基于自动驾驶车辆的位置检测方法、装置、设备及介质制造方法及图纸

本申请提供一种基于自动驾驶车辆的位置检测方法、装置、设备及介质，其中，该方法包括：根据细长卷积核神经网络模型中的底层神经网络层对获取的自动驾驶车辆的第一视觉感知图像进行识别，确定出所述目标线状物图像的特征信息，并采用所述细长卷积核神经网络模型中的高层神经网络层对所述目标线状物图像的特征信息进行识别，确定出所述目标线状物图像的尺寸信息；进一步地，将所述目标线状物图像的尺寸信息与预设坐标系地图信息进行匹配，确定所述自动驾驶车辆的位置。本申请实施例，可以准确地确定出目标线状物图像的尺寸信息，从而根据目标线状物图像的尺寸信息和预设坐标系地图信息可以准确地确定出所述自动驾驶车辆的位置。

【技术实现步骤摘要】
基于自动驾驶车辆的位置检测方法、装置、设备及介质
本申请涉及自动驾驶
，尤其涉及一种基于自动驾驶车辆的位置检测方法、装置、设备及介质。
技术介绍
在自动驾驶车辆的运行过程中，需要对自动驾驶车辆进行定位。自动驾驶车辆检测的视觉图像中的线状物(例如电线杆、斑马线或车道线等)对于自动驾驶车辆的定位有着非常好的参照作用。因此，关于线状物的检测技术在自动驾驶领域尤为重要。现有技术中，通常采用传统的深度学习算法对视觉图像中的线状物进行检测。然而现有技术中，由于视觉图像中的线状物是密集且细长的物体，采用传统的深度学习算法无法准确地检测出视觉图像中的线状物，从而无法准确地确定自动驾驶车辆的位置。
技术实现思路
本申请提供一种基于自动驾驶车辆的位置检测方法、装置、设备及介质，解决了现有技术中无法准确地确定自动驾驶车辆位置的技术问题。第一方面，本申请提供一种基于自动驾驶车辆的位置检测方法，包括：获取自动驾驶车辆的第一视觉感知图像；其中，所述第一视觉感知图像中包括目标线状物图像；根据细长卷积核神经网络模型中的底层神经网络层对所述第一视觉感知图像进行识别，确定出所述目标线状物图像的特征信息；采用所述细长卷积核神经网络模型中的高层神经网络层对所述目标线状物图像的特征信息进行识别，确定出所述目标线状物图像的尺寸信息；将所述目标线状物图像的尺寸信息与预设坐标系地图信息进行匹配，确定所述自动驾驶车辆的位置。在一种可能的实现方式中，所述采用所述细长卷积核神经网络模型中的高层神经网络层对所述目标线状物图像的特征信息进行识别，确定出所述目标线状物图像的尺寸信息，包括：沿着所述目标线状物的形态，将所述目标线状物图像的特征信息划分为等间距的特征矩阵；分别将每一个所述特征矩阵与所述细长卷积核神经网络模型中的细长卷积核进行加权求和运算，得到运算结果；根据所述细长卷积核神经网络模型中的高层神经网络层对所述运算结果进行识别，确定出所述目标线状物图像的尺寸信息。在一种可能的实现方式中，所述将所述目标线状物的尺寸信息与预设坐标系地图信息进行匹配，确定所述自动驾驶车辆的位置，包括：将所述预设坐标系地图信息投影到所述第一视觉感知图像上，得到投影后的坐标系地图信息；判断所述投影后的坐标系地图信息中，是否具有与所述目标线状物的尺寸信息相匹配的目标对象；若确定具有所述目标对象，则根据所述第一视觉图像的拍摄角度以及所述投影后的坐标系地图信息，确定所述自动驾驶车辆的位置。在一种可能的实现方式中，所述方法，还包括：获取所述细长卷积核神经网络模型。在一种可能的实现方式中，所述获取所述细长卷积核神经网络模型，包括：根据预设视觉感知图像、预设线状物图像的特征信息和预设线状物图像的尺寸信息对预设神经网络模型进行训练，生成所述细长卷积核神经网络模型；其中，所述预设视觉感知图像中包括所述预设线状物图像。在一种可能的实现方式中，所述根据预设视觉感知图像、预设线状物图像的特征信息和预设线状物图像的尺寸信息对预设神经网络模型进行训练，生成所述细长卷积核神经网络模型，包括：根据所述预设视觉感知图像和所述预设线状物图像的特征信息对所述预设神经网络模型进行训练，生成初期细长卷积核神经网络模型，所述初期细长卷积核神经网络模型中具有成熟的底层神经网络层；根据所述预设线状物图像的特征信息和所述预设线状物图像的尺寸信息对所述初期细长卷积核神经网络模型进行训练，生成最终的细长卷积核神经网络模型，其中，最终的所述细长卷积核神经网络模型中具有成熟的高层神经网络层和所述成熟的底层神经网络层。