一种可行驶区域检测方法和装置制造方法及图纸

本发明专利技术公开了一种可行驶区域检测方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：根据采集的当前时刻的区域图像生成所述当前时刻的特征图；根据所述当前时刻的特征图和所述当前时刻的前一时刻的时序特征图生成所述当前时刻的时序特征图；根据所述当前时刻的时序特征图生成带有特征值的区域图像特征图，然后根据所述特征值检测所述区域图像特征图中的可行驶区域。该实施方式能够把可行驶区域检测任务中的前后帧图像之间的时间依赖关系利用起来，使得能够基于更多的信息来检测可行驶区域，从而有效提高可行驶区域检测的效果。

A Method and Device for Detecting Drivable Areas

The invention discloses a method and device for detecting a feasible driving area, which relates to the field of computer technology. One specific embodiment of the method includes: generating the feature map of the current time according to the region image of the current time collected; generating the temporal feature map of the current time according to the feature map of the current time and the sequence feature map of the previous time of the current time; and generating the regional image feature map with the characteristic value according to the sequence feature map of the current time. Then, according to the eigenvalues, the driving area in the image feature map is detected. The implementation can utilize the time dependence relationship between the front and back frame images in the task of detecting the feasible driving area, so that more information can be used to detect the feasible driving area, thereby effectively improving the effect of the detection of the feasible driving area.

