一种汽车前视图像拼接方法、装置、设备和存储介质制造方法及图纸

本发明专利技术涉及无人驾驶领域，提供了一种汽车前视图像拼接方法、装置、设备和存储介质。方法包括：通过至少两个相机获取至少两张图像数据；通过客户端编码至少两张图像数据，得到编码后的图像数据；通过第六代无线网络wifi6技术获取编码后的图像数据；解码编码后的图像数据，得到至少两张解码后的图像；拼接至少两张解码后的图像，得到汽车前视图像拼接；通过训练好的神经网络模型识别汽车前视图像拼接中的障碍物。提高了视觉盲区的识别效果。提高了视觉盲区的识别效果。提高了视觉盲区的识别效果。

【技术实现步骤摘要】
一种汽车前视图像拼接方法、装置、设备和存储介质


[0001]本专利技术涉及无人驾驶领域，尤其涉及一种汽车前视图像拼接方法、装置、设备和存储介质。

技术介绍

[0002]无人车，又称无人驾驶车辆或自动驾驶车辆，是一种在自动驾驶感知系统的辅助下无需驾驶员驾驶的车辆。自动驾驶感知系统相当于人类的眼睛，能够使无人车自动避开周围的行人、车辆和各种障碍物。
[0003]目前，自动驾驶感知系统一般是采用多传感器融合的方法。激光雷达、摄像头、毫米波雷达这些传感器的采集数据相融合，则能使自动驾驶感知系统全方位地感知到附近的行人、车辆和各种障碍物。然而，一些极端情况会使得自动驾驶感知系统对无人车的周围环境无法得到较完整的感知结果，其中，无人车周围无法被自动驾驶感知系统感知到的区域则为无人车的感知盲区。无人车在自动驾驶感知系统出现感知盲区的情况下，则在前进过程中会无法避开感知盲区里的行人、车辆和各种障碍物，行驶十分危险。

