一种车辆被遮挡状态判断系统及方法技术方案

本发明专利技术公开了车辆辅助驾驶系统技术领域的一种车辆被遮挡状态判断系统及方法，包括：获取目标图像；对目标图像进行目标检测，得到目标车辆的位置信息；将位置信息输入深度神经网络进行特征提取，得到目标车辆被遮挡信息；所述目标车辆被遮挡信息包括被遮挡状态信息、被遮挡位置信息和被遮挡程度信息。本发明专利技术通过对车辆被遮挡状态分级判断，可以对辅助驾驶系统提供较为全面的车辆被遮挡状态信息，并且有效提升车辆被遮挡状态判断的精确度。效提升车辆被遮挡状态判断的精确度。效提升车辆被遮挡状态判断的精确度。

【技术实现步骤摘要】
一种车辆被遮挡状态判断系统及方法


[0001]本专利技术涉及一种车辆被遮挡状态判断系统及方法，属于车辆辅助驾驶系统


技术介绍

[0002]在车载辅助驾驶系统中，我们需要对前方道路上的车辆的运动状态进行准确的判断。按照常规的流程，我们首先需要通过检测网络对道路上的车辆进行检测，然后对检测后的目标车辆进行精细化的车型分类和目标定位。如果目标车辆被其他车辆或者障碍物遮挡时，目标车辆的车型和位置信息容易出现错误，导致整个驾驶系统对目标车辆的状态信息的判断产生误差，从而对车辆的行驶安全造成隐患，如何准确的获取目标车辆的遮挡状态，成为车载辅助驾驶系统中不可或缺的一环。

