【技术实现步骤摘要】
用于检测车辆位姿的方法及装置
本申请公开了一种用于检测车辆位姿的方法及装置,涉及计算机
,尤其涉及自动驾驶领域。
技术介绍
三维车辆跟踪是自动驾驶、机器人等应用场景中不可或缺的重要技术,其中固有的难点是如何获取精确的深度信息,实现对每个车辆的精确检测和定位。三维位姿检测技术依据深度信息获取的方式,可以分为3类:基于单目视觉的三维位姿检测技术、基于双目视觉的三维位姿检测技术以及基于激光雷达的三维位姿检测技术。相关技术中,基于双目视觉预测车辆三维位姿的方法分为两种,一种是Stereo-RCNN,该方法可以实现左右图同时完成二维检测与检测框的匹配,随后基于左右检测框提取的特征,回归二维关键点与三维长宽高信息,最后利用关键点建立三维-二维投影方程,求解得到车辆的三维位姿。另一种是Pseudo-LiDAR,该方法首先对全图做像素级视差估计,然后得到较为稀疏的伪点云,并将基于激光雷达真实点云数据训练得到的点云三维检测模型应用在伪点云上,以预测出车辆的三维位姿。
技术实现思路
本申请实施例提供了一种用于检测车辆位姿的方法、装置、设备以及存储介质。根据第一方面,本申请实施例提供了一种用于检测车辆位姿的方法,该方法包括:将车辆左视点图像和车辆右视点图像输入基于车辆的部位先验数据构建的部位预测和掩膜分割网络模型,确定出基准图像中的前景像素点以及每个前景像素点的部位坐标,部位坐标用于表征前景像素点在待检测的车辆的坐标系中的位置,基准图像为车辆左视点图像或车辆右视点图像;基于车辆左视点图像和 ...
【技术保护点】
1.一种用于检测车辆位姿的方法,包括:/n将车辆左视点图像和车辆右视点图像输入基于车辆的部位先验数据构建的部位预测和掩膜分割网络模型,确定出所述基准图像中的前景像素点以及每个前景像素点的部位坐标,所述部位坐标用于表征所述前景像素点在所述待检测的车辆的坐标系中的位置,所述基准图像为所述车辆左视点图像或所述车辆右视点图像;/n基于所述车辆左视点图像和所述车辆右视点图像的视差图、所述前景像素点的部位坐标和所述基准图像的相机内参,将所述前景像素点在所述基准图像中的坐标转化为所述前景像素点在相机坐标系中的坐标,得到伪点云;/n将所述伪点云输入预先训练的位姿预测模型中,得到所述待检测的车辆的位姿信息。/n
【技术特征摘要】
1.一种用于检测车辆位姿的方法,包括:
将车辆左视点图像和车辆右视点图像输入基于车辆的部位先验数据构建的部位预测和掩膜分割网络模型,确定出所述基准图像中的前景像素点以及每个前景像素点的部位坐标,所述部位坐标用于表征所述前景像素点在所述待检测的车辆的坐标系中的位置,所述基准图像为所述车辆左视点图像或所述车辆右视点图像;
基于所述车辆左视点图像和所述车辆右视点图像的视差图、所述前景像素点的部位坐标和所述基准图像的相机内参,将所述前景像素点在所述基准图像中的坐标转化为所述前景像素点在相机坐标系中的坐标,得到伪点云;
将所述伪点云输入预先训练的位姿预测模型中,得到所述待检测的车辆的位姿信息。
2.根据权利要求1所述的方法,其中,所述车辆左视点图像和所述车辆右视点图像经由如下步骤确定:
从双目相机采集到的同一场景的场景左视点图像和场景右视点图像中,分别提取出所述待检测的车辆的原始左视点图像和原始右视点图像;
将原始左视点图像和原始右视点图像分别缩放至预设尺寸,得到车辆左视点图像和车辆右视点图像;
以及,所述车辆左视点图像和所述车辆右视点图像的视差图基于以下步骤确定:
基于所述场景左视点图像的初始相机内参、所述场景右视点图像的初始相机内参和缩放系数,分别确定出所述车辆左视点图像的相机内参和所述车辆右视点图像的相机内参;
基于所述车辆左视点图像的相机内参和所述车辆右视点图像的相机内参,确定出所述车辆左视点图像和所述车辆右视点图像的视差图。
3.根据权利要求2所述的方法,其中,所述部位预测和掩膜分割网络模型为采用编码器-解码器的框架的模型;以及,
所述将所述车辆左视点图像和所述车辆右视点图像输入基于车辆的部位先验数据构建的部位预测和掩膜分割网络模型,确定出所述基准图像中的前景像素点以及每个前景像素点的部位坐标,包括:
将所述车辆左视点图像和所述车辆右视点图像分别输入所述部位预测和掩膜分割网络模型,得到所述车辆左视点图像的编码特征向量和所述车辆右视点图像的编码特征向量;
将所述车辆左视点图像的编码特征向量和所述车辆右视点图像的编码特征向量进行融合,得到融合后的编码特征向量;
对所述融合后的编码特征向量进行解码,得到所述基准图像中的前景像素点和每个前景像素点的部位坐标。
4.根据权利要求3所述的方法,所述将所述伪点云输入预先训练的位姿预测模型中,得到所述待检测的车辆的位姿信息,包括:
基于所述前景像素点的伪点云坐标和部位坐标,确定所述待检测的车辆的全局特征向量;
从所述伪点云中采样出预设数量的前景像素点;
基于所述预设数量的前景像素点的伪点云坐标、部位坐标和所述全局特征向量,预测出所述基准图像的相机外参;
基于所述相机外参,确定所述待检测的车辆的位姿信息。
5.根据权利要求4所述的方法,所述方法还包括:
将所述融合后的编码特征向量作为立体特征向量;
基于所述立体特征向量和所述全局特征向量,得到三维拟合分数,所述三维拟合分数用于指导所述位姿预测模型的训练。
6.根据权利要求1至5之一所述的方法,其中,所述基于所述车辆左视点图像和所述车辆右视点图像的视差图、所述前景像素点的部位坐标和所述基准图像的相机内参,将所述前景像素点在所述基准图像中的坐标转化为所述前景像素点在相机坐标系中的坐标,得到伪点云,包括:
基于所述基准图像的相机内参以及所述车辆左视点图像和所述车辆右视点图像的视差图,确定出所述前景像素点的深度值;
基于所述前景像素点在所述基准图像中的坐标和所述深度值,得到所述前景像素点在所述相机坐标系中的初始坐标;
基于所述前景像素点的部位坐标,更新所述初始坐标,得到所述前景像素点的伪点云坐标。
7.一种用于检测车辆位姿的装置,包括:
图像分割模块,被配置成将车辆左视点图像和车辆右视点图像输入基于车辆的部位...
【专利技术属性】
技术研发人员:张伟,叶晓青,谭啸,孙昊,文石磊,章宏武,丁二锐,
申请(专利权)人:北京百度网讯科技有限公司,
类型:发明
国别省市:北京;11
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。