图像处理方法、装置、电子设备、路侧设备及云控平台制造方法及图纸

本公开公开了图像处理方法、装置、电子设备、路侧设备及云控平台，涉及深度学习和智能交通等人工智能领域，其中的方法可包括：根据待处理的原始图像对应的第一拍摄设备的第一内参矩阵以及第二拍摄设备的第二内参矩阵，对原始图像进行变换，得到中间图像；将中间图像变换为预定大小的目标图像，目标图像为适合第二拍摄设备对应的障碍物检测模型处理的图像，障碍物检测模型为针对第二拍摄设备的焦距训练得到的障碍物检测模型。应用本公开所述方案，可节省人力和时间成本等。

【技术实现步骤摘要】
图像处理方法、装置、电子设备、路侧设备及云控平台
本公开涉及人工智能
，特别涉及深度学习和智能交通等领域的图像处理方法、装置、电子设备、路侧设备及云控平台。
技术介绍
路侧感知系统为车路协同的车辆提供了超视距的感知信息，相机作为路侧感知系统中的主要传感器之一，需要采集二维(2D，Two-Dimensional)图像进行障碍物检测，之后通过三维(3D，Three-Dimensional)感知对障碍物进行精确定位等。目前，针对不同焦距的相机，需要分别训练对应的障碍物检测模型，即2D障碍物检测模型，以便对对应焦距的相机拍摄到的图像进行障碍物检测。相应地，就需要针对不同焦距的相机，分别获取对应的训练样本并进行标注和训练，从而需要耗费大量的人力和时间成本等。
技术实现思路
本公开提供了图像处理方法、装置、电子设备、路侧设备及云控平台。一种图像处理方法，包括：根据待处理的原始图像对应的第一拍摄设备的第一内参矩阵以及第二拍摄设备的第二内参矩阵，对所述原始图像进行变换，得到中间图像；将所述中间图像变换为预定大小的目标图像，其中，所述目标图像为适合所述第二拍摄设备对应的障碍物检测模型处理的图像，所述障碍物检测模型为针对所述第二拍摄设备的焦距训练得到的障碍物检测模型。一种图像处理装置，包括：第一处理模块以及第二处理模块；所述第一处理模块，用于根据待处理的原始图像对应的第一拍摄设备的第一内参矩阵以及第二拍摄设备的第二内参矩阵，对所述原始图像进行变换，得到中间图像；所述第二处理模块，用于将所述中间图像变换为预定大小的目标图像，其中，所述目标图像为适合所述第二拍摄设备对应的障碍物检测模型处理的图像，所述障碍物检测模型为针对所述第二拍摄设备的焦距训练得到的障碍物检测模型。一种电子设备，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行如以上所述的方法。一种存储有计算机指令的非瞬时计算机可读存储介质，所述计算机指令用于使计算机执行如以上所述的方法。一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如以上所述的方法。一种路侧设备，包括如上所述的电子设备。一种云控平台，包括如上所述的电子设备。上述公开中的一个实施例具有如下优点或有益效果：可通过一系列处理，将第一拍摄设备拍摄到的原始图像转换为适合第二拍摄设备对应的障碍物检测模型处理的图像，这样，仅需针对第二拍摄设备训练得到障碍物检测模型即可，从而节省了人力和时间成本，并提升了模型的泛化性能等。应当理解，本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。附图说明附图用于更好地理解本方案，不构成对本公开的限定。其中：图1为本公开所述图像处理方法实施例的流程图；图2为本公开所述原始图像的示意图；图3为本公开所述目标图像的第一示意图；图4为本公开所述目标图像的第二示意图；图5为本公开所述图像处理装置实施例500的组成结构示意图；图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。具体实施方式以下结合附图对本公开的示范性实施例做出说明，其中包括本公开实施例的各种细节以助于理解，应当将它们认为仅仅是示范性的。因此，本领域普通技术人员应当认识到，可以对这里描述的实施例做出各种改变和修改，而不会背离本公开的范围和精神。同样，为了清楚和简明，以下的描述中省略了对公知功能和结构的描述。另外，应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系。图1为本公开所述图像处理方法实施例的流程图。如图1所示，包括以下具体实现方式。在步骤101中，根据待处理的原始图像对应的第一拍摄设备的第一内参矩阵以及第二拍摄设备的第二内参矩阵，对原始图像进行变换，得到中间图像。在步骤102中，将中间图像变换为预定大小的目标图像，其中，目标图像为适合第二拍摄设备对应的障碍物检测模型处理的图像，障碍物检测模型为针对第二拍摄设备的焦距训练得到的障碍物检测模型。可以看出，上述方法实施例所述方案中，可通过一系列处理，将第一拍摄设备拍摄到的原始图像转换为适合第二拍摄设备对应的障碍物检测模型处理的图像，这样，仅需针对第二拍摄设备训练得到障碍物检测模型即可，从而节省了人力和时间成本，并提升了模型的泛化性能等。针对待处理的原始图像，在按照本公开所述方式对其进行处理之前，还可先对其进行预处理，比如，可根据原始图像对应的第一拍摄设备的内参矩阵以及畸变系数，对原始图像进行去畸变处理。另外，为便于区分，将第一拍摄设备的内参矩阵称为第一内参矩阵，将第二拍摄设备的内参矩阵称为第二内参矩阵。优选地，第一拍摄设备和第二拍摄设备均为相机。内参矩阵通常为以下形式：[fx，0.0，cx，0.0，fy，cy，0.0，0.0，1.0]；其中，参数fx为x轴方向焦距长度，参数fy为y轴方向焦距长度，参数cx为主点的x方向坐标，参数cy为主点的y方向坐标，fx和fy均使用像素数量来描述，主点坐标(相对于成像平面)cx和cy的单位也可为像素。针对原始图像，可根据第一内参矩阵以及第二内参矩阵，确定出中间图像相比于原始图像在上(top)、下(bottom)、左(left)和右(right)四个方向上的像素数量变化差值，进而可根据确定出的像素数量变化差值对原始图像进行变换，得到中间图像。具体地，在确定所述像素数量变化差值时，可首先根据第一内参矩阵和第二内参矩阵分别确定出x方向变换尺度以及y方向变换尺度，之后可计算原始图像的长度与x方向变换尺度的比值，作为变换后的长度，并可计算原始图像的宽度与y方向变换尺度的比值，作为变换后的宽度，进而可根据变换后的长度以及变换后的宽度确定出所述像素数量变化差值。其中，可计算第二内参矩阵中的参数fx与第一内参矩阵中的参数fx的比值，将得到的比值作为x方向变换尺度。即有：scale_x＝fx2/fx1；(1)其中，scale_x表示x方向变换尺度，fx2表示第二内参矩阵中的参数fx，fx1表示第一内参矩阵中的参数fx。另外，可计算第二内参矩阵中的参数fy与第一内参矩阵中的参数fy的比值，将得到的比值作为y方向变换尺度。即有：scale_y＝fy2/fy1；(2)其中，scale_y表示y方向变换尺度，fy2表示第二内参矩阵中的参数fy，fy1表示第一内参矩阵中的参数fy。...

