[发明专利]可达空间的检测方法、装置、车载终端及存储介质在审
申请号: | 202111141130.3 | 申请日: | 2021-09-28 |
公开(公告)号: | CN113870221A | 公开(公告)日: | 2021-12-31 |
发明(设计)人: | 梁康正 | 申请(专利权)人: | 广州小鹏自动驾驶科技有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T5/50 |
代理公司: | 广州德科知识产权代理有限公司 44381 | 代理人: | 蔡丽妮;万振雄 |
地址: | 510000 广东省广州市*** | 国省代码: | 广东;44 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 空间 检测 方法 装置 车载 终端 存储 介质 | ||
1.一种可达空间的检测方法,其特征在于,所述方法应用于车载终端,所述方法包括:
通过鱼眼相机获取第一鱼眼图像;
通过拍摄相机获取第一环境图像;
对所述第一环境图像进行畸变,获取第二鱼眼图像;
将所述第一鱼眼图像以及所述第二鱼眼图像输入至空间检测模型中,通过所述空间检测模型检测车辆周围环境的可达空间。
2.根据权利要求1所述的方法,其特征在于,所述将所述第一鱼眼图像以及所述第二鱼眼图像输入至空间检测模型中,通过所述空间检测模型检测所述车辆周围环境的可达空间,包括:
将所述第一鱼眼图像以及所述第二鱼眼图像输入至空间检测模型中,通过所述空间检测模型对所述第一鱼眼图像以及所述第二鱼眼图像进行特征融合,获取目标融合图像;
根据所述目标融合图像,检测所述车辆周围环境的可达空间。
3.根据权利要求2所述的方法,其特征在于,所述将所述第一鱼眼图像以及所述第二鱼眼图像输入至空间检测模型中,通过所述空间检测模型对所述第一鱼眼图像以及所述第二鱼眼图像进行特征融合,获取目标融合图像,包括:
通过所述空间检测模型对所述第一鱼眼图像进行图像识别,获取第一图像特征;
通过所述空间检测模型对所述第二鱼眼图像进行图像识别,获取第二图像特征;
根据所述第一图像特征以及所述第二图像特征,将所述第一鱼眼图像和所述第二鱼眼图像进行融合,获取所述目标融合图像。
4.根据权利要求2所述的方法,其特征在于,所述根据所述目标融合图像,检测所述车辆周围环境的可达空间,包括:
对所述目标融合图像进行特征提取,得到特征金字塔,所述特征金字塔包括多层所述目标融合图像的图像特征;
根据所述特征金字塔中目标层的图像特征以及回归模型,获取所述目标融合图像中可达空间的初始边界,所述目标层是所述特征金字塔中包含特征数量最多的一层,所述回归模型是基于至少两个样本层训练并获取到与样本层相同宽度的初始边界的模型;
根据所述初始边界,检测所述车辆周围环境的可达空间。
5.根据权利要求2至4任一所述的方法,其特征在于,在所述根据所述目标融合图像,检测所述车辆周围环境的可达空间之后,还包括:
根据所述目标融合图像,获取属性特征图像,所述属性特征图像包括所述目标融合图像中各个障碍物的属性特征;
对所述属性特征图像进行属性分类,获取每种障碍物属性对应的属性图,所述属性图包括所述目标融合图像中的各个像素点对应的障碍物属性的置信度;
根据所述属性图,确定所述目标融合图像中第一位置处障碍物的障碍物属性,所述第一位置是所述目标融合图像中的任意一个障碍物包含的像素点位置。
6.根据权利要求1所述的方法,其特征在于,所述对所述第一环境图像进行畸变,获取第二鱼眼图像,包括:
根据所述第一环境图像以及第一畸变函数,获取第一畸变图像;
对所述第一畸变图像进行坐标筛选,确定所述第一畸变图像中的目标区域图像;
根据所述目标区域图像,获取所述第二鱼眼图像。
7.根据权利要求6所述的方法,其特征在于,所述根据所述目标区域图像,获取所述第二鱼眼图像,包括:
对所述目标区域图像进行放大处理以及裁边处理,获取目标鱼眼图像;
根据所述第一鱼眼图像,获取第一添加图像,所述第一添加图像是所述第一鱼眼图像中的盲区区域图像;
将所述第一添加图像添加至所述目标鱼眼图像中,生成所述第二鱼眼图像。
8.一种可达空间的检测装置,其特征在于,所述装置应用于车载终端,所述装置包括:
第一获取模块,用于通过鱼眼相机获取第一鱼眼图像;
第二获取模块,用于通过拍摄相机获取第一环境图像;
第三获取模块,用于对所述第一环境图像进行畸变,获取第二鱼眼图像;
空间检测模块,用于将所述第一鱼眼图像以及所述第二鱼眼图像输入至空间检测模型中,通过所述空间检测模型检测车辆周围环境的可达空间。
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广州小鹏自动驾驶科技有限公司,未经广州小鹏自动驾驶科技有限公司许可,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/202111141130.3/1.html,转载请声明来源钻瓜专利网。