一种障碍物检测方法、装置、电子设备及存储介质制造方法及图纸

本申请公开了一种障碍物检测方法、装置、电子设备及存储介质，所述方法包括：采集车辆行车方向上的环境信息获得原始图像，确定出原始图像中的道路消失点以及道路消失点在原始图像中的位置，基于道路消失点的位置从原始图像确定出待识别图像，确定出障碍物在待识别图像中的位置信息，将障碍物在待识别图像中的位置信息转换成障碍物在车辆坐标系下的位置信息，以使车辆基于障碍物在车辆坐标系下的位置信息对障碍物进行避障操作。通过围绕道路消失点进行裁剪得到待识别图像，并基于待识别图像进行检测，这样在提高障碍物检测的准确性的同时，也可以避免使用整张图像的特征进行障碍物检测导致的计算资源浪费，检测速度慢的问题。

【技术实现步骤摘要】
一种障碍物检测方法、装置、电子设备及存储介质
本申请涉及互联网
，尤其涉及一种障碍物检测方法、装置、电子设备及存储介质。
技术介绍
目标检测，也叫做目标提取，是指基于目标几何和统计特征的图像分割，他将目标的分割和识别合二为一，其确定性和实时性是整个系统的一项重要的能力。尤其是在复杂场景中，比如，在智能驾驶的场景中，这是因为智能驾驶的领域，需要对多个物体进行实时处理，那么物体的自动提取和识别就显得尤为重要。在驾驶场景中，图像中的事物呈现“近大远小”的特征，现有的目标检测方法虽然能对近处的大目标进行检测，但是对远处的小目标检测能力是有限的，因此，对于驾驶场景等目标变化速度较快的场景中，现有技术存在小目标检测结果准确率低的问题。
技术实现思路
本申请实施例提供了一种障碍物检测方法、装置、电子设备及存储介质，用于提高障碍物检测的准确性的同时，降低较大的计算量，节约计算资源，解决检测耗时长、占用资源大的问题。一方面，本申请实施例提供了一种障碍物检测方法，该方法包括：采集车辆行车方向上的环境信息获得原始图像；确定出原始图像中的道路消失点以及道路消失点在原始图像中的位置；基于道路消失点的位置从原始图像确定出待识别图像；确定出障碍物在待识别图像中的位置信息；将障碍物在待识别图像中的位置信息转换成障碍物在车辆坐标系下的位置信息，以使车辆基于障碍物在车辆坐标系下的位置信息对障碍物进行避障操作。可选的，确定出原始图像中的道路消失点以及道路消失点在原始图像中的位置，包括：基于道路消失点检测模型对原始图像进行道路消失点识别，确定道路消失点以及道路消失点在原始图像中的位置；道路消失点检测模型至少包括四个卷积模块；四个卷积模块串行连接。可选的，确定出障碍物在待识别图像中的位置信息，包括：基于障碍物检测模型对待识别图像进行检测，确定出障碍物在待识别图像中的位置信息；障碍物检测模型至少包括第一卷积模块、第二卷积模块和第三卷积模块；其中，第一卷积模块、第二卷积模块和第三卷积模块串行连接；第三卷积模块的输入数据包块第一输出数据和第二输出数据；障碍物在待识别图像中的位置信息是基于第一输出数据和第二输出数据确定的。可选的，确定出障碍物在待识别图像中的位置信息，包括：确定出障碍物在待识别图像中的位置信息、类别信息和尺寸信息。可选的，将障碍物在待识别图像中的位置信息转换成障碍物在车辆坐标系下的位置信息，包括：将障碍物在待识别图像中的位置信息转换成障碍物在原始图像中的位置信息；将障碍物在原始图像中的位置信息转换成障碍物在车辆坐标系下的位置信息。可选的，基于道路消失点的位置从原始图像确定出待识别图像，包括：基于道路消失点的位置和裁剪规则从原始图像中裁剪得到待识别图像；裁剪规则包括检测距离、检测场景、原始图像的尺寸。可选的，待识别图像的数量为1，且待识别图像中包括道路消失点；或者；待识别图像的数量大于1，且待识别图像中不包括道路消失点。可选的，方法还包括训练得到障碍物检测模型的步骤；训练得到障碍物检测模型包括：获取样本数据集，样本数据集包括多个训练待识别图像和每个训练待识别图像对应的障碍物在待识别图像中的实际位置信息；构建预设机器学习模型，将预设机器学习模型确定为当前机器学习模型；基于当前机器学习模型，对训练待识别图像进行位置信息预测操作，确定障碍物在待识别图像中的预测位置信息；基于障碍物在待识别图像中的实际位置信息和障碍物在待识别图像中的预测位置信息，确定损失值；当损失值大于预设阈值时，基于损失值进行反向传播，对当前机器学习模型进行更新以得到更新后的机器学习模型，将更新后的机器学习模型重新确定为当前机器学习模型；重复步骤：基于当前机器学习模型，对训练待识别图像进行位置信息预测操作，确定障碍物在待识别图像中的预测位置信息；当损失值小于或等于预设阈值时，将当前机器学习模型确定为障碍物检测模型。可选的，在构建预设机器学习模型，将预设机器学习模型确定为当前机器学习模型之前，还包括：对每个训练待识别图像的障碍物所在的图像区域周围添加属性关联信息。另一方面提供了一种障碍物检测装置，该装置包括：采集模块，用于采集车辆行车方向上的环境信息获得原始图像；第一确定模块，用于确定出原始图像中的道路消失点以及道路消失点在原始图像中的位置；第二确定模块，用于基于道路消失点的位置从原始图像确定出待识别图像；第三确定模块，用于确定出障碍物在待识别图像中的位置信息；转换模块，用于将障碍物在待识别图像中的位置信息转换成障碍物在车辆坐标系下的位置信息，以使车辆基于障碍物在车辆坐标系下的位置信息对障碍物进行避障操作。另一方面提供了一种电子设备，该电子设备包括处理器和存储器，存储器中存储有至少一条指令或至少一段程序，该至少一条指令或至少一段程序由处理器加载并执行以实现如上述的障碍物检测方法。另一方面提供了一种计算机可读存储介质，存储介质中存储有至少一条指令或至少一段程序，该至少一条指令或至少一段程序由处理器加载并执行以实现如上述的障碍物检测方法。本申请实施例提供的障碍物检测方法、装置、电子设备及存储介质，具有如下技术效果：采集车辆行车方向上的环境信息获得原始图像，确定出原始图像中的道路消失点以及道路消失点在原始图像中的位置，基于道路消失点的位置从原始图像确定出待识别图像，确定出障碍物在待识别图像中的位置信息，将障碍物在待识别图像中的位置信息转换成障碍物在车辆坐标系下的位置信息，以使车辆基于障碍物在车辆坐标系下的位置信息对障碍物进行避障操作。通过在获得的原始图像中识别出道路消失点，随后围绕该道路消失点进行裁剪得到待识别图像，并基于待识别图像进行检测，这样在提高障碍物检测的准确性的同时，也可以避免使用整张图像的特征进行障碍物检测导致的计算资源浪费，检测速度慢的问题。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅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的前提下，还可以根据这些附图获得其它附图。图1是本申请实施例提供的一种应用环境的示意图；图2是本申请实施例提供的一种障碍物检测方法的流程示意图；图3是本申请实施例提供的一种道路示意图；图4是本申请实施例提供的一种道路消失点检测模型的结构示意图；图5是本申请实施例提供的一种消失点检测模型的检测流程示意图；图6是本申请实施例提供的一种道路消失点检测模型的训练流程示意图；图7是本申请实施例提供的一种剪裁示意图；图8是本申请实施例提供的一种障碍物检测模型的结构示意图；图9是本申请实施例提供的一种障碍物检测模型的检测流程示意图本文档来自技高网...

