【技术实现步骤摘要】
【国外来华专利技术】车辆检测方法和设备
本专利技术实施例涉及图像处理
，尤其涉及一种车辆检测方法和设备。
技术介绍
自动检测车辆，在自动驾驶、辅助驾驶技术中是不可缺少的内容。通常，车辆上设置有摄像设备。车辆在行使过程中，摄像设备对道路上的车辆进行拍摄获得图像。利用车辆检测模型，通过对图像进行深度学习或者机器学习，可以自动检测出前方的车辆。但是，采用同一种车辆检测模型对车辆进行检测，误检测/漏检测的概率很大，导致车辆检测的准确率较低。
技术实现思路
本专利技术提供一种车辆检测方法和设备，提升了车辆检测的准确性和可靠性，降低了误检测和漏检测概率。第一方面，本专利技术提供一种车辆检测方法，包括：获取待处理图像和所述待处理图像中每个像素点的深度信息；根据所述待处理图像和所述深度信息，获取所述待处理图像中车辆候选区域的距离值；根据所述车辆候选区域的距离值确定所述车辆候选区域对应的检测模型。第二方面，本专利技术提供一种车辆检测方法，包括：获取待处理图像；获取所述待处理...
【技术保护点】
1.一种车辆检测方法，其特征在于，包括：/n获取待处理图像和所述待处理图像中每个像素点的深度信息；/n根据所述待处理图像和所述深度信息，获取所述待处理图像中车辆候选区域的距离值；/n根据所述车辆候选区域的距离值确定所述车辆候选区域对应的检测模型。/n
【技术特征摘要】
【国外来华专利技术】1.一种车辆检测方法，其特征在于，包括：
获取待处理图像和所述待处理图像中每个像素点的深度信息；
根据所述待处理图像和所述深度信息，获取所述待处理图像中车辆候选区域的距离值；
根据所述车辆候选区域的距离值确定所述车辆候选区域对应的检测模型。
2.根据权利要求1所述的方法，其特征在于，所述根据所述待处理图像和所述深度信息，获取所述待处理图像中车辆候选区域的距离值，包括：
将所述待处理图像输入第一神经网络模型，获取所述待处理图像中的道路区域；
根据所述深度信息对所述待处理图像中的像素点进行聚类分析，确定所述待处理图像中与所述道路区域邻接的车辆候选区域，并获取所述车辆候选区域的距离值。
3.根据权利要求2所述的方法，其特征在于，所述与所述道路区域邻接的车辆候选区域，包括：与所述道路区域中像素点之间的最小距离小于或者等于预设距离的车辆候选区域。
4.根据权利要求2所述的方法，其特征在于，所述进行聚类分析，包括：
采用K均值算法进行聚类分析。
5.根据权利要求2所述的方法，其特征在于，所述车辆候选区域的距离值为所述车辆候选区域的簇中心点的深度值。
6.根据权利要求1所述的方法，其特征在于，所述根据所述车辆候选区域的距离值确定所述车辆候选区域对应的检测模型，包括：
根据多个预设距离值范围与多个预设检测模型之间的对应关系，将所述车辆候选区域的距离值所在的预设距离值范围对应的预设检测模型，确定为所述车辆候选区域对应的检测模型。
7.根据权利要求6所述的方法，其特征在于，相邻的两个预设检测模型对应的预设距离值范围存在重叠区域。
8.根据权利要求1-7任一项所述的方法，其特征在于，所述根据所述车辆候选区域的距离值确定所述车辆候选区域对应的检测模型之前，还包括：
对所述车辆候选区域的距离值进行校验；
若校验通过，则执行根据所述车辆候选区域的距离值确定所述车辆候选区域对应的检测模型的步骤。
9.根据权利要求8所述的方法，其特征在于，所述对所述车辆候选区域的距离值进行校验，包括：
判断所述车辆候选区域是否包括车辆的一对尾灯；
若所述车辆候选区域包括车辆的一对尾灯，则根据两个尾灯之间的距离和拍摄设备的焦距，获取所述车辆候选区域的校验距离值；
判断所述车辆候选区域的距离值与所述校验距离值之间的差值是否在预设差值范围内。
10.根据权利要求9所述的方法，其特征在于，所述校验距离值为根据所述拍摄设备的焦距、预设的车辆宽度和所述两个尾灯的外边沿之间的距离确定的。
11.根据权利要求9所述的方法，其特征在于，所述判断所述车辆候选区域是否包括车辆的一对尾灯，包括：
对所述待处理图像进行水平校正，获得水平校正图像；
根据所述水平校正图像中与所述车辆候选区域对应的区域，判断所述车辆候选区域是否包括车辆的一对尾灯。
12.根据权利要求11所述的方法，其特征在于，所述根据所述水平校正图像中与所述车辆候选区域对应的区域，判断所述车辆候选区域是否包括车辆的一对尾灯，包括：
将所述水平校正图像中与所述车辆候选区域对应的区域输入第二神经网络模型，判断所述车辆候选区域是否包括车辆的一对尾灯。
13.根据权利要求12所述的方法，其特征在于，若采用所述第二神经网络模型判断所述车辆候选区域包括车辆的一对尾灯，所述判断所述车辆候选区域是否包括车辆的一对尾灯，还包括：
获取左尾灯区域和右尾灯区域；
在所述水平校正图像中获取第一待处理区域和第二待处理区域；所述第一待处理区域包括所述左尾灯区域，所述第二待处理区域包括所述右尾灯区域；
对所述左尾灯区域进行镜像翻转获得第一目标区域，根据所述第一目标区域在所述第二待处理区域中进行图像匹配，或者，对所述右尾灯区域进行镜像翻转获得第二目标区域，根据所述第二目标区域在所述第一待处理区域中进行图像匹配，获得匹配结果；