【技术保护点】
1.一种图像处理方法，包括：/n根据待处理的原始图像对应的第一拍摄设备的第一内参矩阵以及第二拍摄设备的第二内参矩阵，对所述原始图像进行变换，得到中间图像；/n将所述中间图像变换为预定大小的目标图像，其中，所述目标图像为适合所述第二拍摄设备对应的障碍物检测模型处理的图像，所述障碍物检测模型为针对所述第二拍摄设备的焦距训练得到的障碍物检测模型。/n

【技术特征摘要】
1.一种图像处理方法，包括：
根据待处理的原始图像对应的第一拍摄设备的第一内参矩阵以及第二拍摄设备的第二内参矩阵，对所述原始图像进行变换，得到中间图像；
将所述中间图像变换为预定大小的目标图像，其中，所述目标图像为适合所述第二拍摄设备对应的障碍物检测模型处理的图像，所述障碍物检测模型为针对所述第二拍摄设备的焦距训练得到的障碍物检测模型。


2.根据权利要求1所述的方法，其中，所述对所述原始图像进行变换包括：
根据所述第一内参矩阵以及所述第二内参矩阵，确定出所述中间图像相比于所述原始图像在上top、下bottom、左left和右right四个方向上的像素数量变化差值；
根据所述像素数量变化差值对所述原始图像进行变换，得到所述中间图像。


3.根据权利要求2所述的方法，其中，所述确定出所述中间图像相比于所述原始图像在top、bottom、left和right四个方向上的像素数量变化差值包括：
根据所述第一内参矩阵以及所述第二内参矩阵，分别确定出x方向变换尺度以及y方向变换尺度；
计算所述原始图像的长度与所述x方向变换尺度的比值，作为变换后的长度，并计算所述原始图像的宽度与所述y方向变换尺度的比值，作为变换后的宽度；
根据所述变换后的长度以及所述变换后的宽度确定出所述像素数量变化差值。