【技术保护点】
1.一种障碍物检测方法，其特征在于，所述方法包括：/n采集车辆行车方向上的环境信息获得原始图像；/n确定出所述原始图像中的道路消失点以及所述道路消失点在所述原始图像中的位置；/n基于所述道路消失点的位置从所述原始图像确定出待识别图像；/n确定出障碍物在所述待识别图像中的位置信息；/n将所述障碍物在所述待识别图像中的位置信息转换成所述障碍物在所述车辆坐标系下的位置信息，以使所述车辆基于所述障碍物在所述车辆坐标系下的位置信息对所述障碍物进行避障操作。/n

【技术特征摘要】
1.一种障碍物检测方法，其特征在于，所述方法包括：
采集车辆行车方向上的环境信息获得原始图像；
确定出所述原始图像中的道路消失点以及所述道路消失点在所述原始图像中的位置；
基于所述道路消失点的位置从所述原始图像确定出待识别图像；
确定出障碍物在所述待识别图像中的位置信息；
将所述障碍物在所述待识别图像中的位置信息转换成所述障碍物在所述车辆坐标系下的位置信息，以使所述车辆基于所述障碍物在所述车辆坐标系下的位置信息对所述障碍物进行避障操作。


2.根据权利要求1所述的方法，其特征在于，所述确定出所述原始图像中的道路消失点以及所述道路消失点在所述原始图像中的位置，包括：
基于道路消失点检测模型对所述原始图像进行道路消失点识别，确定所述道路消失点以及所述道路消失点在所述原始图像中的位置；
所述道路消失点检测模型至少包括四个卷积模块；所述四个卷积模块串行连接。


3.根据权利要求1所述的方法，其特征在于，所述确定出障碍物在所述待识别图像中的位置信息，包括：
基于障碍物检测模型对所述待识别图像进行检测，确定出所述障碍物在所述待识别图像中的位置信息；
所述障碍物检测模型至少包括第一卷积模块、第二卷积模块和第三卷积模块；
其中，所述第一卷积模块、所述第二卷积模块和所述第三卷积模块串行连接；所述第三卷积模块的输入数据包块第一输出数据和第二输出数据；所述障碍物在所述待识别图像中的位置信息是基于所述第一输出数据和所述第二输出数据确定的。


4.根据权利要求1或者3所述的方法，其特征在于，所述确定出所述障碍物在所述待识别图像中的位置信息，包括：
确定出所述障碍物在所述待识别图像中的位置信息、类别信息和尺寸信息。


5.根据权利要求1所述的方法，其特征在于，将所述障碍物在所述待识别图像中的位置信息转换成所述障碍物在所述车辆坐标系下的位置信息，包括：
将所述障碍物在所述待识别图像中的位置信息转换成所述障碍物在所述原始图像中的位置信息；
将所述障碍物在所述原始图像中的位置信息转换成所述障碍物在所述车辆坐标系下的位置信息。


6.根据权利要求1所述的方法，其特征在于，所述基于所述道路消失点的位置从所述原始图像确定出待识别图像，包括：
基于所述道路消失点的位置和裁剪规则从所述原始图像中裁剪得到所述待识别图像；
所述裁剪规则包括检测距离、检测场景、所述原始图像的尺寸。


7.根据权利要求1或者6所述的方法，其特征在于，
所述待识别图像的数量为1，且所述待识别图像中包括所述道路消失点；
或者；

【专利技术属性】
技术研发人员：张黎明，
申请(专利权)人：浙江吉利汽车研究院有限公司，浙江吉利控股集团有限公司，
类型：发明
国别省市：浙江;33