[发明专利]基于语义分割的单目测距方法、装置、设备及存储介质

说明书

本申请涉及一种基于语义分割的单目测距方法、装置、设备及存储介质。该方法：根据自车坐标系，生成地面网格点矩阵，对单目摄像头采集的前车图像进行语义分割，其中前车图像中像素的语义分割的类型包括：道路路面、道路中感兴趣物体，将地面网格点矩阵按照预设投影矩阵转换到前车图像上，并根据道路路面、道路中感兴趣物体，确定道路中感兴趣物体的目标网格接地点集，其中目标网格接地点集包括若干目标网格接地点，根据目标网格接地点集到自车距离，得到单目摄像头的测距结果。通过预设投影矩阵与前车图像进行语义信息关联，得到感兴趣物体离道路路面最近的若干目标网格接地点，以此提高测距精度。

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种基于语义分割的单目测距方法、装置、设备及存储介质。

背景技术

单目测距方法因硬件成本低被广泛应用于自动驾驶领域中，其在物体的测距方面具有重要的价值。

目前在相关技术中，大多数单目测距方法的实现过程为：利用深度学习技术检测出图像内感兴趣的物体检测框，然后对检测框内的物体进一步细化至轮廓点或者特征点，最后基于先验假设以及相机成像原理完成对物体的测距。但上述方法存在缺陷，若检测框无法与物体的轮廓贴合，就需要进一步对检测框内的物体进行更为复杂的细化处理，否则会影响测距精度，但复杂的细化处理涉及的流程繁琐、耗时耗力，且提取到得到的轮廓点或者特征点也并不一定满足物体位于地面上的先验假设，这些都会对单目测距的精度产生很大的影响。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种基于语义分割的单目测距方法、装置及存储介质，能够提高测距精度。

本申请的第一方面提供了一种基于语义分割的单目测距方法，包括：

根据自车坐标系，生成地面网格点矩阵；

对单目摄像头采集的前车图像进行语义分割，其中所述前车图像中像素的语义分割的类型包括：道路路面、道路中感兴趣物体；

将所述地面网格点矩阵按照预设投影矩阵转换到所述前车图像上，并根据所述道路路面、所述道路中感兴趣物体，确定所述道路中感兴趣物体的目标网格接地点集，其中所述目标网格接地点集包括若干目标网格接地点；

根据所述目标网格接地点集到自车距离，得到单目摄像头的测距结果。

优选的，所述根据自车坐标系，生成地面网格点矩阵，包括：

根据自车坐标系，生成地面网格点矩阵和语义值矩阵，所述地面网格点矩阵的维度与所述语义值矩阵的维度相同；

所述将所述地面网格点按照预设投影矩阵转换到所述前车图像上，并根据所述道路路面、所述道路中感兴趣物体，确定所述道路中感兴趣物体的目标网格接地点集，包括：

将所述地面网格点矩阵按照预设投影矩阵转换成与所述前车图像位于同一坐标系下的地面网格点投影矩阵；

根据所述地面网格点投影矩阵获取所述道路路面、所述道路中感兴趣物体的像素值，并将所述像素值存储至所述语义值矩阵中，对所述语义值矩阵进行边缘检测，得到所述道路中感兴趣物体的最靠近所述道路路面的连续轮廓点集；

以所述最靠近所述道路路面的轮廓点集作为映射索引在所述地面网格点矩阵内找到所述道路中感兴趣物体的目标网格接地点集。

优选的，所述地面网格点矩阵的长度、宽度及分辨率均可调。

优选的，所述对单目摄像头采集的前车图像进行语义分割，其中所述前车图像中像素的语义分割的类型包括：道路路面、道路中感兴趣物体，包括：

输入所述前车图像至训练好的深度学习模型中；

执行前向预测，通过卷积神经网络对所述前车图像进行像素级分类；