[发明专利]用于确定图像中障碍物位置的方法、装置、设备和介质

说明书

本申请实施例公开了一种用于确定图像中障碍物位置的方法、装置、设备和介质，可用于自动驾驶，涉及图像处理技术领域，其中，该方法包括：获取当前拍摄的行车环境图像；确定行车环境图像中目标障碍物的被遮挡部位，以及确定目标障碍物的未被遮挡部位的初始坐标；利用预设位置预测算法确定被遮挡部位的预测坐标；基于预测坐标和初始坐标，确定目标障碍物在行车环境图像中的当前位置。本申请实施例可以提高行车环境图像中障碍物定位的准确性。

技术领域

本申请实施例涉及计算机技术，具体涉及图像处理技术领域，尤其涉及一种用于确定图像中障碍物位置的方法、装置、设备和介质，可用于自动驾驶。

背景技术

在车联网应用场景中，对行车环境中的障碍物进行准确的检测与定位，可以辅助车辆系统获取更多的环境信息。

然而，行车环境中的障碍物必不可免的会存在被遮挡的情况。例如，利用部署在道路上的相机拍摄行车环境中的静止障碍物，当该静止障碍物被其他物体遮挡时，基于拍摄的行车环境图像检测到的障碍物位置的准确性会降低，导致该静止障碍物在多帧行车环境图像上的检测位置出现跳变的情况。进而，在可视化的检测结果显示界面上，用于表征障碍物位置的检测框出现连续抖动的现象，影响基于障碍物检测位置进行障碍物跟踪的效果，或者影响多相机障碍物融合的效果。

发明内容

本申请实施例公开一种用于确定图像中障碍物位置的方法、装置、设备和介质，以提高行车环境图像中障碍物的定位准确性。

第一方面，本申请实施例公开了一种用于确定图像中障碍物位置的方法，包括：

获取当前拍摄的行车环境图像；

确定所述行车环境图像中目标障碍物的被遮挡部位，以及确定所述目标障碍物的未被遮挡部位的初始坐标；

利用预设位置预测算法确定所述被遮挡部位的预测坐标；

基于所述预测坐标和所述初始坐标，确定所述目标障碍物在所述行车环境图像中的当前位置。

上述申请中的一个实施例具有如下优点或有益效果：通过根据目标障碍物的遮挡属性，在检测与定位过程中灵活切换行车环境图像中目标障碍物各部位的坐标确定算法，利用遮挡部位当前的预测坐标和未遮挡部位的初始坐标共同确定目标障碍物在当前行车驾驶环境图像上的位置，提高了行车环境图像中障碍物的定位准确性。

可选的，确定所述行车环境图像中目标障碍物的被遮挡部位，以及确定所述目标障碍物的未被遮挡部位的初始坐标，包括：

利用预先训练的检测模型，确定所述行车环境图像中目标障碍物的被遮挡部位，以及确定所述目标障碍物的未被遮挡部位的初始坐标。

上述申请中的一个实施例具有如下优点或有益效果：检测模型作为一种多任务检测模型，提高了所需的各检测结果的输出效率。

可选的，所述方法还包括：

获取对训练集中每一帧图像上障碍物信息的标注结果，其中，所述障碍物信息包括障碍物的位置、障碍物是否被遮挡、以及障碍物的被遮挡部位；

利用所述标注结果和所述训练集，基于神经网络结构训练得到所述检测模型；

其中，所述神经网络结构包括卷积层、池化层和全连接层。

可选的，在所述检测模型的训练过程中，模型损失函数中包括障碍物的定位损失、障碍物的识别分类损失和障碍物各部位的遮挡分类损失，其中，所述障碍物的定位损失与所述障碍物各部位的遮挡情况相关。

上述申请中的一个实施例具有如下优点或有益效果：通过将障碍物各部位的遮挡分类损失加以考虑，提高了模型训练的准确性。

可选的，在所述利用预设位置预测算法确定所述被遮挡部位的预测坐标之前，所述方法还包括：