[发明专利]一种弱监督单目车辆空间位置预测的方法及装置

权利要求书

1.一种弱监督单目车辆空间位置预测的方法，其特征在于，包括以下步骤：

获取目标车辆的2D图像，根据预先训练的目标检测网络检测所述目标车辆的接地点的坐标信息；

根据所述接地点的坐标信息，对所述目标车辆的2D图像进行逆投影，获取所述接地点的坐标信息在3D坐标系下的坐标信息，并根据所述3D坐标系下的坐标信息生成所述目标车辆的鸟瞰图；

对所述目标车辆的鸟瞰图进行优化，得到所述目标车辆的空间位置。

2.根据权利要求1中所述的方法，其特征在于，在所述根据预先训练的目标检测网络检测所述目标车辆的接地点的坐标信息之前，还包括：

对用于人体关节检测的检测网络进行修改，修改所述检测网络的关键点输出维数，以得到所述目标检测网络。

3.根据权利要求1中所述的方法，其特征在于，根据所述接地点的坐标信息，对所述目标车辆的2D图像进行逆投影，获取所述接地点的坐标信息在3D坐标系下的坐标信息，包括：

对所述接地点的坐标信息进行去除畸变处理；

使用opencv库函数得到去畸变后的所述接地点的坐标信息p_undistorted，将p_undistorted转化为三维齐次坐标p_{undistorted-homo}，则相机坐标系下的接地点P_camera方向为：

其中，P_camera-line是以相机为原点，向接地点方向发射过去的直线上的点，进而将相机坐标系下的直线P_camera-line转换到车体后轴中心坐标系P_body-line：

得到车体后轴中心坐标系下的接地点直线P_{body-line-homo}后，应用地平面假设获得车体后轴中心坐标系下接地点的精确坐标：P_body。

4.根据权利要求1中所述的方法，其特征在于，对所述目标车辆的鸟瞰图进行优化，得到所述目标车辆的空间位置，包括：

使用3D空间ground truth作为监督信息，训练神经网络RefineNet优化空间位置；

选用MLP神经网络作为所述RefineNet的骨架，输入为逆投影的初始矩形五维张量Rec_origin；

所述五维张量与初始输入Rec_origin逐元素相加，形成残差结构，将结果最后一维rotation再次转化到[-π，π]的范围，得到优化后的五维张量Rec_pred输出。

5.一种弱监督单目车辆空间位置预测的装置，其特征在于，包括：

获取模块，用于获取目标车辆的2D图像，根据预先训练的目标检测网络检测所述目标车辆的接地点的坐标信息；

处理模块，用于根据所述接地点的坐标信息，对所述目标车辆的2D图像进行逆投影，获取所述接地点的坐标信息在3D坐标系下的坐标信息，并根据所述3D坐标系下的坐标信息生成所述目标车辆的鸟瞰图；

优化模块，用于对所述目标车辆的鸟瞰图进行优化，得到所述目标车辆的空间位置。

6.根据权利要求5中所述的装置，其特征在于，还包括：

训练模块，用于对用于人体关节检测的检测网络进行修改，修改所述检测网络的关键点输出维数，以得到所述目标检测网络。

7.一种计算机设备，其特征在于，包括存储器、处理器及存储在所述存储器上并可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中任一所述的方法。

8.一种非临时性计算机可读存储介质，其上存储有计算机程序，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中任一所述的方法。