根据所述匹配结果判断所述车辆候选区域是否包括车辆的一对尾灯。
14.根据权利要求12所述的方法，其特征在于，若采用所述第二神经网络模型判断所述车辆候选区域包括车辆的一对尾灯，所述判断所述车辆候选区域是否包括车辆的一对尾灯，还包括：
获取任一个尾灯的尾灯区域；
对所述尾灯区域进行镜像翻转获得第三目标区域，根据所述第三目标区域在所述水平校正图像中进行图像匹配，获得匹配结果；
根据所述匹配结果判断所述车辆候选区域是否包括车辆的一对尾灯。
15.根据权利要求14所述的方法，其特征在于，所述根据所述第三目标区域在所述水平校正图像中进行图像匹配，获得匹配结果，包括：
在所述水平校正图像中以所述第三目标区域为中心向水平方向的两侧分别进行图像匹配，获得与所述第三目标区域距离最近的匹配区域。
16.根据权利要求15所述的方法，其特征在于，所述根据所述匹配结果判断所述车辆候选区域是否包括车辆的一对尾灯，包括：
若所述匹配区域与所述尾灯区域之间的距离小于或者等于预设阈值，则判断所述车辆候选区域包括车辆的一对尾灯；
若所述匹配区域与所述尾灯区域之间的距离大于所述预设阈值，则判断所述车辆候选区域不包括车辆的一对尾灯。
17.根据权利要求1-16任一项所述的方法，其特征在于，获取所述待处理图像中每个像素点的深度信息，包括：
获取所述待处理图像对应的雷达图或者深度图；
将所述雷达图或者所述深度图与所述待处理图像匹配，获取所述待处理图像中每个像素点的深度信息。
18.一种车辆检测方法，其特征在于，包括：
获取待处理图像；
获取所述待处理图像中的车辆候选区域；
若判断所述车辆候选区域包括车辆的一对尾灯，则根据两个尾灯之间的距离和拍摄设备的焦距，获取所述车辆候选区域的距离值；
根据所述车辆候选区域的距离值确定所述车辆候选区域对应的检测模型。
19.根据权利要求18所述的方法，其特征在于，所述距离值为根据所述拍摄设备的焦距、预设的车辆宽度和所述两个尾灯的外边沿之间的距离确定的。
20.根据权利要求18所述的方法，其特征在于，所述判断所述车辆候选区域包括车辆的一对尾灯之前，还包括：
对所述待处理图像进行水平校正，获得水平校正图像；
根据所述水平校正图像中与所述车辆候选区域对应的区域，判断所述车辆候选区域是否包括车辆的一对尾灯。
21.根据权利要求20所述的方法，其特征在于，所述根据所述水平校正图像中与所述车辆候选区域对应的区域，判断所述车辆候选区域是否包括车辆的一对尾灯，包括：
将所述水平校正图像中与所述车辆候选区域对应的区域输入神经网络模型，判断所述车辆候选区域是否包括车辆的一对尾灯。
22.根据权利要求21所述的方法，其特征在于，若采用所述神经网络模型判断所述车辆候选区域包括车辆的一对尾灯，所述判断所述车辆候选区域是否包括车辆的一对尾灯，还包括：
获取左尾灯区域和右尾灯区域；
在所述水平校正图像中获取第一待处理区域和第二待处理区域；所述第一待处理区域包括所述左尾灯区域，所述第二待处理区域包括所述右尾灯区域；
对所述左尾灯区域进行镜像翻转获得第一目标区域，根据所述第一目标区域在所述第二待处理区域中进行图像匹配，或者，对所述右尾灯区域进行镜像翻转获得第二目标区域，根据所述第二目标区域在所述第一待处理区域中进行图像匹配，获得匹配结果；
根据所述匹配结果判断所述车辆候选区域是否包括车辆的一对尾灯。
23.根据权利要求21所述的方法，其特征在于，若采用所述神经网络模型判断所述车辆候选区域包括车辆的一对尾灯，所述判断所述车辆候选区域是否包括车辆的一对尾灯，还包括：
获取任一个尾灯的尾灯区域；
对所述尾灯区域进行镜像翻转获得第三目标区域，根据所述第三目标区域在所述水平校正图像中进行图像匹配，获得匹配结果；
根据所述匹配结果判断所述车辆候选区域是否包括车辆的一对尾灯。
24.根据权利要求23所述的方法，其特征在于，所述根据所述第三目标区域在所述水平校正图像中进行图像匹配，获得匹配结果，包括：
在所述水平校正图像中以所述第三目标区域为中心向水平方向的两侧分别进行图像匹配，获得与所述第三目标区域距离最近的匹配区域。
25.根据权利要求24所述的方法，其特征在于，所述根据所述匹配结果判断所述车辆候选区域是否包括车辆的一对尾灯，包括：
若所述匹配区域与所述尾灯区域之间的距离小于或者等于预设阈值，则判断所述车辆候选区域包括车辆的一对尾灯；
若所述匹配区域与所述尾灯区域之间的距离大于所述预设阈值，则判断所述车辆候选区域不包括车辆的一对尾灯。
26.根据权利要求18-25任一项所述的方法，其特征在于，所述根据所述车辆候选区域的距离值确定所述车辆候选区域对应的检测模型，包括：
根据多个预设距离值范围与多个预设检测模型之间的对应关系，将所述车辆候选区域的距离值所在的预设距离值范围对应的...
【专利技术属性】
技术研发人员：周游，蔡剑钊，杜劼熹，
申请(专利权)人：深圳市大疆创新科技有限公司，
类型：发明
国别省市：广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。