[发明专利]用于检测障碍物的方法、设备和车辆在审
申请号: | 202210652249.5 | 申请日: | 2022-06-09 |
公开(公告)号: | CN114842453A | 公开(公告)日: | 2022-08-02 |
发明(设计)人: | 高丁力;赵帆;刘挺;卿泉 | 申请(专利权)人: | 阿里巴巴(中国)有限公司 |
主分类号: | G06V20/58 | 分类号: | G06V20/58;G06V20/56;G06V10/774;G06V10/40 |
代理公司: | 北京同钧律师事务所 16037 | 代理人: | 柴海平;许怀远 |
地址: | 311121 浙江省杭州市余杭*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 用于 检测 障碍物 方法 设备 车辆 | ||
1.一种用于检测障碍物的方法,其特征在于,包括:
获取车辆相机拍摄的实时的相机图像,以及,与所述相机图像中的道路区域相对应的道路区域掩膜;
获取先验地图的视觉图层信息;
将所述相机图像、所述先验地图的视觉图层信息以及所述道路区域掩膜输入至变化检测模型,以输出变化区域掩膜;
根据所述变化区域掩膜进行融合后处理操作,以输出障碍物信息。
2.如权利要求1所述的方法,其特征在于,所述将所述相机图像、所述先验地图的视觉图层信息以及所述道路区域掩膜输入至变化检测模型,以输出变化区域掩膜,包括:
通过特征编码器分别对所述相机图像、所述先验地图的视觉图层信息以及所述道路区域掩膜进行特征提取,以得到所述相机图像的特征图、所述先验地图的视觉图层信息的特征图以及所述道路区域掩膜的特征图;
提取所述相机图像的特征图和所述先验地图的视觉图层信息的特征图之间的差异对比信息;
根据所述相机图像的特征图、所述先验地图的视觉图层信息的特征图以及所述道路区域掩膜的特征图,对所述差异对比信息进行相关滤波,以输出高层次语义特征;
通过特征解码器对所述高层次语义特征进行解码处理,以输出所述变化区域掩膜。
3.如权利要求2所述的方法,其特征在于,所述根据所述相机图像的特征图、所述先验地图的视觉图层信息的特征图以及所述道路区域掩膜的特征图,对所述差异对比信息进行相关滤波,以输出高层次语义特征,包括:
对所述相机图像的特征图、所述先验地图的视觉图层信息的特征图以及所述道路区域掩膜的特征图进行降维卷积,以输出降维后的特征图;
将所述降维后的特征图与所述差异对比信息输入至相关滤波模块,以输出所述高层次语义特征。
4.如权利要求1或2所述的方法,其特征在于,所述与所述相机图像中的道路区域相对应的道路区域掩膜,通过如下方法获得:
将所述相机图像输入至全景分割模型,以输出所述道路区域掩膜,所述全景分割模型用于对相机图像进行区域划分和标注类别。
5.如权利要求1或2所述的方法,其特征在于,所述根据所述变化区域掩膜进行融合后处理操作,以输出障碍物信息,包括:
根据所述变化区域掩膜,提取危险路障区域;
对所述危险路障区域进行视觉跟踪滤波处理;
将所述危险路障区域的位置信息由二维坐标转换为三维坐标。
6.一种用于检测障碍物的设备,其特征在于,包括:
获取模块,用于获取车辆相机拍摄的实时的相机图像,以及,与所述相机图像中的道路区域相对应的道路区域掩膜;
所述获取模块还用于获取先验地图的视觉图层信息;
处理模块,用于将所述相机图像、所述先验地图的视觉图层信息以及所述道路区域掩膜输入至变化检测模型,以输出变化区域掩膜;
所述处理模块还用于根据所述变化区域掩膜进行融合后处理操作,以输出障碍物信息。
7.如权利要求6所述的设备,其特征在于,所述处理模块具体用于:通过特征编码器分别对所述相机图像、所述先验地图的视觉图层信息以及所述道路区域掩膜进行特征提取,以得到所述相机图像的特征图、所述先验地图的视觉图层信息的特征图以及所述道路区域掩膜的特征图;提取所述相机图像的特征图和所述先验地图的视觉图层信息的特征图之间的差异对比信息;根据所述相机图像的特征图、所述先验地图的视觉图层信息的特征图以及所述道路区域掩膜的特征图,对所述差异对比信息进行相关滤波,以输出高层次语义特征;通过特征解码器对所述高层次语义特征进行解码处理,以输出所述变化区域掩膜。
8.如权利要求7所述的设备,其特征在于,所述处理模块具体用于:对所述相机图像的特征图、所述先验地图的视觉图层信息的特征图以及所述道路区域掩膜的特征图进行降维卷积,以输出降维后的特征图;将所述降维后的特征图与所述差异对比信息输入至相关滤波模块,以输出所述高层次语义特征。
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阿里巴巴(中国)有限公司,未经阿里巴巴(中国)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/202210652249.5/1.html,转载请声明来源钻瓜专利网。