一种图像处理方法和装置制造方法及图纸

本公开提供了图像处理方法和装置，涉及人工智能领域，尤其涉及智能交通领域。具体实现方案为：获取道路的俯视图；从俯视图中识别出车道线的位置；将俯视图切分成至少2个区域，并根据每个区域中车道线的位置确定出每个区域中车道的宽度以及俯视图中车道的平均宽度；通过优化第一损失函数计算出第一透视校正矩阵，其中，第一损失函数用于表征每个区域中车道的宽度与俯视图中车道的平均宽度之间的差异；将俯视图通过第一透视校正矩阵进行横向校正，得到第一校正图像。该实施方式能够校准俯视图的形变，大幅提升俯视图中要素定位的精度。大幅提升俯视图中要素定位的精度。大幅提升俯视图中要素定位的精度。

【技术实现步骤摘要】
一种图像处理方法和装置


[0001]本公开涉及人工智能领域，尤其涉及智能交通领域，具体为一种图像处理方法和装置。

技术介绍

[0002]在摄影和电影拍摄中，透视变形指的是一个物体及其周围区域与标准镜头中看到的相比完全不同，由于远近特征的相对比例变化，发生了弯曲或变形。
[0003]地图数据是导航系统中基础且重要的部分，而俯视图是地图数据生产的关键资料。高清俯视图一般由全景照片投影生成，受到镜头畸变、路面坡度、设备移动等等因素影响，俯视图往往会有很大的形变，即透视变形。地图要素由它在俯视图中的位置进行GPS经纬度预估，所以俯视图透视变形严重影响地面要素定位精度。

