感知参数的确定方法及装置、存储介质、电子装置制造方法及图纸

本发明专利技术提供了一种感知参数的确定方法及装置、存储介质、电子装置，其中，所述方法包括：通过图像采集装置对目标区域进行拍照，得到目标图像，其中，所述目标区域为具备自主移动能力的设备的待行进区域；将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的N个预测层，其中，N为大于1的整数；根据所述N个预测层确定所述设备的N个不同的感知参数，采用上述技术方案，解决了相关技术中随着感知需求的增多，需建立多个模型来执行不同的任务，进而降低了感知算法的运行速度等问题。而降低了感知算法的运行速度等问题。而降低了感知算法的运行速度等问题。

【技术实现步骤摘要】
感知参数的确定方法及装置、存储介质、电子装置


[0001]本专利技术涉及机器人领域，具体而言，涉及一种感知参数的确定方法及装置、存储介质、电子装置。

技术介绍

[0002]室外机器人、无人驾驶汽车等在具体的运行场景中的感知算法中使用相机，激光雷达以及深度相机(又称为3D相机，通过深度相机能够拍出空间的景深距离)等传感器检测道路所在位置，从而帮助室外车/无人驾驶汽车等做出以后的行驶策略，而道路可以分为公路，人行道等可通行区域，检测算法可以是传统的检测模型或者深度学习网络模型。
[0003]当室外机器人、无人驾驶汽车等的感知参数不仅仅是可通行区域检测，例如还需要对马路主方向进行预测时候，传统的方法需要建立两个模型进行预测，即多个任务需分别独立建模。此时，感知算法的计算量将随任务数量线性增加，后果是直接降低了感知算法运行速度。对于计算资源有限，内存/显存有限，或者实时性要求较高的机器人，室外车以及移动设备等，这是极大的不利因素。
[0004]针对相关技术中，随着感知需求的增多，需建立多个模型来执行不同的任务，进而降低了感知算法的运行速度等问题，尚未提出有效的技术方案。