【技术实现步骤摘要】
一种可行驶区域检测方法和装置
本专利技术涉及计算机
，尤其涉及一种可行驶区域检测方法和装置。
技术介绍
可行驶区域检测(freespacedetection)是指对摄像头采集的图像进行分析，判断图像中的每个像素点属于可行驶区域还是非可行驶区域。现有的可行驶区域检测方法有两类，一类是把摄像头采集到的图像进行分块，比如4像素乘以4像素的小块，或者8像素乘以8像素的小块，每个小块有一个属于可行驶区域或者非可行驶区域的标签，再利用卷积神经网络对图像进行分析，判断每一块属于可行驶区域还是非可行使区域。另一类是引入反卷积的方法，先用卷积神经网络对图像进行分析，经过卷积和降采样，得到尺寸较小的特征图，再用反卷积把特征图还原到原图的大小，再判断每个像素点属于可行驶区域或者非可行驶区域。在实现本专利技术过程中，专利技术人发现现有技术中至少存在如下问题：无论是对图像进行分块，还是引入反卷积的方法，都不能有效地提高可行驶区域检测的效果。
技术实现思路
有鉴于此，本专利技术实施例提供一种可行驶区域检测方法和装置，能够把可行驶区域检测任务中的前后帧图像之间的时间依赖关系利用起来，使得能够基于更多的信息来检测可行驶区域，从而有效提高可行驶区域检测的效果。为实现上述目的，根据本专利技术实施例的一个方面，提供了一种可行驶区域检测方法。一种可行驶区域检测方法，包括：根据采集的当前时刻的区域图像生成所述当前时刻的特征图；根据所述当前时刻的特征图和所述当前时刻的前一时刻的时序特征图生成所述当前时刻的时序特征图；根据所述当前时刻的时序特征图生成带有特征值的区域图像特征图，然后根据所述特征值检测所述区域图像特征图中的可行驶区域。可选地，根据采集的当前时刻的区域图像生成所述当前时刻的特征图的步骤，包括：通过第一卷积神经网络对采集的当前时刻的区域图像进行卷积处理和降采样处理，以生成所述当前时刻的特征图。可选地，根据所述当前时刻的特征图和所述当前时刻的前一时刻的时序特征图生成所述当前时刻的时序特征图的步骤，包括：将所述当前时刻的特征图中的特征向量作为循环神经网络的第一输入特征向量，将所述当前时刻的前一时刻的时序特征图中的特征向量作为所述循环神经网络的第二输入特征向量；通过所述循环神经网络处理所述第一输入特征向量和所述第二输入特征向量，以得到所述循环神经网络的输出特征向量，并根据所述输出特征向量生成所述当前时刻的时序特征图。可选地，根据所述当前时刻的时序特征图生成带有特征值的区域图像特征图的步骤，包括：通过第二卷积神经网络的卷积层根据所述当前时刻的时序特征图生成带有特征值的两通道特征图；通过所述第二卷积神经网络的反卷积层将所述两通道特征图还原为所述当前时刻的区域图像的大小，以得到带有特征值的区域图像特征图。可选地，所述带有特征值的区域图像特征图包括预设数量的图像位置，每个图像位置对应指示为可行驶区域的特征值和指示为非可行驶区域的特征值，根据所述特征值检测所述区域图像特征图中的可行驶区域的步骤，包括：比较每个图像位置对应的指示为可行驶区域的特征值和指示为非可行驶区域的特征值的大小，其中：如果所述指示为可行驶区域的特征值大于所述指示为非可行驶区域的特征值，则对应的图像位置为可行驶区域；如果所述指示为可行驶区域的特征值小于所述指示为非可行驶区域的特征值，则对应的图像位置为非可行驶区域；如果所述指示为可行驶区域的特征值等于所述指示为非可行驶区域的特征值，则检查由所述指示为可行驶区域的特征值和所述指示为非可行驶区域的特征值构成的数组的第一个数组下标，如果所述第一个数组下标对应的特征值指示为可行驶区域，则对应的图像位置为可行驶区域，如果所述第一个数组下标对应的特征值指示为非可行驶区域，则对应的图像位置为非可行驶区域。根据本专利技术实施例的另一方面，提供了一种可行驶区域检测装置。一种可行驶区域检测装置，包括：特征图生成模块，用于根据采集的当前时刻的区域图像生成所述当前时刻的特征图；时序特征图生成模块，用于根据所述当前时刻的特征图和所述当前时刻的前一时刻的时序特征图生成所述当前时刻的时序特征图；可行驶区域检测模块，用于根据所述当前时刻的时序特征图生成带有特征值的区域图像特征图，然后根据所述特征值检测所述区域图像特征图中的可行驶区域。可选地，所述特征图生成模块还用于：通过第一卷积神经网络对采集的当前时刻的区域图像进行卷积处理和降采样处理，以生成所述当前时刻的特征图。可选地，所述时序特征图生成模块还用于：将所述当前时刻的特征图中的特征向量作为循环神经网络的第一输入特征向量，将所述当前时刻的前一时刻的时序特征图中的特征向量作为所述循环神经网络的第二输入特征向量；通过所述循环神经网络处理所述第一输入特征向量和所述第二输入特征向量，以得到所述循环神经网络的输出特征向量，并根据所述输出特征向量生成所述当前时刻的时序特征图。可选地，所述可行驶区域检测模块包括生成单元，用于：通过第二卷积神经网络的卷积层根据所述当前时刻的时序特征图生成带有特征值的两通道特征图；通过所述第二卷积神经网络的反卷积层将所述两通道特征图还原为所述当前时刻的区域图像的大小，以得到带有特征值的区域图像特征图。可选地，所述带有特征值的区域图像特征图包括预设数量的图像位置，每个图像位置对应指示为可行驶区域的特征值和指示为非可行驶区域的特征值，所述可行驶区域检测模块包括检测单元，用于：比较每个图像位置对应的指示为可行驶区域的特征值和指示为非可行驶区域的特征值的大小，其中：如果所述指示为可行驶区域的特征值大于所述指示为非可行驶区域的特征值，则对应的图像位置为可行驶区域；如果所述指示为可行驶区域的特征值小于所述指示为非可行驶区域的特征值，则对应的图像位置为非可行驶区域；如果所述指示为可行驶区域的特征值等于所述指示为非可行驶区域的特征值，则检查由所述指示为可行驶区域的特征值和所述指示为非可行驶区域的特征值构成的数组的第一个数组下标，如果所述第一个数组下标对应的特征值指示为可行驶区域，则对应的图像位置为可行驶区域，如果所述第一个数组下标对应的特征值指示为非可行驶区域，则对应的图像位置为非可行驶区域。根据本专利技术实施例的又一方面，提供了一种电子设备。电子设备，包括：一个或多个处理器；存储器，用于存储一个或多个程序，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现可行驶区域检测方法。根据本专利技术实施例的又一方面，提供了一种计算机可读介质。一种计算机可读介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现可行驶区域检测方法。上述专利技术中的一个实施例具有如下优点或有益效果：根据采集的当前时刻的区域图像生成当前时刻的特征图，并根据当前时刻的特征图和当前时刻的前一时刻的时序特征图生成当前时刻的时序特征图，根据当前时刻的时序特征图生成带有特征值的区域图像特征图，然后根据该特征值检测区域图像特征图中的可行驶区域。能够把可行驶区域检测任务中的前后帧图像之间的时间依赖关系利用起来，使得能够基于更多的信息来检测可行驶区域，从而有效提高可行驶区域检测的效果。上述的非惯用的可选方式所具有的进一步效果将在下文中结合具体实施方式加以说明。附图说明附图用于更好地理解本专利技术，不构成对本专利技术的不当限定。其中：图1是根据本专利技术实施例本文档来自技高网...