技术实现思路

[0004]本公开提供了一种图像处理方法、装置、设备、存储介质以及计算机程序产品。
[0005]根据本公开的第一方面，提供了一种图像处理方法，包括：获取道路的俯视图；从所述俯视图中识别出车道线的位置；将所述俯视图切分成至少2个区域，并根据每个区域中车道线的位置确定出每个区域中车道的宽度以及所述俯视图中车道的平均宽度；通过优化第一损失函数计算出第一透视校正矩阵，其中，所述第一损失函数用于表征每个区域中车道的宽度与所述俯视图中车道的平均宽度之间的差异；将所述俯视图通过所述第一透视校正矩阵进行横向校正，得到第一校正图像。
[0006]根据本公开的第二方面，提供了一种图像处理装置，包括：获取单元，被配置成获取道路的俯视图；识别单元，被配置成从所述俯视图中识别出车道线的位置；确定单元，被配置成将所述俯视图切分成至少2个区域，并根据每个区域中车道线的位置确定出每个区域中车道的宽度以及所述俯视图中车道的平均宽度；计算单元，被配置成通过优化第一损失函数计算出第一透视校正矩阵，其中，所述第一损失函数用于表征每个区域中车道的宽度与所述俯视图中车道的平均宽度之间的差异；校正单元，被配置成将所述俯视图通过所述第一透视校正矩阵进行横向校正，得到第一校正图像。
[0007]根据本公开的第三方面，提供了一种电子设备，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第一方面所述的方法。
[0008]根据本公开的第四方面，提供了一种存储有计算机指令的非瞬时计算机可读存储介质，其中，所述计算机指令用于使所述计算机执行第一方面所述的方法。
[0009]根据本公开的第五方面，提供了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第一方面所述的方法。
[0010]本公开的实施例提供的图像处理方法和装置，基于车道线识别结果，通过控制同
一车道的宽度在俯视图中各处相等的方式，校准俯视图的形变，大幅提升俯视图中要素定位的精度。
[0011]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
[0012]附图用于更好地理解本方案，不构成对本公开的限定。其中：
[0013]图1是本公开的一个实施例可以应用于其中的示例性系统架构图；
[0014]图2是根据本公开的图像处理方法的一个实施例的流程图；
[0015]图3是根据本公开的图像处理方法的车道线提取与矢量化结果示意图；
[0016]图4是根据本公开的图像处理方法的一个应用场景的示意图；
[0017]图5是根据本公开的图像处理方法的又一个实施例的流程图；
[0018]图6是根据本公开的图像处理装置的一个实施例的结构示意图；
[0019]图7是适于用来实现本公开的实施例的电子设备的计算机系统的结构示意图。
具体实施方式
[0020]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。
[0021]图1示出了可以应用本申请的图像处理方法或图像处理装置的实施例的示例性系统架构100。
[0022]如图1所示，系统架构100可以包括无人驾驶车辆101(简称无人车)。
[0023]无人驾驶车辆101中安装有驾驶控制设备1011、网络1012和传感器1013，服务器102。网络1012用以在驾驶控制设备1011和传感器1013之间提供通信链路的介质。网络1012可以包括各种连接类型，例如有线、无线通信链路或者光纤电缆等等。
[0024]驾驶控制设备(又称为车载大脑)1011负责无人驾驶车辆101的智能控制。驾驶控制设备1011可以是单独设置的控制器，例如可编程逻辑控制器(Programmable Logic Controller，PLC)、单片机、工业控制机等；也可以是由其他具有输入/输出端口，并具有运算控制功能的电子器件组成的设备；还可以是安装有车辆驾驶控制类应用的计算机设备。
[0025]需要说明的是，实践中无人驾驶车辆101中可以安装有至少一个传感器，例如，激光雷达、摄像头、重力传感器、轮速传感器等。某些情况下，无人驾驶车辆101中还可以安装有GNSS(Global Navigation Satellite S7stem，全球导航卫星系统)设备和SINS(Strap
‑
down Inertial Navigation S7stem，捷联惯性导航系统)等等。
[0026]无人车的摄像头采集道路图像，然后发送给服务器进行分析处理。服务器将道路的识别结果进行透视校正。使俯视图中地面物体的成像比例与真实世界相同，消除近大远小的透视变形。使所有现实中的平行线在图象中都显示为平行。将透视校正后的图像反馈给无人车。透视校正后的图像贴近现实世界投影成像比例，无人车根据透视校正后的图像精准计算地面要素的位置。
[0027]透视校正或者称为透视控制是对照片进行合成或者编辑，以得到符合大众对于透视失真理解的结果的过程。这个校正过程包括：
[0028]使所有现实中的竖直线在图像中都显示为竖直方向。这些竖直线包括立柱、墙面的竖直边、灯柱等。需要注意的是这就是人们普遍接受的对于透视结果的理解；这样的透视结果的依据就是越远的物体在图像中就越小。由于竖直方向距离的存在，建筑物顶端要比基座离地面观察者的距离要远，但是，通常建立透视过程只考虑水平方向的距离，而不考虑竖直方向的距离，即认为建筑物顶端与基座的距离是一样远的。
[0029]如方形房间中，四条水平边这样的所有平行线交于一点。
[0030]需要说明的是，本申请实施例所提供的图像处理方法一般由服务器102执行，相应地，图像处理装置一般设置于驾服务器102中。
[0031]应该理解，图1中的驾驶控制本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种图像处理方法，包括：获取道路的俯视图；从所述俯视图中识别出车道线的位置；将所述俯视图切分成至少2个区域，并根据每个区域中车道线的位置确定出每个区域中车道的宽度以及所述俯视图中车道的平均宽度；通过优化第一损失函数计算出第一透视校正矩阵，其中，所述第一损失函数用于表征每个区域中车道的宽度与所述俯视图中车道的平均宽度之间的差异；将所述俯视图通过所述第一透视校正矩阵进行横向校正，得到第一校正图像。2.根据权利要求1所述的方法，其中，所述方法还包括：从所述俯视图中识别出车道线虚线；确定出每个区域中车道线虚线的长度以及所述俯视图中车道线虚线的平均长度；通过优化第二损失函数计算出第二透视校正矩阵，其中，所述第二损失函数用于表征每个区域中车道线虚线的长度与所述俯视图中车道线虚线的平均长度之间的差异；将所述第一校正图像通过所述第二透视校正矩阵进行纵向校正，得到第二校正图像。3.根据权利要求1所述的方法，其中，所述从所述俯视图中识别出车道线的位置，包括：通过语义分割模型从所述俯视图中识别出车道线像素及类型，生成语义分割图；从所述语义分割图中提取出车道线的位置。4.根据权利要求3所述的方法，其中，所述从所述语义分割图中提取出车道线的位置，包括：将所述语义分割图转换成二值图；对所述二值图进行轮廓检测，得到矩形轮廓；沿矩形轮廓长边方向将所述矩形轮廓拆分成多段，对每段再次进行轮廓检测，生成多个子轮廓；提取每个子轮廓矩形的中心线作为车道线矢量线形；通过二次曲线拟合所述车道线矢量线形，预测补充车道线缺失部分。5.根据权利要求1所述的方法，其中，所述根据每个区域中车道线的位置确定出每个区域中车道的宽度以及所述俯视图中车道的平均宽度，包括：对识别出的车道线进行近邻搜索，两两配对得到匹配对集合，其中，每个匹配对对应一个车道；对于每个车道，计算每个区域的中间位置的车道宽度作为该车道的每个区域的宽度；基于每个区域中车道的宽度计算出所述俯视图中车道的平均宽度。6.根据权利要求2所述的方法，其中，所述确定出每个区域中车道线虚线的长度以及所述俯视图中车道线虚线的平均长度，包括：对于每个区域，将该区域中中间完整的车道线虚线的长度作为该区域中车道线虚线的长度；基于每个区域中车道线虚线的长度计算出所述车道线虚线的平均长度。7.根据权利要求1
‑
6中任一项所述的方法，其中，所述获取道路的俯视图，包括：获取道路的全景图；将所述全景图通过透视投影方法转换成俯视图。
8.一种图像处理装置，包括：获取单元，被配置成获取道路的俯视图；识别单元，被配置成从所述俯视图中识别出车道线的位置；确定单元，被配置成将所述俯视图切分成至少2个区域，并根据每个区域中车道线的位置确定出每个区域中车道的宽度以及所述俯视图中车道的平均宽度；计算单元，被配置成通过优化第一损失函数计算出第一透视校正矩阵，...

【专利技术属性】
技术研发人员：蔡俊杰，钟开，杨建忠，夏德国，张通滨，卢振，
申请(专利权)人：北京百度网讯科技有限公司，
类型：发明
国别省市：