车距检测方法、装置和系统制造方法及图纸

本发明专利技术提供了一种车距检测方法、装置和系统，所述方法包括：接收安装在本车上的RGB图像采集设备采集的关于所述本车的周边环境的图像；以及利用训练好的神经网络检测所述图像中的目标对象、并预测所述目标对象距离所述本车的距离。根据本发明专利技术实施例的车距检测方法、装置和系统利用车载RGB图像采集设备采集车辆周边的图像，并基于训练好的神经网络对该图像进行处理来检测车辆周边对象与该车辆的距离，不仅可以准确、快速且智能地实现车距检测，且无需采用造价昂贵的测距设备，仅利用传统的RGB相机即可实现车距检测，降低了成本。

【技术实现步骤摘要】
车距检测方法、装置和系统
本专利技术涉及车距检测
，更具体地涉及一种车距检测方法、装置和系统。
技术介绍
交通事故的发生，很大程度上是由于驾驶员对周围环境判断失误，车距误判是其中的重要原因之一，因此，需要辅助驾驶的车距检测系统来检测车距，从而为驾驶员提供参考。现有的车距检测系统主要依靠激光雷达或深度摄像机。激光雷达虽然检测精度高，但造价昂贵，可达数万元人民币；深度摄像机较为廉价，但检测精度不高，在距离较为接近时容易误判，无法直接应用于对精度有较高要求的短距预警系统。
技术实现思路
为了解决上述问题中的至少一个而提出了本专利技术。根据本专利技术一方面，提供了一种车距检测方法，所述方法包括：接收安装在本车上的RGB图像采集设备采集的关于所述本车的周边环境的图像；以及利用训练好的神经网络检测所述图像中的目标对象、并预测所述目标对象距离所述本车的距离。在本专利技术的一个实施例中，所述方法还包括：确定所述目标对象距离所述本车的距离是否小于预定安全距离，如果是，则发出警报。在本专利技术的一个实施例中，在确定所述目标对象距离所述本车的距离小于预定安全距离之后，发出警报之前，还包括步骤：基于所述RGB图像采集设备的位置确定所述目标对象相对于所述本车的方位。在本专利技术的一个实施例中，所述利用训练好的神经网络检测所述图像中的目标对象、并预测所述目标对象距离所述本车的距离的步骤包括：获取所述图像的特征数据；基于所述特征数据检测所述图像中的目标对象；以及基于所述特征数据预测所述图像中的每个像素点的深度值，以用于确定所述目标对象距离所述本车的距离。在本专利技术的一个实施例中，所述检测所述图像中的目标对象的步骤包括：生成所述目标对象在所述图像上的二维检测框。在本专利技术的一个实施例中，在所述利用训练好的神经网络检测所述图像中的目标对象、并预测所述目标对象距离所述本车的距离的步骤之后，还包括：基于检测出的所述目标对象以及所述目标对象距离所述本车的距离，生成所述目标对象的三维信息，并基于所述目标对象的三维信息对所述本车的周边环境进行建模。在本专利技术的一个实施例中，所述方法还包括：针对每个检测到的目标对象，生成对检测到该目标对象的置信度；以及针对所述置信度高于预定阈值的目标对象进行所述预测。在本专利技术的一个实施例中，所述RGB图像采集设备为双目RGB相机。在本专利技术的一个实施例中，对所述神经网络的训练包括：确定需要检测的目标对象的类别；以及采用包含下述各项的训练数据来训练所述神经网络：所述类别的目标对象、对所述类别的目标对象的类别标注和对所述类别的目标对象的深度标注。在本专利技术的一个实施例中，所述对所述类别的目标对象的类别标注通过人工标注来完成。在本专利技术的一个实施例中，所述对所述类别的目标对象的深度标注通过深度相机来完成。在本专利技术的一个实施例中，所述目标对象包括所述图像中的运动目标。根据本专利技术另一方面，提供了一种车距检测装置，所述装置包括：接收模块，用于接收安装在本车上的RGB图像采集设备采集的关于所述本车的周边环境的图像；以及检测模块，用于利用训练好的神经网络检测所述图像中的目标对象、并预测所述目标对象距离所述本车的距离。在本专利技术的一个实施例中，所述装置还包括：警报模块，用于确定所述目标对象距离所述本车的距离是否小于预定安全距离，如果是，则发出警报。