[发明专利]限高装置下边缘位置检测模型训练方法和系统

权利要求书

1.一种限高装置下边缘位置检测模型训练方法，其特征在于，所述方法包括：

采集目标区域内的海量图像，并基于海量图像构建限高装置的图像数据集，并按预设比例将所述图像数据集划分为训练集和测试集；

提取所述海量图像中的所有限高装置，并对各所述限高装置的下边缘位置进行特征标注；

利用深度学习网络对所述训练集中的限高装置进行模型训练，以得到限高装置下边缘位置检测模型。

2.根据权利要求1所述的限高装置下边缘位置检测模型训练方法，其特征在于，所述基于海量图像构建限高装置的图像数据集，具体包括：

使用完成标定的双目相机，在汽车的真实驾驶环境中，采集所有目标区域内所遇到的所有限高装置，所述目标区域为存在限高装置的区域；

在采集过程中应保证汽车以预设车速向前行驶，采集从限高装置在双目相机成像开始直到车辆通过限高装置无法采集到限高数据为止的所有图像帧；

将所有图像帧形成所述图像数据集。

3.根据权利要求1所述的限高装置下边缘位置检测模型训练方法，其特征在于，训练集与测试集的预设比例为4:1。

4.根据权利要求1所述的限高装置下边缘位置检测模型训练方法，其特征在于，所述对各所述限高装置的下边缘位置进行特征标注，具体包括：

以直线或折线的方式标注下边缘；

各图像中包含的所有限高装置均分别进行标注，且不同种类的限高装置利用不同的直线进行标注；

对每个标注的限高装置进行限高类别标注。

5.根据权利要求1所述的限高装置下边缘位置检测模型训练方法，其特征在于，所述深度学习网络为U-Net网络。

6.根据权利要求1所述的限高装置下边缘位置检测模型训练方法，其特征在于，所述方法还包括：

对所述限高装置下边缘位置检测模型进行测试和误差分析，以得到最优的限高装置下边缘位置检测模型。

7.根据权利要求6所述的限高装置下边缘位置检测模型训练方法，其特征在于，所述对所述限高装置下边缘位置检测模型进行测试，具体包括：

将采集到的限高数据的测试集输入到所述限高装置下边缘位置检测模型中进行测试；

获取限高装置下边缘位置检测模型输出的限高装置下边缘的关键点位置信息；

获取限高装置的检测置信度，并根据检测置信度的数值大小判断检测的可靠性；

判定检测置信度大于或者等于置信度阈值，则以所述检测置信度对应的检测结果作为实际的检测结果；

判定检测置信度小于置信度阈值，则不将该检测结果作为实际的检测结果。

8.一种限高装置下边缘位置检测模型训练系统，其特征在于，所述系统包括：

数据集构建单元，用于采集目标区域内的海量图像，并基于海量图像构建限高装置的图像数据集，并按预设比例将所述图像数据集划分为训练集和测试集；

边缘特征标注单元，用于提取所述海量图像中的所有限高装置，并对各所述限高装置的下边缘位置进行特征标注；

检测模型训练单元，用于利用深度学习网络对所述训练集中的限高装置进行模型训练，以得到限高装置下边缘位置检测模型。

9.一种智能终端，其特征在于，所述智能终端包括：数据采集装置、处理器和存储器；

所述数据采集装置用于采集数据；所述存储器用于存储一个或多个程序指令；所述处理器，用于执行一个或多个程序指令，用以执行如权利要求1-7任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机存储介质中包含一个或多个程序指令，所述一个或多个程序指令用于执行如权利要求1-7任一项所述的方法。