[发明专利]图像处理方法、信息处理方法及设备

权利要求书

1.一种图像处理方法，其特征在于，包括：

获取车辆在当前行驶情况下的第一车辆信息以及车载摄像拍摄的第一图像；

根据所述第一车辆信息和所述第一图像，通过预先构建的目标卷积神经网络模型，确定与当前行驶情况下车辆对应的目标逆透视变换矩阵；

根据所述目标逆透视变换矩阵，将所述第一图像变换为鸟瞰图。

2.根据权利要求1所述的方法，其特征在于，所述根据所述第一车辆信息和所述第一图像，通过预先构建的目标卷积神经网络模型，确定与当前行驶情况下车辆对应的目标逆透视变换矩阵，包括：

通过对所述第一图像的分析，获得当前行驶情况下的第一路况信息；

根据所述第一车辆信息和所述第一路况信息，在与所述目标卷积神经网络模型对应的数据库中查找，得到所述目标逆透视变换矩阵；或者，将所述第一车辆信息、所述第一图像和所述第一路况信息输入到所述目标卷积神经网络模型，获得输出的所述目标逆透视变换矩阵。

3.根据权利要求2所述的方法，其特征在于，所述数据库中存储有根据测量样本和所述目标卷积神经网络模型获得的对应不同车辆信息以及不同路况信息的逆透视变换矩阵。

4.一种信息处理方法，其特征在于，包括：

根据不同路况信息以及不同车辆信息构建测量样本；

将所述测量样本输入预先构建的初始卷积神经网络模型，构建目标卷积神经网络模型，以根据车辆行驶的情况，确定对应的目标逆透视变换矩阵。

5.根据权利要求4所述的方法，其特征在于，所述目标卷积神经网络模型包括第一部分和第二部分；其中，

所述第一部分的输入为车辆信息、路况信息、预设的初始图像和预设的初始逆透视变换矩阵，输出为特征值信息；

所述第二部分的输入为所述特征值信息和车载摄像拍摄的图像，输出为逆透视变换矩阵。

6.根据权利要求5所述的方法，其特征在于，所述初始逆透视变换矩阵是根据在预设道路上目标车辆的车载摄像拍摄第二图像，计算道路消失点后，通过四点变换算法得到的逆透视变换矩阵；所述初始图像为所述第二图像。

7.根据权利要求4所述的方法，其特征在于，所述目标卷积神经网络模型包括6个卷积层，3个池化层，2个全连接层。

8.根据权利要求4所述的方法，其特征在于，所述根据不同路况信息以及不同车辆信息构建测量样本包括：

基于不同路况信息，获取目标车辆的车载摄像拍摄的第三图像，以及所述目标车辆的第二车辆信息；

将关联的路况信息和第二车辆信息确定为一测量样本。

9.根据权利要求4所述的方法，其特征在于，所述构建目标卷积神经网络模型之后，还包括：

将所述目标卷积神经网络模型输出的逆透视变换矩阵，存储在数据库中；

在所述数据库中，记录各个逆透变换矩阵对应的车辆信息和路况信息。

10.一种图像处理设备，其特征在于，包括：收发机和处理器；其中，

所述收发机用于获取车辆在当前行驶情况下的第一车辆信息以及车载摄像拍摄的第一图像；

所述处理器用于根据所述收发机获取到的所述第一车辆信息和所述第一图像，通过预先构建的目标卷积神经网络模型，确定与当前行驶情况下车辆对应的目标逆透视变换矩阵；根据所述目标逆透视变换矩阵，将所述第一图像变换为鸟瞰图。

11.根据权利要求10所述的设备，其特征在于，所述处理器还用于：

通过对所述第一图像的分析，获得当前行驶情况下的第一路况信息；

根据所述第一车辆信息和所述第一路况信息，在与所述目标卷积神经网络模型对应的数据库中查找，得到所述目标逆透视变换矩阵；或者，将所述第一车辆信息、所述第一图像和所述第一路况信息输入到所述目标卷积神经网络模型，获得输出的所述目标逆透视变换矩阵。