本公开关于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：对获取的待处理图像进行特征提取，获取多个维度的矩阵特征，每个维度的矩阵特征对应不同的尺寸；分别以每个维度的矩阵特征作为基准尺寸特征，将非基准尺寸特征进行特征缩放，得到各个基准尺寸特征对应的缩放特征；将所述基准尺寸特征与所述基准尺寸特征对应的缩放特征进行特征融合，得到所述基准尺寸特征对应的融合特征；根据各个所述基准尺寸特征对应的融合特征对所述待处理图像进行处理，得到所述待处理图像中的障碍物检测结果。采用本方法可以在不显著增加计算量的前提下，提高对小目标障碍物的检测能力。力。力。
【技术实现步骤摘要】
障碍物检测方法、装置、电子设备及存储介质
[0001]本公开涉及无人驾驶车辆环境感知领域，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
[0002]随着辅助驾驶技术的发展，出现了以相机作为传感器进行障碍物检测的方式。该方式主要是经由相机作为传感器获取车辆周围的环境图像，经由深度学习算法处理，对环境图像中的障碍物进行检测和识别。
[0003]目前，针对障碍物检测的深度学习算法，受限于检测的精度，对于小目标障碍物的检测效果差，容易出现漏检。通常的做法是通过增加算法模型的深度来提高检测的精度，提升对小目标障碍物的检测能力，但是这会导致计算量的显著增加。
技术实现思路
[0004]本公开提供一种障碍物检测的方法，可以在没有显著增加计算量的提前下，提高检测精度，解决小目标障碍物容易漏检的问题。本公开的技术方案如下：
[0005]根据本公开实施例的第一方面，提供一种障碍物检测的方法，该方法包括：
[0006]获取待处理图像，对待处理图像进行特征提取，获取多个维度的矩阵特征，每个维度的矩阵特征对应不同的尺寸；
[0007]分别以每个维度的矩阵特征作为基准尺寸特征，将非基准尺寸特征进行特征缩放，得到各个基准尺寸特征对应的缩放特征；所述特征缩放是指将非基准尺寸特征对应的尺寸缩放为与所述基准尺寸特征对应的尺寸相同；所述非基准尺寸特征是指所述多个维度的矩阵特征中除作为基准尺寸特征以外的矩阵特征；
[0008]将所述基准尺寸特征与所述基准尺寸特征对应的缩放特征进行特征融合，得到所述基准尺寸特征对应的融合特征；
[0009]根据各个所述基准尺寸特征对应的融合特征对所述待处理图像进行处理，得到所述待处理图像中的障碍物检测结果。
[0010]根据本公开实施例的第一方面中，所述将所述基准尺寸特征与所述基准尺寸特征对应的缩放特征进行特征融合，得到所述基准尺寸特征对应的融合特征包括：
[0011]通过深度学习网络训练得到所述基准尺寸特征与所述基准尺寸特征所对应的缩放特征的权重系数；
[0012]使用所述权重系数对所述基准尺寸特征与所述基准尺寸特征所对应的缩放特征进行加权融合，得到加权融合后的融合特征。
[0013]根据本公开实施例的第一方面中，所述根据各个所述基准尺寸特征对应的融合特征对所述待处理图像进行处理，得到所述待处理图像中的障碍物检测结果包括：
[0014]使用深度学习网络模型对所述融合特征进行预测，获取包括障碍物是否存在的概率、障碍物预测类别、与所述障碍物预测类别对应的概率、障碍物坐标的障碍物信息；
[0015]将所述障碍物是否存在的概率与所述障碍物预测类别对应的概率进行相乘，得到相乘值，当所述相乘值满足设定的障碍物识别阈值时，输出所述障碍物的障碍物预测类别为障碍物类别，以及将所述障碍物对应的障碍物坐标作为第一障碍物坐标。
[0016]根据本公开实施例的第一方面中，所述根据各个所述基准尺寸特征对应的融合特征对所述待处理图像进行处理，得到所述待处理图像中的障碍物检测结果之后还包括：
[0017]求解当前帧中目标障碍物与历史帧中历史障碍物面积的交并比，以及所述目标障碍物的中心点与所述历史障碍物的中心点的欧式距离；
[0018]根据获得的当前帧中目标障碍物与历史帧中历史障碍物面积的交并比和所述目标障碍物的中心点与所述历史障碍物的中心点的欧式距离，采用最大匹配算法进行匹配；
[0019]对所述匹配满足预设的匹配阈值时，输出当前帧的障碍物类别及所述障碍物对应的障碍物坐标；
[0020]对输出的所述障碍物类别及所述障碍物对应的障碍物坐标和历史帧中历史障碍物类别及所述障碍物对应的障碍物坐标，使用滤波算法进行最优估计，得到当前帧检测的障碍物类别及将所述障碍物类别对应的障碍物坐标作为第二障碍物坐标。
[0021]根据本公开实施例的第一方面中，在得到所述当前帧中目标障碍物与历史帧中历史障碍物面积的交并比和所述目标障碍物的中心点与所述历史障碍物的中心点的欧式距离，所述方法还包括：
[0022]对所述根据当前帧中目标障碍物与历史障碍物面积的交并比和所述目标障碍物的中心点与所述历史障碍物的中心点的欧式距离分别进行加权，得到加权后的交并比和/或加权后的欧式距离；
[0023]所述根据获得的当前帧中目标障碍物与历史帧中历史障碍物面积的交并比和所述目标障碍物的中心点与所述历史障碍物的中心点的欧式距离，进行最大匹配包括：根据加权后的当前帧中目标障碍物与历史帧中历史障碍物面积的交并比和加权后所述目标障碍物的中心点与所述历史障碍物的中心点的欧式距离，进行最大匹配。