在本专利技术的一个实施例中，所述警报模块还用于：在确定所述目标对象距离所述本车的距离小于预定安全距离之后，发出警报之前，基于所述RGB图像采集设备的位置确定所述目标对象相对于所述本车的方位。在本专利技术的一个实施例中，所述检测模块进一步用于：获取所述图像的特征数据；基于所述特征数据检测所述图像中的目标对象；以及基于所述特征数据预测所述图像中的每个像素点的深度值，以用于确定所述目标对象距离所述本车的距离。在本专利技术的一个实施例中，所述检测模块检测所述图像中的目标对象的步骤包括：生成所述目标对象在所述图像上的二维检测框。在本专利技术的一个实施例中，所述检测模块还用于：基于检测出的所述目标对象以及所述目标对象距离所述本车的距离，生成所述目标对象的三维信息，并基于所述目标对象的三维信息对所述本车的周边环境进行建模。在本专利技术的一个实施例中，所述检测模块还用于：针对每个检测到的目标对象，生成对检测到该目标对象的置信度；以及针对所述置信度高于预定阈值的目标对象进行所述预测。在本专利技术的一个实施例中，所述RGB图像采集设备为双目RGB相机。在本专利技术的一个实施例中，对所述神经网络的训练包括：确定需要检测的目标对象的类别；以及采用包含下述各项的训练数据来训练所述神经网络：所述类别的目标对象、对所述类别的目标对象的类别标注和对所述类别的目标对象的深度标注。在本专利技术的一个实施例中，所述对所述类别的目标对象的类别标注通过人工标注来完成。在本专利技术的一个实施例中，所述对所述类别的目标对象的深度标注通过深度相机来完成。在本专利技术的一个实施例中，所述目标对象包括所述图像中的运动目标。根据本专利技术再一方面，提供了一种车距检测系统，所述系统包括RGB图像采集设备、存储装置和处理器，所述RGB图像采集设备安装在本车上，用于采集关于所述本车的周边环境的图像，所述存储装置上存储有计算机程序，所述计算机程序在被所述处理器运行时执行上述任一项所述的车距检测方法。根据本专利技术实施例的车距检测方法、装置和系统利用车载RGB图像采集设备采集车辆周边的图像，并基于训练好的神经网络对该图像进行处理来检测车辆周边对象与该车辆的距离，不仅可以准确、快速且智能地实现车距检测，且无需采用造价昂贵的测距设备，仅利用传统的RGB相机即可实现车距检测，降低了成本。附图说明通过结合附图对本专利技术实施例进行更详细的描述，本专利技术的上述以及其它目的、特征和优势将变得更加明显。附图用来提供对本专利技术实施例的进一步理解，并且构成说明书的一部分，与本专利技术实施例一起用于解释本专利技术，并不构成对本专利技术的限制。在附图中，相同的参考标号通常代表相同部件或步骤。图1示出用于实现根据本专利技术实施例的车距检测方法、装置和系统的示例电子设备的示意性框图；图2示出根据本专利技术实施例的车距检测方法的示意性流程图；图3示出根据本专利技术实施例的车距检测方法所利用的神经网络的处理过程示意图；图4A-4C分别示出根据本专利技术实施例的车距检测方法所利用的神经网络在不同场景下所输出的结果的示意图；图5示出根据本专利技术实施例的车距检测装置的示意性框图；以及图6示出根据本专利技术实施例的车距检测系统的示意性框图。具体实施方式为了使得本专利技术的目的、技术方案和优点更为明显，下面将参照附图详细描述根据本专利技术的示例实施例。显然，所描述的实施例仅仅是本专利技术的一部分实施例，而不是本专利技术的全部实施例，应理解，本专利技术不受这里描述的示例实施例的限制。基于本专利技术中描述的本专利技术实施例，本领域技术人员在没有付出创造性劳动的情况下所得到的所有其它实施例都应落入本专利技术的保护范围之内。首先，参照图1来描述用于实现本专利技术实施例的车距检测方法、装置和系统的示例电子设备100。如图1所示，电子设备100包括一个或多个处理器102、一个或多个存储装置104、输入装置106、输出装置108以及图像传感器110，这些组件通过总线系统112和/或其它形式的连接机构(未示出)互连。应当注意，图1所示的电子设备100本文档来自技高网...

