[发明专利]车辆与目标物之间距离的测量方法、装置、设备及介质在审

专利信息
申请号: 202210101230.1 申请日: 2022-01-27
公开(公告)号: CN114495041A 公开(公告)日: 2022-05-13
发明(设计)人: 王志鹏;林伯瀚;林源;齐宝东;秦星达 申请(专利权)人: 北京合众思壮时空物联科技有限公司
主分类号: G06V20/56 分类号: G06V20/56;G06K9/62;G06N3/04;G06N3/08;G06V10/25;G06V10/774;G06V10/82
代理公司: 北京维正专利代理有限公司 11508 代理人: 谢明晖
地址: 100010 北京市东城*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 车辆 目标 之间 距离 测量方法 装置 设备 介质
【权利要求书】:

1.一种车辆与目标物之间距离的测量方法,其特征在于,包括:

接收摄像头拍摄的视频,在所述视频中筛选出帧图像;其中,所述摄像头安装于第一车辆上;

将所述帧图像输入至训练好的PP-YOLO模型中,识别出帧图像中的目标物,获取所述目标物的预测框的坐标;其中,所述目标物为第二车辆和/或飞行器;

根据所述坐标,求取第一车辆与所述目标物之间的距离。

2.根据权利要求1所述的方法,其特征在于,所述摄像头为双目摄像头,所述视频包括第一视频和第二视频,所述帧图像包括第一图像和第二图像;所述接收摄像头拍摄的视频,在所述视频中筛选出帧图像,包括:

每间隔预设帧,在所述第一视频中筛选出第一图像,在所述第二视频中筛选出第二图像。

3.根据权利要求1所述的方法,其特征在于,所述PP-YOLO模型训练,包括:

采用CIOU损失函数,对所述PP-YOLO模型进行优化;

获取训练样本,将所述训练样本输入至优化后的PP-YOLO模型中进行训练,得到训练好的PP-YOLO模型。

4.根据权利要求3所述的方法,其特征在于,在所述获取训练样本,将所述训练样本输入至优化后的PP-YOLO模型中进行训练,得到训练好的PP-YOLO模型之后,还包括:

对训练好的PP-YOLO模型进行加速处理。

5.根据权利要求3所述的方法,其特征在于,所述获取训练样本,包括:

采集目标物图像,将所述目标物图像输入至对抗生成网络模型中,生成新的目标物图像;

将所述目标物图像和新的目标物图像合并为图像数据集,对所述图像数据集进行预处理,得到所述训练样本。

6.根据权利要求4所述的方法,其特征在于,所述对训练好的PP-YOLO模型进行加速处理,包括:

采用TensorRT对对训练好的PP-YOLO模型进行加速处理。

7.根据权利要求2所述的方法,其特征在于,所述根据所述坐标,求取第一车辆与所述目标物之间的距离,包括:

获取所述双目摄像头与车头外边缘的第一距离;

采用双目测距基本原理,根据所述坐标,计算得到所述双目摄像头与目标物之间的第二距离;

根据所述第一距离和第二距离,获取所述距离。

8.一种车辆与目标物之间距离的测量装置,其特征在于,包括,

筛选模块,用于接收摄像头拍摄的视频,在所述视频中筛选出帧图像;其中,所述摄像头安装于第一车辆上;

识别模块,用于将所述帧图像输入至训练好的PP-YOLO模型中,识别出帧图像中的目标物,获取所述目标物的预测框的坐标;其中,所述目标物为第二车辆和/或飞行器;以及,

求取模块,用于根据所述坐标,求取第一车辆与所述目标物之间的距离。

9.一种计算机设备,其特征在于,包括存储器和处理器,所述存储器上存储有能够被所述处理器加载并执行如权利要求1至7中任一种方法的计算机程序。

10.一种计算机可读存储介质,其特征在于,存储有能够被处理器加载并执行如权利要求1至7中任一种方法的计算机程序。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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北京合众思壮时空物联科技有限公司,未经北京合众思壮时空物联科技有限公司许可,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/202210101230.1/1.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top