[发明专利]用于自动驾驶的视觉识别车辆方法、装置、出行装置及介质

说明书

本发明涉及一种用于自动驾驶的视觉识别车辆方法、装置、出行装置、设备及存储介质，其中，该方法，包括：采集车辆前方的视频数据；提取视频数据中的视频帧；将视频输入预先设置的视觉识别模型；使用视觉识别模型按照预定的识别方法对视频帧中的图像做识别处理，标记识别结果；输出识别结果。本发明实施例通过规模化的车辆图片训练车辆识别模型，生成的数据模型能够有效的、快速的识别车辆，结合自动驾驶辅助决策，能够根据视觉的输入信息提前进行自动驾驶下一步的行为规划，从而增加自动驾驶车辆行驶的安全性和稳定性。将接收到的信息经过系统分析规划，然后将结果传送给自动驾驶行驶系统，自动驾驶行驶系统连接车辆的运行电控部分从而控制车辆运行。

技术领域

本发明涉及车辆自动驾驶技术领域，具体涉及一种用于自动驾驶的视觉识别车辆方法、装置、出行装置、设备及介质。

背景技术

本部分向读者介绍可能与发明实施例的各个方面相关的背景技术，相信能够向读者提供有用的背景信息，从而有助于读者更好地理解本发明实施例的各个方面。因此，可以理解，本部分的说明是用于上述目的，而并非构成对现有技术的承认。

自动驾驶汽车(Autonomous vehicles；Self-piloting automobile)又称无人驾驶汽车、电脑驾驶汽车、或轮式移动机器人，是一种通过电脑系统实现无人驾驶的智能汽车。自动驾驶汽车依靠人工智能、视觉计算、雷达、监控装置和全球定位系统协同合作，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。近年来，自动驾驶车辆的出现逐渐取代了传统的交通工具，使得人们的生活更为便捷。

为了保证自动驾驶汽车在道路上安全的行驶，降低交通事故的发生概率，提高操作准确性，自动驾驶车辆通常需要识别当前所处的环境信息，根据识别到的环境信息执行驾驶操作，如当检测到前方有障碍物时进行减速操作。自动驾驶汽车首先需要对道路情况进行识别，其中，最重要的就是对道路上的车辆进行识别。在现有技术中，自动驾驶汽车主要通过视频摄像头、雷达传感器以及激光测距器来了解周围的交通状况，并通过一个详尽的地图(通过有人驾驶汽车采集的地图) 对前方的道路进行导航。其中，通过视频摄像头了解交通状况的方式中，主要是采用摄像头获取车辆前方的图像，并对获取的图像进行轮廓识别从而识别图像中的车辆。但是，现有的轮廓识别都是通过对整个车辆的的轮廓进行识别并与数据库中的样本进行匹配，由于车辆的轮廓形状复杂，在进行匹配和识别时计算量大，识别效率也很低，对硬件的要求较高，因此提升了自动驾驶汽车的制造成本。

随着社会的进步，人们对自动驾驶车辆的需求越来越多，这就要求更加精准快速有效地实现车辆的自动识别。

发明内容

要解决的技术问题是如何提供一种用于自动驾驶的视觉识别车辆方法、装置、出行装置、设备及介质。

针对现有技术中的缺陷，本发明提供一种用于自动驾驶的视觉识别车辆方法、装置、出行装置、设备及介质，可以有效降低环境噪音带来的干扰，有效提升识别效果。

第一方面，本发明提供了一种用于自动驾驶的视觉识别车辆方法，包括：

采集车辆前方的视频数据；

提取视频数据中的视频帧；

将视频输入预先设置的视觉识别模型；

使用所述视觉识别模型按照预定的识别方法对视频帧中的图像做识别处理，标记识别结果；

输出识别结果。

可选地，所述视觉识别模型是按照以下方法训练得到的：

收集测试数据；

采用卷积神经网络的深度学习方法在特征图中生成多个默认框；

输入测试数据进入深度学习神经网络模型；