图像处理方法、装置、设备及存储介质制造方法及图纸

本申请实施例公开了一种图像处理方法、装置、设备及存储介质，属于人工智能领域。该方法包括：获取各个全景摄像头采集到的局部图像，不同全景摄像头用于采集车辆周围不同方位的图像；对各张局部图像进行拼接，生成车辆所处环境的原始全景图像；通过图像处理模型对原始全景图像进行干扰抑制处理，得到目标全景图像，图像处理模型用于去除图像中由环境光源造成的干扰光斑，目标全景图像用于视觉辅助驾驶。采用本申请实施例提供的方案，能够消除全景图像中因不均匀环境光形成的光斑，避免光斑对后续车位、车道识别造成的干扰，有助于提高车位、车道识别的准确性，进而提高驾驶过程(尤其是自动驾驶)的安全性。其是自动驾驶)的安全性。其是自动驾驶)的安全性。

【技术实现步骤摘要】
图像处理方法、装置、设备及存储介质


[0001]本申请实施例涉及人工智能领域，特别涉及一种图像处理方法、装置、设备及存储介质。

技术介绍

[0002]随着人工智能技术的不断发展，越来越多的车辆开始配备自动泊车(Automated Valet Parking)功能，而自动泊车的实现依赖于全景式监控影像(Around View Monitor，AVM)系统。
[0003]车辆进行自动泊车过程中，AVM系统通过设置在车辆周侧的多个全景摄像头进行图像采集，得到车辆所处环境的360
°
全景影像，从而基于360
°
全景影像实现自动泊车。