技术实现思路

[0005]本专利技术实施例提供了一种感知参数的确定方法及装置、存储介质、电子装置，以至少解决相关技术中随着感知需求的增多，需建立多个模型来执行不同的任务，进而降低了感知算法的运行速度等问题。
[0006]根据本专利技术的一个实施例，提供了一种感知参数的确定方法，包括：通过图像采集装置对目标区域进行拍照，得到目标图像，其中，所述目标区域为具备自主移动能力的设备的待行进区域；将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的N个预测层，其中，N为大于1的整数；根据所述N个预测层确定所述设备的N个不同的感知参数。
[0007]在本专利技术实施例中，根据所述N个预测层确定所述设备的N个不同的感知参数，包括以下至少之一：根据所述N个预测层中的第一预测层确定所述待行进区域的道路两侧边缘线；根据所述N个预测层中的第二预测层确定所述待行进区域中的可通行区域；根据所述N个预测层中的第三预测层确定所述道路两侧边缘线的置信度。
[0008]在本专利技术实施例中，根据所述N个预测层中的第一预测层确定所述待行进区域的道路两侧边缘线之后，所述方法还包括：根据确定的所述道路两侧边缘线确定所述待行进区域的道路主方向。
[0009]在本专利技术实施例中，将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的N个预测层，包括：将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的共享特征层；根据所述共享特征层确定所述N个预测层。
[0010]根据本专利技术的另一个实施例，还提供了一种感知参数的确定装置，包括：第一确定
模块，用于通过图像采集装置对目标区域进行拍照，得到目标图像，其中，所述目标区域为具备自主移动能力的设备的待行进区域；第二确定模块，用于将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的N个预测层，其中，N为大于1的整数；第三确定模块，用于根据所述N个预测层确定所述设备的N个不同的感知参数。
[0011]在本专利技术实施例中，所述第三确定模块，用于执行以下至少之一：根据所述N个预测层中的第一预测层确定所述待行进区域的道路两侧边缘线；根据所述N个预测层中的第二预测层确定所述待行进区域中的可通行区域；根据所述N个预测层中的第三预测层确定所述道路两侧边缘线的置信度。
[0012]在本专利技术实施例中，所述第三确定模块，还用于根据确定的所述道路两侧边缘线确定所述待行进区域的道路主方向。
[0013]在本专利技术实施例中，所述第一确定模块，还用于将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的共享特征层；根据所述共享特征层确定所述N个预测层。
[0014]根据本专利技术的又一个实施例，还提供了一种存储介质，所述存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一项方法实施例中的步骤。
[0015]根据本专利技术的又一个实施例，还提供了一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
[0016]通过本专利技术，通过图像采集装置对目标区域进行拍照得到的目标图像；将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的N个预测层；根据所述N个预测层确定所述设备的N个不同的感知参数，其中，所述目标区域为具备自主移动能力的设备的待行进区域，采用上述技术方案，通过多任务神经模型对目标图像进行分析，得到N个预测层，进而确定设备的N个不同的感知参数，进而解决了相关技术中，随着感知需求的增多，需建立多个模型来执行不同的任务，进而降低了感知算法的运行速度等问题，仅一个多任务神经模型即确定设备的多个感知参数，提高了运行速度。
附图说明
[0017]此处所说明的附图用来提供对本专利技术的进一步理解，构成本申请的一部分，本专利技术的示意性实施例及其说明用于解释本专利技术，并不构成对本专利技术的不当限定。在附图中：
[0018]图1是本专利技术实施例的一种感知参数的确定方法的机器人的硬件结构框图；
[0019]图2是根据本专利技术实施例的感知参数的确定方法的流程图；
[0020]图3是根据本专利技术可选实施例的感知参数的确定流程示意图；
[0021]图4是根据本专利技术实施例的感知参数的确定装置的结构框图。
具体实施方式
[0022]下文中将参考附图并结合实施例来详细说明本专利技术。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。
[0023]需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。
[0024]本申请实施例所提供的方法实施例可以在机器人、无人驾驶汽车等类似的运算装
置中执行。以运行在机器人上为例，图1是本专利技术实施例的一种感知参数的确定方法的机器人的硬件结构框图。如图1所示，机器人10可以包括一个或多个(图1中仅示出一个)处理器102(处理器102可以包括但不限于微处理器MCU或可编程逻辑器件FPGA等的处理装置)和用于存储数据的存储器104，可选地，上述机器人还可以包括用于通信功能的传输设备106以及输入输出设备108。本领域普通技术人员可以理解，图1所示的结构仅为示意，其并不对上述机器人的结构造成限定。例如，机器人10还可包括比图1中所示更多或者更少的组件，或者具有与图1所示不同的配置。
[0025]存储器104可用于存储计算机程序，例如，应用软件的软件程序以及模块，如本专利技术实施例中的感知参数的确定方法对应的计算机程序，处理器102通过运行存储在存储器104内的计算机程序，从而执行各种功能应用以及数据处理，即实现上述的方法。存储器104可包括高速随机存储器，还可包括非易失性存储器，如一个或者多个磁性存储装置、闪存、或本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种感知参数的确定方法，其特征在于，包括：通过图像采集装置对目标区域进行拍照，得到目标图像，其中，所述目标区域为具备自主移动能力的设备的待行进区域；将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的N个预测层，其中，N为大于1的整数；根据所述N个预测层，确定所述设备针对所述目标区域的N个不同的感知参数。2.根据权利要求1所述的方法，其特征在于，根据所述N个预测层确定所述设备的N个不同的感知参数，包括以下至少之一：根据所述N个预测层中的第一预测层确定所述待行进区域的道路两侧边缘线；根据所述N个预测层中的第二预测层确定所述待行进区域中的可通行区域；根据所述N个预测层中的第三预测层确定所述道路两侧边缘线的置信度。3.根据权利要求2所述的方法，其特征在于，根据所述N个预测层中的第一预测层确定所述待行进区域的道路两侧边缘线之后，所述方法还包括：根据确定的所述道路两侧边缘线确定所述待行进区域的道路主方向。4.根据权利要求1所述的方法，其特征在于，将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的N个预测层，包括：将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的共享特征层；根据所述共享特征层确定所述N个预测层。5.一种感知参数的确定装置，其特征在于，包括：第一确定模块，用于通过图像采集装置对目标区域进行拍照，得到目...

【专利技术属性】
技术研发人员：陈鹏，薛舟，
申请(专利权)人：纳恩博北京科技有限公司，
类型：发明
国别省市：