[发明专利]数据获取方法、训练方法、调整方法以及装置

说明书

公开了一种数据获取方法、训练方法、调整方法以及装置，采集预设的多种道路类型场景中每种道路类型场景下的道路图像，针对采集的每个道路图像，根据该道路图像的道路类型，对该道路图像中的消失点进行标记，然后基于上述多种道路类型场景下的道路图像以及每个道路图像中标记的消失点，确定样本数据。进一步，就可以利用该样本数据训练消失点预测模型，从而基于该消失点预测模型得到车载摄像头拍摄的当前帧道路图像中消失点的位置预测值，根据该位置预测值实现对车载摄像头的俯仰角进行实时调整。

技术领域

本公开涉及自动驾驶技术领域，且更为具体地，涉及一种数据获取方法、训练方法、调整方法以及装置。

背景技术

在机器视觉应用中，为确定空间物体在世界坐标系中的三维几何位置与其在图像中对应像素点之间的相互关系，需要建立摄像头成像的几何模型，这些几何模型参数就是摄像头的内参和外参。

车载摄像头内、外参的标定通常是在车辆静止状态下完成，所得到的标定结果为车辆在静止状态下的标定结果。然而，车辆在行驶过程中会产生各种颠簸，这样会对摄像头外参产生一定的影响，使得摄像头外参中的角度信息尤其是俯仰角发生变化，进而导致后续测距等应用的精度降低。因此，需要一种能够在车辆行驶过程中对车载摄像头的俯仰角进行校正的方法。

发明内容

为了解决上述技术问题，提出了本公开。本公开的实施例提供了一种数据获取方法、训练方法、调整方法以及装置，其通过将多种道路类型场景下分别采集的道路图像，在根据不同道路类型进行消失点标记后，作为样本数据，用于训练消失点预测模型，以便实时检测当前帧道路图像的消失点位置，实现对车载摄像头俯仰角的实时调整，极大地提升了车载摄像头的外参俯仰角精度，避免了由于车辆行驶过程中产生的各种颠簸所引起的俯仰角偏差，导致车辆的后续测距等需要用到车载摄像头外参的应用的精度降低，从而提高测距等应用结果的准确性。

根据本公开的第一方面，提供了一种数据获取方法，包括：采集预设的多种道路类型场景中每种道路类型场景下的道路图像；针对采集的每个道路图像，根据所述道路图像的道路类型，对所述道路图像中的消失点进行标记；基于所述多种道路类型场景下的道路图像以及所述每个道路图像中标记的消失点，确定样本数据，所述样本数据用于训练消失点预测模型，以根据所述消失点预测模型得到车载摄像头拍摄的道路图像中消失点位置预测值，并根据所述位置预测值对所述车载摄像头的俯仰角进行调整。

根据本公开的第二方面，提供了一种模型训练方法，包括：获取根据本公开的第一方面所述的数据获取方法得到的样本数据；基于所述样本数据对预先构建的深度学习模型进行训练，得到消失点预测模型，所述消失点预测模型用于得到车载摄像头拍摄的道路图像中消失点的位置预测值，以根据所述位置预测值对所述车载摄像头的俯仰角进行调整。。

根据本公开的第三方面，提供了一种车载摄像头俯仰角调整方法，所述方法包括：获取车载摄像头拍摄的当前帧道路图像；将所述当前帧道路图像输入用本公开的第二方面的训练方法训练得到的消失点预测模型，得到所述当前帧道路图像中消失点的位置预测值，其中，所述消失点预测模型为基于多种道路类型场景下采集的道路图像训练得到的深度学习模型；基于所述当前帧道路图像中消失点的位置预测值，对所述车载摄像头的俯仰角进行调整。

根据本公开的第四方面，提供了一种数据获取装置，包括：图像采集模块，用于采集预设的多种道路类型场景中每种道路类型场景下的道路图像；标记模块，用于针对采集的每个道路图像，根据所述道路图像的道路类型，对所述道路图像中的消失点进行标记；样本确定模块，用于基于所述多种道路类型场景下的道路图像以及所述每个道路图像中标记的消失点，确定样本数据，所述样本数据用于训练消失点预测模型，以根据所述消失点预测模型得到车载摄像头拍摄的道路图像中消失点位置预测值，并根据所述位置预测值对所述车载摄像头的俯仰角进行调整。