[发明专利]杆体检测方法、装置、车辆、存储介质及芯片

说明书

本公开涉及自动驾驶领域中的一种杆体检测方法、装置、车辆、存储介质及芯片，包括：获取待检测图像；将所述待检测图像输入到杆体检测模型中，得到所述杆体检测模型输出的杆体控制点的坐标，其中，所述杆体检测模型是通过标注样本图像中样本控制点的坐标和预测控制点的坐标确定的联合损失函数更新初始网络模型的损失函数后得到的；根据所述杆体控制点的坐标以及预设的贝塞尔曲线公式，得到所述待检测图像的杆体检测结果。这样，对于任意畸变量的杆体对象，均可以保留杆体的畸变信息，从而准确得出贴合实际杆体对象的检测结果，进而提高感知杆体位置的准确性，提升校验全图畸变矫正的效果。

技术领域

本公开涉及自动驾驶技术领域，尤其涉及杆体检测方法、装置、车辆、存储介质及芯片。

背景技术

杆体检测算法是车辆自动驾驶在视觉感知辅助定位中的关键算法，用于对道路两侧的杆体对象（比如电线杆、路灯杆、广告牌杆等）定位，进而可以根据定位后的杆体对象辅助自驾车辆进行地图构建和车辆定位。通常道路两侧的杆体对象均垂直于地面的直线段，但由于车载摄像头成像会因视角较大产生畸变，导致杆体对象呈曲线段，并且越靠近图像边缘，畸变效应越明显，杆体弯曲越严重，导致无法准确地进行建图和定位。

相关场景中，通过定位杆体对象的两个端点位置，将两个端点用直线段连接，用该直线段表示杆体对象。然而，针对畸变较小的杆体对象效果较好，针对畸变较大的杆体对象，直线段无法准确贴合杆体对象，导致检测结果与实际杆体对象的位置存在偏差，丧失畸变信息。

发明内容

为克服相关技术中存在的问题，本公开提供一种杆体检测方法、装置、车辆、存储介质及芯片。

根据本公开实施例的第一方面，提供一种杆体检测方法，包括：

获取待检测图像；

将所述待检测图像输入到杆体检测模型中，得到所述杆体检测模型输出的杆体控制点的坐标，其中，所述杆体检测模型是通过标注样本图像中样本控制点的坐标和预测控制点的坐标确定的联合损失函数更新初始网络模型的损失函数后得到的；

根据所述杆体控制点的坐标以及预设的贝塞尔曲线公式，得到所述待检测图像的杆体检测结果。

根据本公开实施例的第二方面，提供一种杆体检测装置，包括：

获取模块，被配置为获取待检测图像；

输入模块，被配置为将所述待检测图像输入到杆体检测模型中，得到所述杆体检测模型输出的杆体控制点的坐标，其中，所述杆体检测模型是通过标注样本图像中样本控制点的坐标和预测控制点的坐标确定的联合损失函数更新初始网络模型的损失函数后得到的；

执行模块，被配置为根据所述杆体控制点的坐标以及预设的贝塞尔曲线公式，得到所述待检测图像的杆体检测结果。

根据本公开实施例的第三方面，提供一种车辆，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为：

获取待检测图像；

将所述待检测图像输入到杆体检测模型中，得到所述杆体检测模型输出的杆体控制点的坐标，其中，所述杆体检测模型是通过标注样本图像中样本控制点的坐标和预测控制点的坐标确定的联合损失函数更新初始网络模型的损失函数后得到的；

根据所述杆体控制点的坐标以及预设的贝塞尔曲线公式，得到所述待检测图像的杆体检测结果。

根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现第一方面中任一项所述方法的步骤。