一种无人车视觉检测的鲁棒性测试方法和系统技术方案

本申请提供一种无人车视觉检测的鲁棒性测试方法和系统，所述方法包括，获取无人车采集的包含检测目标的原始图像；利用待测试场景对应的测试参数，对所述原始图像进行异常处理，构建待测试场景对应的测试图像；利用针对原始图像和测试图像中的检测目标的视觉检测结果，得到无人车视觉检测在所述待测试场景下的鲁棒性测试结果。采用本实施例所述方法和系统，测试场景更具有针对性和可重复性，大大提高了鲁棒性测试的效率。

A robust testing method and system for visual inspection of unmanned vehicles

The present application provides a method and system for testing the visual detection of unmanned vehicles. The method includes obtaining the original image containing the detection target by the unmanned vehicle; using the test parameters corresponding to the test scene, processing the original image abnormally, constructing the test image corresponding to the test scene, and using the test image to be used for the test scene; In view of the visual detection results of the detection target in the original image and the test image, the robustness test results of the unmanned vehicle vision detection under the tested scene are obtained. With the method and system described in this embodiment, the test scenario is more targeted and repeatable, greatly improving the efficiency of robustness testing.

【技术实现步骤摘要】
一种无人车视觉检测的鲁棒性测试方法和系统
本申请涉及图像识别领域，尤其涉及一种无人车视觉检测的鲁棒性测试方法和系统。
技术介绍
视觉检测算法在无人车系统中起着至关重要的作用，在马路上行驶的无人车，若要经过路口，首先需要识别交通信号灯(以下简称信号灯)。现有技术中，在识别信号灯的过程中，无人车可以通过拍摄装置对信号灯进行拍摄，通过拍摄装置获得的图像只有见过视觉检测算法才能得知该图像中是否有信号灯、信号灯的类型、信号灯的颜色等，并发送给决策控制模块，由决策控制模块根据检测结果做出符合交通规则的操作，即停车或通行。因为拍摄装置会面对各种不同场景，比如在雨雪雾天气、拍摄装置角度移动等情况，无人车可能无法对信号灯进行识别。由此可能造成违章行为，甚至引起交通事故。为了保证安全驾驶，需要在各种场景下都能正确识别信号灯，这就要求无人车视觉检测算法具有极高的鲁棒性。在无人车开发过程中，需要进行真实道路测试，以测试出无人车对于真实道路中遇到的场景的视觉检测是否能达到实际需求。但是，对于不同场景，尤其是雨雪雾天气等场景受自然条件影响较大，而且可能存在不可再现性。为了完成各种不同场景的测试，需要耗费较多的时间、人力、金钱成本。
技术实现思路
本申请的多个方面提供一种无人车视觉检测的鲁棒性测试方法和系统，用以测试无人车视觉算法的鲁棒性。本申请的一方面，提供一种无人车视觉检测的鲁棒性测试方法，包括：获取无人车采集的包含检测目标的原始图像；利用待测试场景对应的测试参数，对所述原始图像进行异常处理，构建待测试场景对应的测试图像；利用针对原始图像和测试图像中的检测目标的视觉检测结果，得到无人车视觉检测在所述待测试场景下的鲁棒性测试结果。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述获取无人车采集的包含检测目标的原始图像包括：当监测到无人车与检测目标在预设的距离范围内，则启动无人车上的拍摄装置拍摄并存储包含检测目标的原始图像。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述视觉检测结果包括：检测目标的类型、颜色和位置中的至少一种。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述待测试场景包括恶劣天气场景；利用待测试场景对应的测试参数，对所述原始图像进行异常处理，构建待测试场景对应的测试图像包括：根据气象参数对所述原始图像进行加噪、亮度处理，得到恶劣天气场景对应的测试图像。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述待测试场景包括拍摄装置位置移动场景；利用待测试场景对应的测试参数，对所述原始图像进行异常处理，构建待测试场景对应的测试图像包括：根据拍摄装置在无人车中的位置信息参数，对所述原始图像进行移动、缩放处理，得到拍摄装置位置移动场景对应的测试图像。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述待测试场景包括拍摄装置角度移动场景；利用待测试场景对应的测试参数，对所述原始图像进行异常处理，构建待测试场景对应的测试图像包括：根据拍摄装置在无人车中的姿态信息参数，对所述图像进行移动、旋转处理，得到拍摄装置角度移动场景对应的测试图像。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述利用针对原始图像和测试图像中的检测目标进行的视觉检测结果，得到所述待测试场景下无人车视觉检测的鲁棒性测试结果包括：将针对原始图像和测试图像中的检测目标进行的视觉检测结果进行对比，得到无人车视觉检测在待测试场景下的错误率。本申请的一方面，提供一种无人车视觉检测的鲁棒性测试系统，包括：原始图像获取模块，用于获取无人车采集的包含检测目标的原始图像；图像处理模块，用于利用待测试场景对应的测试参数，对所述原始图像进行异常处理，构建待测试场景对应的测试图像；视觉检测模块，用于利用针对原始图像和测试图像中的检测目标的视觉检测结果，得到无人车视觉检测在所述待测试场景下的鲁棒性测试结果。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述原始图像获取模块具体用于：当监测到无人车与检测目标在预设的距离范围内，则启动无人车上的拍摄装置拍摄并存储包含检测目标的原始图像。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述视觉检测结果包括：检测目标的类型、颜色和位置中的至少一种。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述待测试场景包括恶劣天气场景；所述图像处理模块具体用于：根据气象参数对所述原始图像进行加噪、亮度处理，得到恶劣天气场景对应的测试图像。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述待测试场景包括拍摄装置位置移动场景；所述图像处理模块具体用于：根据拍摄装置在无人车中的位置信息参数，对所述原始图像进行移动、缩放处理，得到拍摄装置位置移动场景对应的测试图像。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述待测试场景包括拍摄装置角度移动场景；所述图像处理模块具体用于：根据拍摄装置在无人车中的姿态信息参数，对所述图像进行移动、旋转处理，得到拍摄装置角度移动场景对应的测试图像。如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述视觉检测模块具体用于：将针对原始图像和测试图像中的检测目标进行的视觉检测结果进行对比，得到无人车视觉检测在待测试场景下的错误率。本申请的另一方面，提供一种设备，其特征在于，所述设备包括：一个或多个处理器；存储装置，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，使得所述一个或多个处理器实现任一上述的方法。本申请的另一方面，提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现任一上述的方法。由所述技术方案可知，本申请实施例能够有效的测试无人车视觉检测的鲁棒性。【附图说明】为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作一简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。图1为本申请一实施例提供的无人车视觉检测的鲁棒性测试方法的流程示意图；图2为本申请另一实施例提供的无人车视觉检测的鲁棒性测试系统的结构示意图；图3为适于用来实现本专利技术实施例的示例性计算机系统/服务器的框图。【具体实施方式】为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的全部其他实施例，都属于本申请保护的范围。另外，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。图1为本申请一实施例提供的无人车视觉检测的鲁棒性测试方法的流程示意图，如图1所示，包括以下步骤：步骤S11、获取无人车采集的包含检测目标的原始视频；步骤本文档来自技高网...