技术实现思路

[0004]本申请实施例提供了一种图像处理方法、装置、设备及存储介质。所述技术方案如下：
[0005]一方面，本申请实施例提供了一种图像处理方法，所述方法包括：
[0006]获取样本全景图像以及所述样本全景图像对应的样本参考图像，所述样本全景图像是由不同方位的样本局部图像拼接得到的俯瞰图，不同样本局部图像由车辆上不同方位的全景摄像头采集得到，所述样本参考图像是由所述样本全景图像去除干扰光斑得到的真值图像；
[0007]通过图像处理模型对所述样本全景图像进行干扰抑制处理，得到样本处理图像，所述图像处理模型用于去除图像中由环境光源造成的干扰光斑；
[0008]基于所述样本处理图像和所述样本参考图像训练所述图像处理模型。
[0009]另一方面，本申请实施例提供了一种图像处理方法，所述方法包括：
[0010]获取各个全景摄像头采集到的局部图像，不同全景摄像头用于采集车辆周围不同方位的图像；
[0011]对各张所述局部图像进行拼接，生成所述车辆所处环境的原始全景图像；
[0012]通过图像处理模型对所述原始全景图像进行干扰抑制处理，得到目标全景图像，所述图像处理模型用于去除图像中由环境光源造成的干扰光斑，所述图像处理模型采用上述方面所述的方法训练得到，所述目标全景图像用于视觉辅助驾驶。
[0013]另一方面，本申请实施例提供了一种图像处理装置，所述装置包括：
[0014]第一获取模块，用于获取样本全景图像以及所述样本全景图像对应的样本参考图像，所述样本全景图像是由不同方位的样本局部图像拼接得到的俯瞰图，不同样本局部图像由车辆上不同方位的全景摄像头采集得到，所述样本参考图像是由所述样本全景图像去除干扰光斑得到的真值图像；
[0015]第一处理模块，用于通过图像处理模型对所述样本全景图像进行干扰抑制处理，得到样本处理图像，所述图像处理模型用于去除图像中由环境光源造成的干扰光斑；
[0016]训练模块，用于基于所述样本处理图像和所述样本参考图像训练所述图像处理模型。
[0017]另一方面，本申请实施例提供了一种图像处理装置，所述装置包括：
[0018]第二获取模块，用于获取各个全景摄像头采集到的局部图像，不同全景摄像头用于采集车辆周围不同方位的图像；
[0019]生成模块，用于对各张所述局部图像进行拼接，生成所述车辆所处环境的原始全景图像；
[0020]第二处理模块，用于通过图像处理模型对所述原始全景图像进行干扰抑制处理，得到目标全景图像，所述图像处理模型用于去除图像中由环境光源造成的干扰光斑，所述图像处理模型由上述方面所述的装置训练得到，所述目标全景图像用于视觉辅助驾驶。
[0021]另一方面，本申请实施例提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如上述方面所述的图像处理方法。
[0022]另一方面，本申请实施例提供了一种车机设备，所述车机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述至少一条指令由所述处理器加载并执行以实现如上述方面所述的图像处理方法。
[0023]另一方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一条程序代码，所述程序代码由处理器加载并执行以实现如上述方面所述的图像处理方法。
[0024]另一方面，本申请实施例提供了一种计算机程序产品或计算机程序，该计算机程序产品或计算机程序包括计算机指令，该计算机指令存储在计算机可读存储介质中。终端的处理器从计算机可读存储介质读取该计算机指令，处理器执行该计算机指令，使得该终端执行上述方面的各种可选实现方式中提供的图像处理方法。
[0025]本申请实施例中，基于样本全景图像训练得到图像处理模型后，将训练得到的图像处理模型部署在车机设备中，后续车辆行驶过程中，通过将拼接生成的原始全景图像输入图像处理模型，由该图像处理模型对原始全景图像中由环境光源造成的干扰光斑进行去除，得到消除光斑干扰的目标全景图像，进而利用该目标全景图像进行视觉辅助驾驶；采用本申请实施例提供的方案，能够消除全景图像中因不均匀环境光形成的光斑，避免光斑对后续车位、车道识别造成的干扰，有助于提高车位、车道识别的准确性，进而提高驾驶过程(尤其是自动驾驶)的安全性。
附图说明
[0026]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，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他的附图。
[0027]图1示出了本申请一个示例性实施例提供的实施环境的示意图；
[0028]图2示出了本申请一个示例性实施例提供的图像处理方法的流程图；
[0029]图3是本申请一个示例性实施例示出的图像处理模型训练过程的实施示意图；
[0030]图4示出了本申请另一个示例性实施例提供的图像处理方法的流程图；
[0031]图5是本申请另一个示例性实施例示出的图像处理模型训练过程的实施示意图；
[0032]图6示出了本申请另一个示例性实施例提供的图像处理方法的流程图；
[0033]图7是本申请另一个示例性实施例示出的图像处理模型训练过程的实施示意图；
[0034]图8示出了本申请一个示例性实施例提供的图像处理方法的流程图；
[0035]图9是本申请一个示例性实施例示出的图像处理模型应用过程的实施示意图；
[0036]图10示出了本申请一个实施例提供的图像处理装置的结构框图；
[0037]图11示出了本申请另一个实施例提供的图像处理装置的结构框图；
[0038]图12示出了本申请一个示例性实施例提供的计算机设备的结构方框图；
[0039]图13示出了本申请一个示例性实施例提供的车机设备的结构方框图。
具体实施方式
[0040]为使本申请的目的、技术方案和优点更加清楚，下面将结合附图对本申请实施方式作进一步地详细描述。
[0041]请参考图1，其示出了本申请一个示例性实施例提供的实施环境的示意图，该实施环境中本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，其特征在于，所述方法包括：获取样本全景图像以及所述样本全景图像对应的样本参考图像，所述样本全景图像是由不同方位的样本局部图像拼接得到的俯瞰图，不同样本局部图像由车辆上不同方位的全景摄像头采集得到，所述样本参考图像是由所述样本全景图像去除干扰光斑得到的真值图像；通过图像处理模型对所述样本全景图像进行干扰抑制处理，得到样本处理图像，所述图像处理模型用于去除图像中由环境光源造成的干扰光斑；基于所述样本处理图像和所述样本参考图像训练所述图像处理模型。2.根据权利要求1所述的方法，其特征在于，所述基于所述样本处理图像和所述样本参考图像训练所述图像处理模型，包括：基于所述样本处理图像和所述样本参考图像确定图像差异损失；基于所述图像差异损失，采用梯度下降算法训练所述图像处理模型。3.根据权利要求1所述的方法，其特征在于，所述基于所述样本处理图像和所述样本参考图像训练所述图像处理模型，包括：分别将所述样本处理图像和所述样本参考图像输入自动泊车系统，得到所述样本处理图像对应的第一图像识别结果，以及所述样本参考图像对应的第二图像识别结果；基于所述第一图像识别结果和所述第二图像识别结果，确定识别差异损失；基于所述样本处理图像和所述样本参考图像确定图像差异损失；基于所述图像差异损失和所述识别差异损失，采用梯度下降算法训练所述图像处理模型。4.根据权利要求1所述的方法，其特征在于，所述图像处理模型为对抗生成网络中的生成器，且所述对抗生成网络中还包括判别器；所述基于所述样本处理图像和所述样本参考图像训练所述图像处理模型，包括：将所述样本处理图像和所述样本参考图像输入所述判别器，得到所述判别器输出的判别结果，所述判别结果用于表征图像为真值图像或图像处理模型输出的图像；基于所述判别结果、所述样本处理图像和所述样本参考图像训练所述图像处理模型。5.根据权利要求4所述的方法，其特征在于，所述基于所述判别结果、所述样本处理图像和所述样本参考图像训练所述图像处理模型，包括：基于所述判别结果确定对抗损失；基于所述样本处理图像和所述样本参考图像确定图像差异损失；基于所述对抗损失以及所述图像差异损失训练所述图像处理模型。6.根据权利要求2、3或5任一所述的方法，其特征在于，所述基于所述样本处理图像和所述样本参考图像确定图像差异损失，包括：确定所述样本处理图像和所述样本参考图像的L1损失，以及所述样本处理图像和所述样本参考图像的结构相似性损失；将所述L1损失和所述结构相似性损失确定为所述图像差异损失。7.根据权利要求1所述的方法，其特征在于，所述图像处理模型为Unet神经网络模型。8.一种图像处理方法，其特征在于，所述方法包括：获取各个全景摄像头采集到的局部图像，不同全景摄像头用于采集车辆周围不同方位
的图像；对各张所述局部图像进行拼接，生成所述车辆所处环境的原始全景图像；通过图像处理模型对所述原始全景图像进行干扰抑制处理，得到目标全景图像，所述图像处理模型用于去除图像中由环境光源造成的干扰光斑，所述图像处理模型采用...

【专利技术属性】
技术研发人员：孙亚锋，
申请(专利权)人：OPPO广东移动通信有限公司，
类型：发明
国别省市：