技术实现思路

[0003]本专利技术的目的在于克服现有技术中的不足，提供一种车辆被遮挡状态判断系统及方法，通过对车辆被遮挡状态分级判断，可以对辅助驾驶系统提供较为全面的车辆被遮挡状态信息，并且有效提升车辆被遮挡状态判断的精确度。
[0004]为达到上述目的，本专利技术是采用下述技术方案实现的：
[0005]第一方面，本专利技术提供了一种车辆被遮挡状态判断方法，包括：
[0006]获取目标图像；
[0007]对目标图像进行目标检测，得到目标车辆的位置信息；
[0008]将位置信息输入深度神经网络进行特征提取，得到目标车辆被遮挡信息；
[0009]所述目标车辆被遮挡信息包括被遮挡状态信息、被遮挡位置信息和被遮挡程度信息。
[0010]进一步的，所述目标图像由采集车辆行驶过程中正前方的车况信息后，对视频图像进行逐帧解压获取。
[0011]进一步的，所述目标图像经过YOLOV5目标检测算法进行目标检测后，得到目标图像中所有目标车辆的位置信息。
[0012]进一步的，所述位置信息经过裁剪获得目标车辆的图像块后，缩放到指定尺度送入到深度神经网络中进行提取特征。
[0013]进一步的，所述被遮挡状态信息包括被遮挡和无遮挡。
[0014]进一步的，所述被遮挡位置信息包括左侧遮挡、右侧遮挡和两侧遮挡。
[0015]进一步的，所述被遮挡程度信息为目标车辆被遮挡的部分与目标车辆与障碍物之间的共有部分的比值。
[0016]第二方面，本专利技术提供了一种车辆被遮挡状态判断系统，包括：
[0017]图像获取模块：获取目标图像；
[0018]目标车辆检测模块：对目标图像进行目标检测，得到目标车辆的位置信息；
[0019]车辆被遮挡判断模块：将位置信息输入深度神经网络进行特征提取，得到目标车辆被遮挡信息；
[0020]所述目标车辆被遮挡信息包括被遮挡状态信息、被遮挡位置信息和被遮挡程度信息。
[0021]第三方面，一种车辆被遮挡状态判断装置，包括处理器及存储介质；
[0022]所述存储介质用于存储指令；
[0023]所述处理器用于根据所述指令进行操作以执行根据上述任一项所述方法的步骤。
[0024]第四方面，计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述任一项所述方法的步骤。
[0025]与现有技术相比，本专利技术所达到的有益效果：
[0026]一、本专利技术通过对目标车辆遮挡状态进行判断，我们可以降低该目标的类别和位置信息的置信度，从而减少整个辅助驾驶系统的决策误差，进一步优化用户的驾驶体验以及提升驾驶安全；
[0027]二、本专利技术提出的基于深度神经网络的车辆被遮挡状态判断系统的优势在于可以利用深度神经网络同时判断车辆是否被遮挡、车辆被遮挡位置、车辆被遮挡程度这三种被遮挡信息。利用神经网络的特征共享，我们同步输出车辆被遮挡的三个状态信息，这样的网络设计有助于节省系统在该模块的计算资源。然后我们对输出的三个被遮挡状态进行分级判断。首先我们判断目标有没有被遮挡，然后当目标被遮挡时，分别判断目标左侧和右侧是否被遮挡，最终输出目标车辆被遮挡的程度。通过对车辆被遮挡状态分级判断，我们可以对辅助驾驶系统提供较为全面的车辆被遮挡状态信息，并且有效提升车辆被遮挡状态判断的精确度。
附图说明
[0028]图1是本专利技术实施例提供的系统总流程图；
[0029]图2是本专利技术实施例提供的车辆检测示意图；
[0030]图3是本专利技术实施例提供的遮挡类别示意图；
[0031]图4是本专利技术实施例提供的被遮挡程度示意图；
[0032]图5是本专利技术实施例提供的车辆遮挡判断模块示意图。
具体实施方式
[0033]下面结合附图对本专利技术作进一步描述。以下实施例仅用于更加清楚地说明本专利技术的技术方案，而不能以此来限制本专利技术的保护范围。
[0034]实施例一：
[0035]一种车辆被遮挡状态判断方法，主要应用于车载辅助驾驶系统中目标车辆的被遮挡状态判断。通过对视频中被检测到的目标车辆进行分析，从而获取目标车辆的遮挡状态、遮挡位置、遮挡程度。该系统主要分为五个部分：图像获取、车辆检测、车辆被遮挡状态判断、车辆被遮挡位置判断、车辆被遮挡程度判断，该种方法包括：获取目标图像；对目标图像进行目标检测，得到目标车辆的位置信息；将位置信息输入深度神经网络进行特征提取，得到目标车辆被遮挡信息；目标车辆被遮挡信息包括被遮挡状态信息、被遮挡位置信息和被
遮挡程度信息；目标图像由采集车辆行驶过程中正前方的车况信息后，对视频图像进行逐帧解压获取；目标图像经过YOLOV5目标检测算法进行目标检测后，得到目标图像中所有目标车辆的位置信息；位置信息经过裁剪获得目标车辆的图像块后，缩放到指定尺度送入到深度神经网络中进行提取特征；被遮挡状态信息包括被遮挡和无遮挡；被遮挡位置信息包括左侧遮挡、右侧遮挡和两侧遮挡；被遮挡程度信息为目标车辆被遮挡的部分与目标车辆与障碍物之间的共有部分的比值。
[0036]请参阅图1，首先，我们通过车载摄像头对车辆前方道路场景进行图像采集，从而得到当前需要处理的前向视角的道路场景。然后我们利用基于YOLOV5的目标检测方法对图像中存在的目标车辆进行检测。最好我们对所有可能的目标车辆进行处理，利用深度学习神经网络获取图片中每个目标的车辆被遮挡状态、车辆被遮挡位置、车辆被遮挡程度。通过上述系统，有效的获得车载辅助驾驶系统中每个时刻下不同车辆的被遮挡状态，从而有效提升整个辅助驾驶系统决策性能。
[0037]实施例二：
[0038]一种车辆被遮挡状态判断系统，主要分为五个模块，分别是：图像获取模块、车辆检测模块、车辆被遮挡状态判断模块、车辆被遮挡位置判断模块、车辆被遮挡程度判断模块。其中，图像获取模块：通过车载Adas专门的图像采集设备，录制车辆正前方道路场景。对视频片段进行提取，获得需要处理的目标图像。目标车辆检测模块：利用当前较为先进的YOLO
‑
V5目标检测框架，对目标图像中所有的车辆进行检测，获取图像中所有车辆的位置信息。车辆被遮挡状态判断模块：通过对检测网络获取的目标车辆的位置信息进行处理，裁剪出图片中的目标车辆，然后送入到深度神经网络中，本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种车辆被遮挡状态判断方法，其特征是，包括：获取目标图像；对目标图像进行目标检测，得到目标车辆的位置信息；将位置信息输入深度神经网络进行特征提取，得到目标车辆被遮挡信息；所述目标车辆被遮挡信息包括被遮挡状态信息、被遮挡位置信息和被遮挡程度信息。2.根据权利要求1所述的车辆被遮挡状态判断方法，其特征是，所述目标图像由采集车辆行驶过程中正前方的车况信息后，对视频图像进行逐帧解压获取。3.根据权利要求1所述的车辆被遮挡状态判断方法，其特征是，所述目标图像经过YOLOV5目标检测算法进行目标检测后，得到目标图像中所有目标车辆的位置信息。4.根据权利要求1所述的车辆被遮挡状态判断方法，其特征是，所述位置信息经过裁剪获得目标车辆的图像块后，缩放到指定尺度送入到深度神经网络中进行提取特征。5.根据权利要求1所述的车辆被遮挡状态判断方法，其特征是，所述被遮挡状态信息包括被遮挡和无遮挡。6.根据权利要求1所述的车辆被遮挡状...

【专利技术属性】
技术研发人员：季思文，周翔，刘国清，朱晓东，
申请(专利权)人：南京佑驾科技有限公司，
类型：发明
国别省市：