技术实现思路

[0004]本专利技术要解决的技术问题是视觉盲区的识别效果不佳的问题，是提供一种汽车前视图像拼接方法，包括：
[0005]通过至少两个相机获取至少两张图像数据；
[0006]通过客户端编码所述至少两张图像数据，得到编码后的图像数据；
[0007]通过第六代无线网络wifi6技术获取所述编码后的图像数据；
[0008]解码所述编码后的图像数据，得到至少两张解码后的图像；
[0009]拼接所述至少两张解码后的图像，得到汽车前视图像拼接；
[0010]通过训练好的神经网络模型识别所述汽车前视图像拼接中的障碍物。
[0011]在一些可能的设计中，所述通过至少两个相机获取至少两张图像数据之前，所述方法还包括：
[0012]获取为所述至少两个相机供电的电源电压；
[0013]若所述至少两个相机供电的电源电压低于阈值，则采用太阳能电池为所述至少两个相机供电。
[0014]在一些可能的设计中，所述通过至少两个相机获取至少两张图像数据之后，所述方法还包括：
[0015]获取所述至少两张图像数据的视觉盲区；
[0016]获取所述至少两张图像数据的发生时刻，以及所述发生时刻之前的多张历史图像数据；
[0017]通过所述多张历史图像数据填充所述视觉盲区。
[0018]在一些可能的设计中，所述通过第六代无线网络wifi6技术获取所述编码后的图
像数据，包括：
[0019]获取wifi信号；
[0020]通过所述wifi信号以握手连接的方式连接所述至少两个相机；
[0021]通过所述至少两个相机获取所述至少两张图像数据；
[0022]同步所述至少两张图像数据，并依次接收所述至少两张图像数据。
[0023]在一些可能的设计中，所述码所述编码后的图像数据，得到至少两张解码后的图像，包括：
[0024]通过H265编码算法解码所述编码后的图像数据，得到至少两张解码后的图像；
[0025]获取所述至少两张解码后的图像对应的相机标识ID号；
[0026]通过所述ID号区分所述至少两张解码后的图像。
[0027]在一些可能的设计中，所述通过训练好的神经网络模型识别所述汽车前视图像拼接中的障碍物之后，所述方法还包括：
[0028]通过所述训练好的神经网络模型获取当前车道；
[0029]若车身偏离所述当前车道，则通过语音提示用户。
[0030]在一些可能的设计中，所述通过训练好的神经网络模型识别所述汽车前视图像拼接中的障碍物之后，所述方法还包括：
[0031]若所述训练好的神经网络模型输出存在障碍物，则提示用户存在危险。
[0032]第二方面，本专利技术提供一种汽车前视图像拼接装置，具有实现对应于上述第一方面提供的汽车前视图像拼接平台的方法的功能。所述功能可以通过硬件实现，也可以通过硬件执行相应的软件实现。硬件或软件包括一个或多个与上述功能相对应的模块，所述模块可以是软件和/或硬件。
[0033]所述汽车前视图像拼接装置包括：
[0034]输入输出模块，用于通过至少两个相机获取至少两张图像数据；
[0035]处理模块，用于通过客户端编码所述至少两张图像数据，得到编码后的图像数据；通过第六代无线网络wifi6技术获取所述编码后的图像数据；解码所述编码后的图像数据，得到至少两张解码后的图像；拼接所述至少两张解码后的图像，得到汽车前视图像拼接；通过训练好的神经网络模型识别所述汽车前视图像拼接中的障碍物。
[0036]在一些可能的设计中，所述处理模块还用于：
[0037]获取为所述至少两个相机供电的电源电压；
[0038]若所述至少两个相机供电的电源电压低于阈值，则采用太阳能电池为所述至少两个相机供电。
[0039]在一些可能的设计中，所述处理模块还用于：
[0040]获取所述至少两张图像数据的视觉盲区；
[0041]获取所述至少两张图像数据的发生时刻，以及所述发生时刻之前的多张历史图像数据；
[0042]通过所述多张历史图像数据填充所述视觉盲区。
[0043]在一些可能的设计中，所述处理模块还用于：
[0044]获取wifi信号；
[0045]通过所述wifi信号以握手连接的方式连接所述至少两个相机；
[0046]通过所述至少两个相机获取所述至少两张图像数据；
[0047]同步所述至少两张图像数据，并依次接收所述至少两张图像数据。
[0048]在一些可能的设计中，所述处理模块还用于：
[0049]通过H265编码算法解码所述编码后的图像数据，得到至少两张解码后的图像；
[0050]获取所述至少两张解码后的图像对应的相机标识ID号；
[0051]通过所述ID号区分所述至少两张解码后的图像。
[0052]在一些可能的设计中，所述处理模块还用于：
[0053]通过所述训练好的神经网络模型获取当前车道；
[0054]若车身偏离所述当前车道，则通过语音提示用户。
[0055]在一些可能的设计中，所述处理模块还用于：
[0056]若所述训练好的神经网络模型输出存在障碍物，则提示用户存在危险。
[0057]本专利技术又一方面提供了一种汽车前视图像拼接设备，其包括至少一个连接的处理器、存储器、输入输出单元，其中，所述存储器用于存储程序代码，所述处理器用于调用所述存储器中的程序代码来执行上述各方面所述的方法。
[0058]本专利技术又一方面提供了一种计算机存储介质，其包括指令，当其在计算机上运行时，使得计算机执行上述各方面所述的方法。
[0059]相较于现有技术，将左右摄像图像记录下来，当车启动往前走时，将前几秒时间记录的图像，填充到盲区区域。同时通过CAN总线获取原车用来计算车速的脉冲信号，和转角信号可以很精准计算出当前需要填充那部分视频。提高了视觉盲区的识别本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种汽车前视图像拼接方法，其特征在于，所述方法包括：通过至少两个相机获取至少两张图像数据；通过客户端编码所述至少两张图像数据，得到编码后的图像数据；通过第六代无线网络wifi6技术获取所述编码后的图像数据；解码所述编码后的图像数据，得到至少两张解码后的图像；拼接所述至少两张解码后的图像，得到汽车前视图像拼接；通过训练好的神经网络模型识别所述汽车前视图像拼接中的障碍物。2.根据权利要求1所述的方法，其特征在于，所述通过至少两个相机获取至少两张图像数据之前，所述方法还包括：获取为所述至少两个相机供电的电源电压；若所述至少两个相机供电的电源电压低于阈值，则采用太阳能电池为所述至少两个相机供电。3.根据权利要求2所述的方法，其特征在于，所述通过至少两个相机获取至少两张图像数据之后，所述方法还包括：获取所述至少两张图像数据的视觉盲区；获取所述至少两张图像数据的发生时刻，以及所述发生时刻之前的多张历史图像数据；通过所述多张历史图像数据填充所述视觉盲区。4.根据权利要求3所述的方法，其特征在于，所述通过第六代无线网络wifi6技术获取所述编码后的图像数据，包括：获取wifi信号；通过所述wifi信号以握手连接的方式连接所述至少两个相机；通过所述至少两个相机获取所述至少两张图像数据；同步所述至少两张图像数据，并依次接收所述至少两张图像数据。5.根据权利要求4所述的方法，其特征在于，所述码所述编码后的图像数据，得到至少两张解码后的图像，包括：通过H265编码算法解码所述编码后的图像数据，得到至少...

【专利技术属性】
技术研发人员：罗伟佳，
申请(专利权)人：广州星凯跃实业有限公司，
类型：发明
国别省市：