[0024]根据本公开实施例的第一方面中，采用下述方式获取所述获取待处理图像：
[0025]在共享内存中获取通过相机传感器采集而得到的图像数据；
[0026]将所述图像数据处理成指定像素大小的图像，得到待处理图像。
[0027]根据本公开实施例的第二方面，提供一种障碍物检测装置，该装置包括：
[0028]特征提取模块，用于获取待处理图像，对待处理图像进行特征提取，获取多个维度的矩阵特征，每个维度的矩阵特征对应不同的尺寸；
[0029]特征缩放模块，用于分别以每个维度的矩阵特征作为基准尺寸特征，将非基准尺寸特征进行特征缩放，得到各个基准尺寸特征对应的缩放特征；所述特征缩放是指将非基准尺寸特征对应的尺寸缩放为与所述基准尺寸特征对应的尺寸相同；所述非基准尺寸特征是指所述多个维度的矩阵特征中除作为基准尺寸特征以外的矩阵特征；
[0030]特征融合模块，用于将所述基准尺寸特征与所述基准尺寸特征对应的缩放特征进行特征融合，得到所述基准尺寸特征对应的融合特征；
[0031]障碍物检测模块，用于根据各个所述基准尺寸特征对应的融合特征对所述待处理图像进行处理，得到所述待处理图像中的障碍物检测结果。
[0032]根据本公开实施例的第三方面，提供一种电子设备，该设备包括处理器和用于存
储所述处理器可执行指令的存储器，该处理器被配置为执行以实现如上述第一方面所述的障碍物检测的方法的指令。
[0033]根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，该计算机程序被该处理器执行时实现如上述第一方面所述的障碍物检测的方法。
[0034]根据本公开实施例的第五方面，提供一种计算机程序产品，该产品包括指令，该指令被执行时实现如上述第一方面所述的障碍物检测的方法。
[0035]本公开的实施例提供的技术方案至少带来以下有益效果：
[0036]本公开提供的实施例方案通过对不同尺寸大小的特征进行特征融合，将不同尺寸大小的特征进行了关联，从而兼顾并增强了小目标的深层语义信息和浅层表征信息。故，提高了对小目标障碍物的识别检测能力。
[0037]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[本文档来自技高网...
【技术保护点】
【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：获取待处理图像，对待处理图像进行特征提取，获取多个维度的矩阵特征，每个维度的矩阵特征对应不同的尺寸；分别以每个维度的矩阵特征作为基准尺寸特征，将非基准尺寸特征进行特征缩放，得到各个基准尺寸特征对应的缩放特征；所述特征缩放是指将非基准尺寸特征对应的尺寸缩放为与所述基准尺寸特征对应的尺寸相同；所述非基准尺寸特征是指所述多个维度的矩阵特征中除作为基准尺寸特征以外的矩阵特征；将所述基准尺寸特征与所述基准尺寸特征对应的缩放特征进行特征融合，得到所述基准尺寸特征对应的融合特征；根据各个所述基准尺寸特征对应的融合特征对所述待处理图像进行处理，得到所述待处理图像中的障碍物检测结果。2.根据权利要求1所述的方法，其特征在于，所述将所述基准尺寸特征与所述基准尺寸特征对应的缩放特征进行特征融合，得到所述基准尺寸特征对应的融合特征包括：通过深度学习网络训练得到所述基准尺寸特征与所述基准尺寸特征所对应的缩放特征的权重系数；使用所述权重系数对所述基准尺寸特征与所述基准尺寸特征所对应的缩放特征进行加权融合，得到加权融合后的融合特征。3.根据权利要求1所述的方法，其特征在于，所述根据各个所述基准尺寸特征对应的融合特征对所述待处理图像进行处理，得到所述待处理图像中的障碍物检测结果包括：使用深度学习网络模型对所述融合特征进行预测，获取包括障碍物是否存在的概率、障碍物预测类别、与所述障碍物预测类别对应的概率、障碍物坐标的障碍物信息；将所述障碍物是否存在的概率与所述障碍物预测类别对应的概率进行相乘，得到相乘值，当所述相乘值满足设定的障碍物识别阈值时，输出所述障碍物的障碍物预测类别为障碍物类别，以及将所述障碍物对应的障碍物坐标作为第一障碍物坐标。4.根据权利要求1所述的方法，其特征在于，所述根据各个所述基准尺寸特征对应的融合特征对所述待处理图像进行处理，得到所述待处理图像中的障碍物检测结果之后还包括：求解当前帧中目标障碍物与历史帧中历史障碍物面积的交并比，以及所述目标障碍物的中心点与所述历史障碍物的中心点的欧式距离；根据获得的当前帧中目标障碍物与历史帧中历史障碍物面积的交并比和所述目标障碍物的中心点与所述历史障碍物的中心点的欧式距离，采用最大匹配算法进行匹配；对所述匹配满足预设的匹配阈值时，输出当前帧的障碍物类别及所述障碍物对应的障碍物坐标；对输出的所述障碍物类别及所述障碍物对应的障碍物坐标和历史帧中历史障碍物类别及所述障碍物对应的障碍物...
【专利技术属性】
技术研发人员：汪全伍，
申请(专利权)人：的卢技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。