泊车控制方法、障碍物识别模型训练方法、装置制造方法及图纸

本申请提供了一种泊车控制方法、障碍物识别模型训练方法、装置，涉及智能泊车技术领域。该方法包括：获取车辆周围环境的目标二维图像；将该目标二维图像输入障碍物识别模型，得到该目标障碍物的边界框和该目标障碍物的类别；其中，该障碍物识别模型是基于障碍物的边界框的类型进行训练得到的，该障碍物的边界框的类型是基于障碍物的特征确定的；基于该目标障碍物的边界框和该目标障碍物的类别，控制该车辆泊车。该方法能够输出与目标障碍物的特征对应的边界框类型的边界框，针对输出二维边界框的障碍物，节约了障碍物在三维目标检测的算力；针对输出的三维边界框，能够准确获取障碍物的尺寸信息和障碍物距离相机的距离，得到更加准确的泊车数据。加准确的泊车数据。加准确的泊车数据。

【技术实现步骤摘要】
泊车控制方法、障碍物识别模型训练方法、装置


[0001]本申请实施例涉及智能泊车
，并且更具体地，涉及一种泊车控制方法、障碍物识别模型训练方法、装置。

技术介绍

[0002]早期泊车场景的智能驾驶技术，在障碍物感知方面主要依赖超声波雷达，近年来，随着计算机视觉技术的发展，更多依赖计算机视觉的技术方案也备受关注。由于鱼眼相机相比针孔相机有更广的视角，所以在泊车场景中更多使用环视鱼眼相机完成车辆周围的障碍物感知。虽然泊车场景相比高速或者城市道路，车辆的行驶速度相对缓慢，但是也存在其特有的环境复杂性，从而对障碍物的感知提出了特殊的要求，尤其是很多高速和城市路况不会存在的障碍物，反而在地面和地下停车场会频繁出现。
[0003]目前，大多数障碍物感知方案多采用二维目标检测算法，得到障碍物的二维边界框，再将二维边界框上的坐标信息通过相机坐标系到世界坐标系的转换，获得障碍物在世界坐标系的三维空间信息。
[0004]但是，针对智能泊车过程中对部分感知精度要求高的障碍物，或无法界定接地点的障碍物，二维目标检测算法无法准确确定其三维空间信息。