【技术保护点】
1.一种可行驶区域检测方法，其特征在于，包括：根据采集的当前时刻的区域图像生成所述当前时刻的特征图；根据所述当前时刻的特征图和所述当前时刻的前一时刻的时序特征图生成所述当前时刻的时序特征图；根据所述当前时刻的时序特征图生成带有特征值的区域图像特征图，然后根据所述特征值检测所述区域图像特征图中的可行驶区域。

【技术特征摘要】
1.一种可行驶区域检测方法，其特征在于，包括：根据采集的当前时刻的区域图像生成所述当前时刻的特征图；根据所述当前时刻的特征图和所述当前时刻的前一时刻的时序特征图生成所述当前时刻的时序特征图；根据所述当前时刻的时序特征图生成带有特征值的区域图像特征图，然后根据所述特征值检测所述区域图像特征图中的可行驶区域。2.根据权利要求1所述的方法，其特征在于，根据采集的当前时刻的区域图像生成所述当前时刻的特征图的步骤，包括：通过第一卷积神经网络对采集的当前时刻的区域图像进行卷积处理和降采样处理，以生成所述当前时刻的特征图。3.根据权利要求1所述的方法，其特征在于，根据所述当前时刻的特征图和所述当前时刻的前一时刻的时序特征图生成所述当前时刻的时序特征图的步骤，包括：将所述当前时刻的特征图中的特征向量作为循环神经网络的第一输入特征向量，将所述当前时刻的前一时刻的时序特征图中的特征向量作为所述循环神经网络的第二输入特征向量；通过所述循环神经网络处理所述第一输入特征向量和所述第二输入特征向量，以得到所述循环神经网络的输出特征向量，并根据所述输出特征向量生成所述当前时刻的时序特征图。4.根据权利要求1所述的方法，其特征在于，根据所述当前时刻的时序特征图生成带有特征值的区域图像特征图的步骤，包括：通过第二卷积神经网络的卷积层根据所述当前时刻的时序特征图生成带有特征值的两通道特征图；通过所述第二卷积神经网络的反卷积层将所述两通道特征图还原为所述当前时刻的区域图像的大小，以得到带有特征值的区域图像特征图。5.根据权利要求1所述的方法，其特征在于，所述带有特征值的区域图像特征图包括预设数量的图像位置，每个图像位置对应指示为可行驶区域的特征值和指示为非可行驶区域的特征值，根据所述特征值检测所述区域图像特征图中的可行驶区域的步骤，包括：比较每个图像位置对应的指示为可行驶区域的特征值和指示为非可行驶区域的特征值的大小，其中：如果所述指示为可行驶区域的特征值大于所述指示为非可行驶区域的特征值，则对应的图像位置为可行驶区域；如果所述指示为可行驶区域的特征值小于所述指示为非可行驶区域的特征值，则对应的图像位置为非可行驶区域；如果所述指示为可行驶区域的特征值等于所述指示为非可行驶区域的特征值，则检查由所述指示为可行驶区域的特征值和所述指示为非可行驶区域的特征值构成的数组的第一个数组下标，如果所述第一个数组下标对应的特征值指示为可行驶区域，则对应的图像位置为可行驶区域，如果所述第一个数组下标对应的特征值指示为非可行驶区域，则对应的图像位置为非可行驶区域。6.一种可行驶区域检测装置，其特征在于，包括：特征图生成模块，用于根据采集的当前时刻的区域图像生成所述当前时刻的...

【专利技术属性】
技术研发人员：张立成，
申请(专利权)人：北京京东尚科信息技术有限公司，北京京东世纪贸易有限公司，
类型：发明
国别省市：北京,11