【技术保护点】
一种车距检测方法，其特征在于，所述方法包括：接收安装在本车上的RGB图像采集设备采集的关于所述本车的周边环境的图像；以及利用训练好的神经网络检测所述图像中的目标对象、并预测所述目标对象距离所述本车的距离。

【技术特征摘要】
1.一种车距检测方法，其特征在于，所述方法包括：接收安装在本车上的RGB图像采集设备采集的关于所述本车的周边环境的图像；以及利用训练好的神经网络检测所述图像中的目标对象、并预测所述目标对象距离所述本车的距离。2.根据权利要求1所述的方法，其特征在于，所述方法还包括：确定所述目标对象距离所述本车的距离是否小于预定安全距离，如果是，则发出警报。3.根据权利要求2所述的方法，其特征在于，在确定所述目标对象距离所述本车的距离小于预定安全距离之后，发出警报之前，还包括步骤：基于所述RGB图像采集设备的位置确定所述目标对象相对于所述本车的方位。4.根据权利要求1所述的方法，其特征在于，所述利用训练好的神经网络检测所述图像中的目标对象、并预测所述目标对象距离所述本车的距离的步骤包括：获取所述图像的特征数据；基于所述特征数据检测所述图像中的目标对象；以及基于所述特征数据预测所述图像中的每个像素点的深度值，以用于确定所述目标对象距离所述本车的距离。5.根据权利要求4所述的方法，其特征在于，所述检测所述图像中的目标对象的步骤包括：生成所述目标对象在所述图像上的二维检测框。6.根据权利要求4所述的方法，其特征在于，在所述利用训练好的神经网络检测所述图像中的目标对象、并预测所述目标对象距离所述本车的距离的步骤之后，还包括：基于检测出的所述目标对象以及所述目标对象距离所述本车的距离，生成所述目标对象的三维信息，并基于所述目标对象的三维信息对所述本车的周边环境进行建模。7.根据权利要求1所述的方法，其特征在于，所述方法还包括：针对每个检测到的目标对象，生成对检测到该目标对象的置信度；以及针对所述置信度高于预定阈值的目标对象进行所述预测。8.根据权利要求1所述的方法，其特征在于，所述RGB图像采集设备为双目RGB相机。9.根据权利要求1所述的方法，其特征在于，对所述神经网络的训练包括：确定需要检测的目标对象的类别；以及采用包含下述各项的训练数据来训练所述神经网络：所述类别的目标对象、对所述类别的目标对象的类别标注和对所述类别的目标对象的深度标注。10.根据权利要求9所述的方法，其特征在于，所述对所述类别的目标对象的类别标注通过人工标注来完成。11.根据权利要求9所述的方法，其特征在于，所述对所述类别的目标对象的深度标注通过深度相机来完成。12.根据权利要求1所述的方法，其特征在于，所述目标对象包括所述图像中的运动目标。13.一种车距检测装置，其特征在于，所述装置包括：接收模块，用于接收安装在本车上的RGB图像采集设备采集...

【专利技术属性】
技术研发人员：茅佳源，肖特特，
申请(专利权)人：北京旷视科技有限公司，北京小孔科技有限公司，
类型：发明
国别省市：北京,11