【技术保护点】
1.一种无人车视觉检测的鲁棒性测试方法，其特征在于，包括：获取无人车采集的包含检测目标的原始图像；利用待测试场景对应的测试参数，对所述原始图像进行异常处理，构建待测试场景对应的测试图像；利用针对原始图像和测试图像中的检测目标的视觉检测结果，得到无人车视觉检测在所述待测试场景下的鲁棒性测试结果。

【技术特征摘要】
1.一种无人车视觉检测的鲁棒性测试方法，其特征在于，包括：获取无人车采集的包含检测目标的原始图像；利用待测试场景对应的测试参数，对所述原始图像进行异常处理，构建待测试场景对应的测试图像；利用针对原始图像和测试图像中的检测目标的视觉检测结果，得到无人车视觉检测在所述待测试场景下的鲁棒性测试结果。2.根据权利要求1所述的方法，其特征在于，所述获取无人车采集的包含检测目标的原始图像包括：当监测到无人车与检测目标在预设的距离范围内，则启动无人车上的拍摄装置拍摄并存储包含检测目标的原始图像。3.根据权利要求1所述的方法，其特征在于，所述视觉检测结果包括：检测目标的类型、颜色和位置中的至少一种。4.根据权利要求1所述的方法，其特征在于，所述待测试场景包括恶劣天气场景；利用待测试场景对应的测试参数，对所述原始图像进行异常处理，构建待测试场景对应的测试图像包括：根据气象参数对所述原始图像进行加噪、亮度处理，得到恶劣天气场景对应的测试图像。5.根据权利要求1所述的方法，其特征在于，所述待测试场景包括拍摄装置位置移动场景；利用待测试场景对应的测试参数，对所述原始图像进行异常处理，构建待测试场景对应的测试图像包括：根据拍摄装置在无人车中的位置信息参数，对所述原始图像进行移动、缩放处理，得到拍摄装置位置移动场景对应的测试图像。6.根据权利要求1所述的方法，其特征在于，所述待测试场景包括拍摄装置角度移动场景；利用待测试场景对应的测试参数，对所述原始图像进行异常处理，构建待测试场景对应的测试图像包括：根据拍摄装置在无人车中的姿态信息参数，对所述图像进行移动、旋转处理，得到拍摄装置角度移动场景对应的测试图像。7.根据权利要求1所述的方法，其特征在于，所述利用针对原始图像和测试图像中的检测目标进行的视觉检测结果，得到所述待测试场景下无人车视觉检测的鲁棒性测试结果包括：将针对原始图像和测试图像中的检测目标进行的视觉检测结果进行对比，得到无人车视觉检测在待测试场景下的错误率。8.一种无人车视觉检测的鲁棒性测试系统，其...

【专利技术属性】
技术研发人员：冯西，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11