一种交通车辆单目定位方法、装置、设备及存储介质制造方法及图纸

本发明专利技术涉及驾驶辅助技术领域，公开了一种交通车辆单目定位方法、装置、计算机设备及存储介质，即在获取到单目相机采集的监控图像后，可先通过目标检测算法发现所述监控图像中的目标车辆，并得到目标车辆在所述监控图像中的车辆大小特征信息，然后将该车辆大小特征信息作为待测样本输入基于深度学习算法的且已完成训练的距离分类模型，得到距离分类结果，最后将该距离分类结果作为深度估计结果，确定出目标车辆的所在位置，从而仅需与单目相机相结合即可实现深度估计，大幅度降低硬件成本，并且无需采用SLAM方法，可降低对算力要求，利于快速得到定位结果，特别适合应用在车载计算机中。此外，基于Yolov3

【技术实现步骤摘要】
一种交通车辆单目定位方法、装置、设备及存储介质


[0001]本专利技术属于驾驶辅助
，具体地涉及一种交通车辆单目定位方法、装置、设备及存储介质。

技术介绍

[0002]如今，3D重建技术是计算机视觉方向上的一个火热研究领域。从2D平面图像到3D立体空间，不仅仅是普通的尺度变换，它还涉及到深度的估计，这在目前是比较困难的，因为相机成像过程就是一个将3D空间坐标转化成图像2D坐标的过程，而如果从2D坐标反推回3D坐标的话，会出现一个问题，即从图像坐标系到相机坐标系的过程中有一个尺度因子S没办法确定，因为2D图像是不涉及深度的概念。
[0003]现在人们对智能化要求越来越高，为了防止交通事故的频频出现，基于3D重建技术对交通车辆进行实时定位是一项有效的驾驶辅助手段。然而在3D重建技术中，传统的深度估计方法要么是基于双目摄像头，要么是基于与雷达的结合，硬件成本比较高。此外，在3D重建技术上比较常用的是SLAM（Simultaneous Localization And Mapping，同步定位与建图）方法，此方法在机器人领域发展非常好，但本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种交通车辆单目定位方法，其特征在于，包括：获取单目相机采集的监控图像；采用目标检测算法对所述监控图像进行交通车辆检测处理，得到至少一个目标车辆；针对所述至少一个目标车辆中的各个目标车辆，根据对应的且检测得到的车辆图像标记框，获取对应的且在所述监控图像中的车辆大小特征信息；针对所述各个目标车辆，将对应的车辆大小特征信息作为待测样本输入基于深度学习算法的且已完成训练的距离分类模型，得到对应的距离分类结果；针对所述各个目标车辆，根据对应的距离分类结果，确定出对应的所在位置。2.如权利要求1所述的交通车辆单目定位方法，其特征在于，所述目标检测算法采用基于Yolov3
‑
tiny网络的改进型网络，其中，所述改进型网络在所述Yolov3
‑
tiny网络的基础上进行了如下改动：在所述Yolov3
‑
tiny网络中将过滤器数量减少三分之一，同时从所述Yolov3
‑
tiny网络的第5卷积层中抽出形状为64*26*26的第一特征图，并经过卷积上采样将该第一特征图转变成形状为64*52*52的第二特征图，以及对于所述Yolov3
‑
tiny网络中的且形状为256*13*13的第三特征图，经过上采样和1*1的卷积核转换成形状为64*26*26的第四特征图，然后将该第四特征图与所述Yolov3
‑
tiny网络中第7卷积层的且形状为128*26*26的第五特征图融合，得到形状为192*26*26的第六特征图，并通过上采样将该第六特征图转换成形状为128*52*52的第七特征图，再然后将所述第二特征图与所述第七特征图进行特征融合，得到192*52*52的第八特征图，最后将所述第八特征图经过步长为1的卷积网络送入新增的且输出形状为52*52的第三Yolo输出层。3.如权利要求1所述的交通车辆单目定位方法，其特征在于，采用目标检测算法对所述监控图像进行交通车辆检测处理，得到至少一个目标车辆，包括：根据预先划定的感兴趣区域ROI，对所述监控图像中的所述感兴趣区域ROI，采用目标检测算法进行交通车辆检测处理，得到至少一个目标车辆。4.如权利要求1所述的交通车辆单目定位方法，其特征在于，采用目标检测算法对所述监控图像进行交通车辆检测处理，得到至少一个目标车辆，包括：根据所述监控图像的图像信息，进行采集环境判断；根据采集环境判定结果，采用传统图像处理方式和/或深度学习方式对所述监...

【专利技术属性】
技术研发人员：陈磊，黄金叶，陈予涵，陈予琦，
申请(专利权)人：深圳市旗扬特种装备技术工程有限公司，
类型：发明
国别省市：