在一种可能的实现方式中，所述获取自动驾驶车辆的第一视觉感知图像，包括：通过所述自动驾驶车辆中的图像采集装置获取所述第一视觉感知图像。第二方面，本申请提供一种基于自动驾驶车辆的位置检测装置，包括：第一获取模块，用于获取自动驾驶车辆的第一视觉感知图像；其中，所述第一视觉感知图像中包括目标线状物图像；第一确定模块，用于根据细长卷积核神经网络模型中的底层神经网络层对所述第一视觉感知图像进行识别，确定出所述目标线状物图像的特征信息；第二确定模块，用于采用所述细长卷积核神经网络模型中的高层神经网络层对所述目标线状物图像的特征信息进行识别，确定出所述目标线状物图像的尺寸信息；第三确定模块，用于将所述目标线状物图像的尺寸信息与预设坐标系地图信息进行匹配，确定所述自动驾驶车辆的位置。在一种可能的实现方式中，所述第二确定模块，包括：划分单元，用于沿着所述目标线状物的形态，将所述目标线状物图像的特征信息划分为等间距的特征矩阵；运算单元，用于分别将每一个所述特征矩阵与所述细长卷积核神经网络模型中的细长卷积核进行加权求和运算，得到运算结果；第一确定单元，用于根据所述细长卷积核神经网络模型中的高层神经网络层对所述运算结果进行识别，确定出所述目标线状物图像的尺寸信息。在一种可能的实现方式中，所述第三确定模块，包括：投影单元，用于将所述预设坐标系地图信息投影到所述第一视觉感知图像上，得到投影后的坐标系地图信息；判断单元，用于判断所述投影后的坐标系地图信息中，是否具有与所述目标线状物的尺寸信息相匹配的目标对象；第二确定单元，用于若所述判断单元确定具有所述目标对象，则根据所述第一视觉图像的拍摄角度以及所述投影后的坐标系地图信息，确定所述自动驾驶车辆的位置。在一种可能的实现方式中，所述装置，还包括：第二获取模块，用于获取所述细长卷积核神经网络模型。在一种可能的实现方式中，所述第二获取模块具体用于：根据预设视觉感知图像、预设线状物图像的特征信息和预设线状物图像的尺寸信息对预设神经网络模型进行训练，生成所述细长卷积核神经网络模型；其中，所述预设视觉感知图像中包括所述预设线状物图像。在一种可能的实现方式中，所述第二获取模块具体用于：根据所述预设视觉感知图像和所述预设线状物图像的特征信息对所述预设神经网络模型进行训练，生成初期细长卷积核神经网络模型，所述初期细长卷积核神经网络模型中具有成熟的底层神经网络层；根据所述预设线状物图像的特征信息和所述预设线状物图像的尺寸信息对所述初期细长卷积核神经网络模型进行训练，生成最终的细长卷积核神经网络模型，其中，最终的所述细长卷积核神经网络模型中具有成熟的高层神经网络层和所述成熟的底层神经网络层。在一种可能的实现方式中，所述获取自动驾驶车辆的第一视觉感知图像，包括：通过所述自动驾驶车辆中的图像采集装置获取所述第一视觉感知图像。第三方面，本申请提供一种控制设备，包括：存储器及处理器；其中，所述存储器，用于存储计算机指令；所述处理器，用于运行所述存储器中存储的所述计算机指令实现上述第一方面的任意实现方式所述的基于自动驾驶车辆的位置检测方法。第四方面，本申请提供一种存储介质，包括：可读存储介质和计算机指令，所述计算机指令存储在所述可读存储介质中；所述计算机指令用于实现上述第一方面的任意实现方式所述的基于自动驾驶车辆的位置检测方法。本申请实施例提供的基于自动驾驶车辆的位置检测方法、装置、设备及介质，通过根据细长卷积核神经网络模型中的底层神经网络层对获取的自动驾驶车辆的第一视觉感知图像进行识别，确定出所述目标线状物图像的特征信息，并采用所述细长卷积核神经网络模型中的高层神经网络层对所述目标线状物图像的特征信息进行识别，确定出所本文档来自技高网...

