[发明专利]一种车辆姿态估计方法、终端设备及存储介质

权利要求书

1.一种车辆姿态估计方法，其特征在于，包括以下步骤：

S1：采集包含车辆的图像，并对图像中车辆对应的姿态和车辆目标的边界框进行标注，将标注后的图像组成训练集；

S2：构建基于YOLOv2网络的车辆姿态估计模型，通过训练集对车辆姿态估计模型进行训练；

车辆姿态估计模型通过多层卷积、leaky ReLU非线性激活、最大池化和批处理归一化从输入图像中提取多维特征图；输入图像被划分为w₀×h₀的网格，其中w₀和h₀分别表示图像为划分的网格中的列数和行数；多维特征图的维数为w₀×h₀×(n_c+n_p)×N，其中，n_c表示需要预测的姿态数，n_p表示将锚盒转换为边界框的参数个数，N表示分配给每个网格的锚框数量；

多维特征图的内容包括需要预测的姿态的概率和边界框的参数，根据边界框的参数和锚框的参数得到车辆目标的边界框；

S3：通过训练后的车辆姿态估计模型对车辆姿态和车辆目标进行估计。

2.根据权利要求1所述的车辆姿态估计方法，其特征在于：YOLOv2网络中输入层的分辨率设定为768×384或1024×512。

3.根据权利要求1所述的车辆姿态估计方法，其特征在于：姿态包括朝前、朝后、朝左和朝右。

4.根据权利要求1所述的车辆姿态估计方法，其特征在于：根据边界框的参数和锚框的参数得到车辆目标的边界框的方法为：

b_x＝A_x+Δ_x(I,ω)

b_y＝A_y+Δ_y(I,ω)

b_ω＝σ_ω(I,ω)A_ω

b_h＝σ_h(I,ω)A_h

其中，b_x和b_y分别表示边界框的左上角的x轴和y轴坐标，b_ω和b_h分别表示边界框的宽度和高度，A_x,和A_y分别表示锚框的左上角的x轴和y轴坐标，A_ω和A_h分别表示锚框的宽度和高度，Δ_x(I,ω)、Δ_y(I,ω)、σ_w(I,ω)和σ_h(I,ω)均为边界框的参数，分别表示x轴偏移量、y轴偏移量、宽度缩放因子和高度缩放因子，I表示输入图像，ω表示网络的权重系数。

5.一种车辆姿态估计终端设备，其特征在于：包括处理器、存储器以及存储在所述存储器中并在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1～4中任一所述方法的步骤。

6.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于：所述计算机程序被处理器执行时实现如权利要求1～4中任一所述方法的步骤。