技术实现思路

[0005]本申请提供一种泊车控制方法、障碍物识别模型训练方法、装置，能够输出与目标障碍物的特征对应的边界框类型的边界框；一方面，有利于对于基于障碍物的特征确定不适用三维边界框的障碍物、或感知精度要求低的障碍物，输出二维边界框，节约障碍物检测的算力；另一方面，有利于对于基于障碍物的特征确定的感知精度要求高的障碍物，输出三维边界框，能够准确获取障碍物的尺寸信息和障碍物距离相机的距离，得到更加准确的泊车数据。
[0006]第一方面，本申请提供了一种泊车控制方法，包括：
[0007]获取车辆周围环境的目标二维图像；
[0008]将该目标二维图像输入障碍物识别模型，通过该障碍物识别模型对该目标二维图像上的目标障碍物进行识别，以得到该目标障碍物的边界框和该目标障碍物的类别；
[0009]其中，该障碍物识别模型是基于障碍物的边界框的类型进行训练得到的，该障碍物的边界框的类型是基于障碍物的特征确定的，该边界框的类型包括二维边界框和三维边界框中的至少一个；
[0010]基于该目标障碍物的边界框和该目标障碍物的类别，控制该车辆泊车。
[0011]第二方面，本申请提供了一种障碍物识别模型训练方法，包括：
[0012]获取二维训练图像，该二维训练图像包括m个障碍物，m＞1；
[0013]根据该m个障碍物的特征，确定该m个障碍物中每个障碍物的边界框的类型；该边界框的类型包括二维边界框和三维边界框中的至少一个；
[0014]通过该二维训练图像所包括的m个障碍物中每个障碍物的边界框的类型，对该障碍物识别模型进行训练。
[0015]第三方面，本申请提供了一种泊车控制装置，包括：
[0016]获取单元，用于获取车辆周围环境的目标二维图像；
[0017]输出单元，用于将该目标二维图像输入障碍物识别模型，通过该障碍物识别模型对该目标二维图像上的目标障碍物进行识别，以得到该目标障碍物的边界框和该目标障碍物的类别；
[0018]其中，该障碍物识别模型是基于障碍物的边界框的类型进行训练得到的，该障碍物的边界框的类型是基于障碍物的特征确定的，该边界框的类型包括二维边界框和三维边界框中的至少一个；
[0019]控制单元，用于基于该目标障碍物的边界框和该目标障碍物的类别，控制该车辆泊车。
[0020]第四方面，本申请提供了一种障碍物识别模型训练装置，包括：
[0021]获取单元，用于获取二维训练图像，该二维训练图像包括m个障碍物，m＞1；
[0022]确定单元，用于基于该m个障碍物的特征，确定该m个障碍物中每个障碍物的边界框的类型；该边界框的类型包括二维边界框和三维边界框中的至少一个；
[0023]训练单元，用于通过该二维训练图像所包括的m个障碍物中每个障碍物的边界框的类型，对该障碍物识别模型进行训练。
[0024]第五方面，提供了一种电子设备，包括：
[0025]处理器，适于执行计算机程序；
[0026]计算机可读存储介质，该计算机可读存储介质中存储有计算机程序，该计算机程序被该处理器执行时，实现上述第一方面或上述第二方面的方法。
[0027]第六方面，提供了一种计算机可读存储介质，用于存储计算机程序，该计算机程序使得计算机执行上述第一方面或上述第二方面的方法。
[0028]第七方面，提供了一种计算机程序产品，包括计算机程序/指令，该计算机程序/指令被处理器执行时实现上述第一方面或上述第二方面的方法。
[0029]基于以上技术方案，将障碍物的边界框的类型和障碍物的特征关联，基于障碍物的边界框的类型训练得到障碍物识别模型，通过训练好的障碍物识别模型对获取的目标二维图像上的目标障碍物进行识别，能够输出与目标障碍物的特征对应的边界框类型的边界框；一方面，有利于针对基于障碍物的特征确定不适用三维边界框的障碍物、或感知精度要求低的障碍物，输出二维边界框，节约障碍物检测的算力；另一方面，有利于针对基于障碍物的特征确定的感知精度要求高的障碍物，输出三维边界框，能够准确获取障碍物的尺寸信息和障碍物距离相机的距离，得到更加准确的泊车数据。
附图说明
[0030]为了更清楚地说明本专利技术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专利技术的一些实施例，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。
[0031]图1是本申请实施例提供的泊车控制方法的示意性流程图。
[0032]图2是本申请实施例提供的障碍物识别模型的框架的示例图。
[0033]图3是本申请实施例提供的障碍物识别模型训练方法的示意性流程图。
[0034]图4是本申请实施例提供的泊车控制装置的示意性框图。
[0035]图5是本申请实施例提供的障碍物识别模型训练装置的示意性框图。
[0036]图6是本申请实施例提供的电子设备的示意结构图。
具体实施方式
[0037]下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请的一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
[0038]本申请提供的方案可涉及人工智能技术。
[0039]其中，人工智能(Artificial Intelligence,AI)是利用数字计算机或者数字计算机控制的机器模拟、延伸和扩展人的智能，感知环境、获取知识并使用知识获得最佳结果的理论、方法、技术及应用系统。换句话说，人工智能是计算机科学的一个综合技术，它企图了解智能的实质，并生产出一种新的能以人类智能相似的方式做出反应的智本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种泊车控制方法，其特征在于，包括：获取车辆周围环境的目标二维图像；将所述目标二维图像输入障碍物识别模型，通过所述障碍物识别模型对所述目标二维图像上的目标障碍物进行识别，以得到所述目标障碍物的边界框和所述目标障碍物的类别；其中，所述障碍物识别模型是基于障碍物的边界框的类型进行训练得到的，所述障碍物的边界框的类型是基于障碍物的特征确定的，所述边界框的类型包括二维边界框和三维边界框中的至少一个；基于所述目标障碍物的边界框和所述目标障碍物的类别，控制所述车辆泊车。2.根据权利要求1所述的方法，其特征在于，所述将所述目标二维图像输入障碍物识别模型，通过所述障碍物识别模型对所述目标二维图像上的目标障碍物进行识别，以得到所述目标障碍物的边界框和所述目标障碍物的类别，包括：将所述目标二维图像输入障碍物识别模型，利用所述障碍物识别模型对所述目标二维图像进行柱面投影处理，得到目标二维柱面图像；提取所述目标二维柱面图像的图像特征，得到与所述目标二维柱面图像对应的特征图；将所述特征图分别输入二维目标检测网络和三维目标检测网络，得到所述目标障碍物的边界框和所述目标障碍物的类别。3.根据权利要求2所述的方法，其特征在于，所述将所述特征图分别输入二维目标检测网络和三维目标检测网络，得到所述目标障碍物的边界框和所述目标障碍物的类别，包括：若基于所述目标障碍物的特征确定的边界框的类型为三维边界框，则将所述特征图分别输入二维目标检测网络和三维目标检测网络，所述三维目标检测网络输出所述目标障碍物的三维边界框和所述目标障碍物的类别；若基于所述目标障碍物的特征确定的边界框的类型为二维边界框，则将所述特征图分别输入二维目标检测网络和三维目标检测网络，所述二维目标检测网络输出所述目标障碍物的二维边界框和所述目标障碍物的类别。4.根据权利要求1所述的方法，其特征在于，所述基于所述目标障碍物的边界框和所述目标障碍物的类别，控制所述车辆泊车，包括：若所述目标障碍物的边界框的类型为二维边界框，则获取所述目标障碍物的接地点的坐标；基于所述接地点的坐标和所述目标障碍物的二维边界框，得到所述目标障碍物的中心点在世界坐标系的坐标；基于所述目标障碍物的类别，获取所述目标障碍物的尺寸信息；基于所述世界坐标系的坐标和所述尺寸信息，得...

【专利技术属性】
技术研发人员：梁成鹏，路二伟，任思君，陈泽，赵天坤，
申请(专利权)人：合众新能源汽车有限公司，
类型：发明
国别省市：