【技术保护点】
1.一种基于自动驾驶车辆的位置检测方法，其特征在于，包括：获取自动驾驶车辆的第一视觉感知图像；其中，所述第一视觉感知图像中包括目标线状物图像；根据细长卷积核神经网络模型中的底层神经网络层对所述第一视觉感知图像进行识别，确定出所述目标线状物图像的特征信息；采用所述细长卷积核神经网络模型中的高层神经网络层对所述目标线状物图像的特征信息进行识别，确定出所述目标线状物图像的尺寸信息；将所述目标线状物图像的尺寸信息与预设坐标系地图信息进行匹配，确定所述自动驾驶车辆的位置。

【技术特征摘要】
1.一种基于自动驾驶车辆的位置检测方法，其特征在于，包括：获取自动驾驶车辆的第一视觉感知图像；其中，所述第一视觉感知图像中包括目标线状物图像；根据细长卷积核神经网络模型中的底层神经网络层对所述第一视觉感知图像进行识别，确定出所述目标线状物图像的特征信息；采用所述细长卷积核神经网络模型中的高层神经网络层对所述目标线状物图像的特征信息进行识别，确定出所述目标线状物图像的尺寸信息；将所述目标线状物图像的尺寸信息与预设坐标系地图信息进行匹配，确定所述自动驾驶车辆的位置。2.根据权利要求1所述的方法，其特征在于，所述采用所述细长卷积核神经网络模型中的高层神经网络层对所述目标线状物图像的特征信息进行识别，确定出所述目标线状物图像的尺寸信息，包括：沿着所述目标线状物的形态，将所述目标线状物图像的特征信息划分为等间距的特征矩阵；分别将每一个所述特征矩阵与所述细长卷积核神经网络模型中的细长卷积核进行加权求和运算，得到运算结果；根据所述细长卷积核神经网络模型中的高层神经网络层对所述运算结果进行识别，确定出所述目标线状物图像的尺寸信息。3.根据权利要求1或2所述的方法，其特征在于，所述将所述目标线状物的尺寸信息与预设坐标系地图信息进行匹配，确定所述自动驾驶车辆的位置，包括：将所述预设坐标系地图信息投影到所述第一视觉感知图像上，得到投影后的坐标系地图信息；判断所述投影后的坐标系地图信息中，是否具有与所述目标线状物的尺寸信息相匹配的目标对象；若确定具有所述目标对象，则根据所述第一视觉图像的拍摄角度以及所述投影后的坐标系地图信息，确定所述自动驾驶车辆的位置。4.根据权利要求1或2所述的方法，其特征在于，所述方法，还包括：获取所述细长卷积核神经网络模型。5.根据权利要求4所述的方法，其特征在于，所述获取所述细长卷积核神经网络模型，包括：根据预设视觉感知图像、预设线状物图像的特征信息和预设线状物图像的尺寸信息对预设神经网络模型进行训练，生成所述细长卷积核神经网络模型；其中，所述预设视觉感知图像中包括所述预设线状物图像。6.根据权利要求5所述的方法，其特征在于，所述根据预设视觉感知图像、预设线状物图像的特征信息和预设线状物图像的尺寸信息对预设神经网络模型进行训练，生成所述细长卷积核神经网络模型，包括：根据所述预设视觉感知图像和所述预设线状物图像的特征信息对所述预设神经网络模型进行训练，生成初期细长卷积核神经网络模型，所述初期细长卷积核神经网络模型中具有成熟的底层神经网络层；根据所述预设线状物图像的特征信息和所述预设线状物图像的尺寸信息对所述初期细长卷积核神经网络模型进行训练，生成最终的细长卷积核神经网络模型，其中，最终的所述细长卷积核神经网络模型中具有成熟的高层神经网络层和所述成熟的底层神经网络层。7.根据权利要求1或2所述的方法，其特征在于，所述获取自动驾驶车辆的第一视觉感知图像，包括：通过所述自动驾驶车辆中的图像采集装置获取所述第一视觉感知图像。8.一种基于自动驾驶车辆的位置检测装置，其特征在于，包括：第一获取模块，用于获取自动驾驶车辆的第一视觉感知图像；其中，所述第一视觉感知图像中包括目...

【专利技术属性】
技术研发人员：陈佳佳，万吉，夏添，
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