4.根据权利要求3所述的方法，其中，所述分别确定出x方向变换尺度以及y方向变换尺度包括：
计算所述第二内参矩阵中的参数fx与所述第一内参矩阵中的参数fx的比值，将得到的比值作为所述x方向变换尺度；
计算所述第二内参矩阵中的参数fy与所述第一内参矩阵中的参数fy的比值，将得到的比值作为所述y方向变换尺度；
其中，所述参数fx为x轴方向焦距长度，所述参数fy为y轴方向焦距长度。


5.根据权利要求3所述的方法，其中，所述根据所述变换后的长度以及所述变换后的宽度确定出所述像素数量变化差值包括：
计算所述原始图像的宽度与所述变换后的宽度的差值的绝对值，将得到的绝对值的1/2分别作为top和bottom两个方向上的像素数量变化差值；
计算所述原始图像的长度与所述变换后的长度的差值的绝对值，将得到的绝对值的1/2分别作为left和right两个方向上的像素数量变化差值。


6.根据权利要求2所述的方法，其中，所述根据所述像素数量变化差值对所述原始图像进行变换，得到所述中间图像包括：
当所述第一拍摄设备的焦距小于所述第二拍摄设备的焦距时，按照所述像素数量变化差值，从所述原始图像中截取出所述中间图像。


7.根据权利要求2所述的方法，其中，所述根据所述像素数量变化差值对所述原始图像进行变换，得到所述中间图像包括：
当所述第一拍摄设备的焦距大于所述第二拍摄设备的焦距时，按照所述像素数量变化差值，为所述原始图像添加边框，将添加边框后的图像作为所述中间图像。


8.根据权利要求1～7中任一项所述的方法，其中，所述将所述中间图像变换为预定大小的目标图像包括：
通过对所述中间图像进行图像缩放处理，将所述中间图像变换为预定大小的目标图像。


9.根据权利要求3所述的方法，还包括：根据所述第一内参矩阵以及所述第二内参矩阵确定出所述目标图像对应的第三内参矩阵。


10.根据权利要求9所述的方法，其中，所述根据所述第一内参矩阵以及所述第二内参矩阵确定出所述目标图像对应的第三内参矩阵包括：
当所述第一拍摄设备的焦距小于所述第二拍摄设备的焦距时，按照以下方式确定出所述第三内参矩阵：
将所述第二内参矩阵中的参数fx作为所述第三内参矩阵中的参数fx；
将所述第二内参矩阵中的参数fy作为所述第三内参矩阵中的参数fy；
计算所述第一内参矩阵中的参数cx与left方向上的像素数量变化差值的差值，并计算得到的差值与所述x方向变换尺度的乘积，将得到的乘积作为所述第三内参矩阵中的参数cx；
计算所述第一内参矩阵中的参数cy与top方向上的像素数量变化差值的差值，并计算得到的差值与所述y方向变换尺度的乘积，将得到的乘积作为所述第三内参矩阵中的参数cy；
其中，所述参数fx为x轴方向焦距长度，所述参数fy为y轴方向焦距长度，所述参数cx为主点的x方向坐标，所述参数cy为主点的y方向坐标。


11.根据权利要求9所述的方法，其中，所述根据所述第一内参矩阵以及所述第二内参矩阵确定出所述目标图像对应的第三内参矩阵包括：
当所述第一拍摄设备的焦距大于所述第二拍摄设备的焦距时，按照以下方式确定出所述第三内参矩阵：
将所述第二内参矩阵中的参数fx作为所述第三内参矩阵中的参数fx；
将所述第二内参矩阵中的参数fy作为所述第三内参矩阵中的参数fy；
计算所述第一内参矩阵中的参数cx与left方向上的像素数量变化差值的和，并计算得到的和与所述x方向变换尺度的乘积，将得到的乘积作为所述第三内参矩阵中的参数cx；
计算所述第一内参矩阵中的参数cy与top方向上的像素数量变化差值的和，并计算得到的和与所述y方向变换尺度的乘积，将得到的乘积作为所述第三内参矩阵中的参数cy；
其中，所述参数fx为x轴方向焦距长度，所述参数fy为y轴方向焦距长度，所述参数cx为主点的x方向坐标，所述参数cy为主点的y方向坐标。


12.一种图像处理装置，包括：第一处理模块以及第二处理模块；
所述第一处理模块，用于根据待处理的原始图像对应的第一拍摄设备的第一内参矩阵以及第二拍摄设...

【专利技术属性】
技术研发人员：苑立彬，
申请(专利权)人：阿波罗智联北京科技有限公司，
类型：发明
国别省市：北京;11