[发明专利]一种地面目标检测评价方法在审

专利信息
申请号: 202010734693.2 申请日: 2020-07-27
公开(公告)号: CN111881823A 公开(公告)日: 2020-11-03
发明(设计)人: 谢冬梅;叶春兰 申请(专利权)人: 上海智驾汽车科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/32;G06N3/04;G06N3/08;G06K9/62
代理公司: 上海天之健律师事务所 31351 代理人: 张新光
地址: 201203 上海市浦东新区中国(上*** 国省代码: 上海;31
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 地面 目标 检测 评价 方法
【权利要求书】:

1.一种地面目标检测评价方法,其特征在于,所述地面目标检测评价方法包括如下步骤:

在获取的检测图像上标注标签,统计标注标签的所有像素点的数目并计为正样本总数,其中所述标签分为四类,分别是车道线、路沿、斑马线和停止线;

以所述检测图像上已标注标签像素点为基准,将所述像素点的8邻域范围内的像素点计扩展为与其相同的标签;

在预置卷积神经网络对获取的检测图像按照预设组别进行分组检测,获得检测结果并统计得到检测样本总数,其中,所述检测样本总数为所述预置卷积神经网络所有检测到的像素点的总数;

以扩展后的所述检测图像中已标注标签的像素点为基准像素点,判断所述检测结果与所述每个基准像素点的8邻域范围位置相同的对应区域中是否至少存在一个标签相同的像素点,若是,则正确检测样本数增加1;若否,则记为误检目标;

将所述正确检测样本数除以所述正样本总数得到召回率,将统计得到的误检目标数除以所述检测样本总数得到误检率,并基于所述召回率和所述误检率优化所述预置卷积神经网络。

2.如权利要求1所述的地面目标检测评价方法,其特征在于,所述预设组别包括车道线检测组、路沿检测组和斑马线停止线检测组;所述在预置卷积神经网络对获取的检测图像按照预设组别进行分组检测包括如下步骤:

按照车道线检测组、路沿检测组和斑马线停止线检测组在预置卷积神经网络对获取的检测图像进行分组检测。

3.如权利要求2所述的地面目标检测评价方法,其特征在于,所述获得检测结果并统计得到检测样本总数包括如下步骤:

获取车道线检测组、路沿检测组和斑马线停止线检测组的三组检测结果;

使用预置的车道线组置信度、预置的路沿组置信度和预置的斑马线停止线置信度处理所述三组检测结果得到所述检测图像的检测结果;

统计所述检测结果得到检测样本总数。

4.如权利要求3所述的地面目标检测评价方法,其特征在于,所述基于所述召回率和所述误检率优化所述预置卷积神经网络包括如下步骤:

基于所述召回率和所述误检率调整所述预置卷积神经网络中的网络控制信息,以优化所述预置卷积神经网络。

5.如权利要求3所述的地面目标检测评价方法,其特征在于,所述获取车道线检测组、路沿检测组和斑马线停止线检测组的三组检测结果包括如下步骤:

获取所述检测图像上的待检测像素点,其中所述待检测像素点为所述检测图像上地面标识线的中心线上的像素点或者道路边沿上的像素点;

基于所述待检测像素点获取车道线检测组、路沿检测组和斑马线停止线检测组的三组检测结果。

6.如权利要求5所述的地面目标检测评价方法,其特征在于,所述地面标识线为实线的中心线或者虚线上有划线区域的中心线。

7.如权利要求1所述的地面目标检测评价方法,其特征在于,所述在获取的检测图像上标注标签之前,包括如下步骤:

构建平面直角坐标系。

8.如权利要求7所述的地面目标检测评价方法,其特征在于,所述统计标注标签的所有像素点的数目并计为正样本总数之前,包括如下步骤:

在所述检测图像上提取感兴趣区域;

缩放所述感兴趣区域至与所述检测图像相同的分辨率;

将所述检测图像标注标签的坐标映射到缩放后的所述感兴趣区域上。

9.如权利要求8所述的地面目标检测评价方法,其特征在于,所述在预置卷积神经网络对获取的检测图像按照预设组别进行分组检测包括如下步骤:

在预置卷积神经网络对所述缩放后的所述感兴趣区域按照预设组别进行分组检测。

10.如权利要求8所述的地面目标检测评价方法,其特征在于,所述判断所述检测结果与所述每个基准像素点的8邻域范围位置相同的对应区域中是否至少存在一个标签相同的像素点,包括如下步骤:

基于每个基准像素点的坐标确认每个基准像素点的8邻域范围;

在所述检测结果中查找到对应区域;

判断所述检测结果的对应区域中是否至少存在一个标签相同的像素点。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于上海智驾汽车科技有限公司,未经上海智驾汽车科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202010734693.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top