法及车载终端

说明书

本发明公开一种车辆检测方法及车载终端，其中该方法包括：将输入图片进行特征提取，并输入至预先训练得到的车轮点识别模型，预测得到所述输入图片中是否包括车轮点，以及车轮点的坐标；将所述车轮点和对面车轮点连线，并对得到的多条连线进行投票，并将得票数最高的连线作为车轮线；根据所述车轮线的位置，确定所述车辆的位置。

技术领域

本发明涉及自动驾驶领域，具体而言，涉及一种车轮检测方法及车载终 端。

背景技术

当前主要是采用如图1所示的检测框的形式实现车辆检测。即，针对车 辆外形整体框架进行检测。

但这种车辆检测的形式在很多场景下并不是很合适，比如鱼眼图像(192 fov)中，车辆的畸变很大，检测框实现的车辆检测效果不好，不够准确。

发明内容

本发明提供一种车辆检测方法及车载终端，用以克服现有技术中存在的 至少一个问题。

根据本发明实施例的第一方面，提供一种车辆检测方法，包括以下步骤：

将输入图片进行特征提取，并输入至预先训练得到的车轮点识别模型， 预测得到所述输入图片中是否包括车轮点，以及车轮点的坐标，其中所述车 轮点识别模型使得输入图片与对应输入图片中像素点是否属于车轮点的类别 信息以及每个车轮点的坐标偏移量和对面车轮点的坐标偏移量相关联；

将所述车轮点和对面车轮点连线，并对得到的多条连线进行投票，并将 得票数最高的连线作为车轮线；

根据所述车轮线的位置，确定所述车辆的位置。

可选地，所述车轮点识别模型通过以下方式构建：

生成训练样本集，所述训练样本集包括多组样本数据，每组样本数据包 括包含有车轮图像的样本图片、对应样本图片中预先标注的像素点是否属于 车轮点的类别信息以及每个车轮点和对面车轮点的偏移量；

基于所述训练样本集对预先搭建的深度神经网络模型进行训练，得到车 轮点设别模型，所述车轮点识别模型使得每组所述样本数据中的样本图片与 对应样本图片中预先标注的是否属于车轮点的类别信息以及每个车轮点和对 面车轮点的偏移量相关联。

可选地，所述预先训练得到的车轮点识别模型包括5个通道(channel)， 所述5个通道包括1个分类通道和4个回归通道；所述1个分类通道用于输 出车轮点的分类置信图，并表示为以车轮点坐标为中心，给定半径的圆形区 域；所述回归通道分别用于输出当前车轮点的两个坐标偏移量和到对面车轮 点的两个坐标偏移量。

可选地，预测得到所述输入图片中是否包括车轮点，以及车轮点的坐标， 包括:

以所述车轮点识别模型输出的当前车轮点的坐标加上当前车轮点的两个 坐标偏移量，得到多个候选车轮点的坐标；

对得到的多个候选车轮点的坐标进行投票，剔除小于预定分数阈值的候 选车轮点；

将比相邻四个点的分数都高的点作为候选车轮点；

将得到的候选车轮点按分数排序，并设置非极大值抑制半径，使得距离 小于所述半径的点被抑制以得到车轮点。

可选地，将所述车轮点和对面车轮点连线，包括：

对车轮点按分数排序；

从分数最高的点开始依次与其余的点进行匹配，从其余的点中查找和当 前点匹配的点，如果找到，则将该两点连线输出；如果未找到，则删除此点。

可选地，对得到的多条连线进行投票，并将得票数最高的连线作为车轮 线，包括：

针对每个候选点，遍历每个投票连线，如果连线和两点距离小于阈值， 则该两点投票数加1；对于投票数最高的两点，如果投票数大于设置的阈值， 则匹配成线。