用于自动驾驶的视频画面质量评价方法、装置、设备、存储介质制造方法及图纸

本申请公开一种用于自动驾驶的视频画面质量评价方法、装置、设备、存储介质，其中，所述方法包括：获取预设场景中的图像信息；通过预先训练的语义分割模型，得到所述图像信息中的语义分割结果；将所述语义分割结果输入预设画面质量检测模型，得到所述图像信息中不同类别物体的画面质量检测结果；将所述图像信息中不同类别物体的画面质量检测结果输入整体画面评估模型，输出视频画面质量评价结果。本申请中的技术方案使用局部评价完成整体评价，契合了图像感知区域有权重差异的情况，从而提高了自动驾驶视频图像质量评价的精确性。自动驾驶视频图像质量评价的精确性。自动驾驶视频图像质量评价的精确性。

【技术实现步骤摘要】
用于自动驾驶的视频画面质量评价方法、装置、设备、存储介质


[0001]本申请涉及自动驾驶
，尤其涉及用于自动驾驶的视频画面质量评价方法、装置、设备、存储介质。

技术介绍

[0002]随着无人驾驶技术的发展，车载视频作为自动驾驶的重要组成部分，其视频画面质量的高低直接影响车辆对道路的预判和行驶决策。视频画面质量高低的评价显得尤为重要。
[0003]目前，自动驾驶过程中对视频画面采用整体评价机制，不适用于自动驾驶视频画面质量检测，而且检测误差高，会对自动驾驶后续的实时决策和路线规划造成不良后果。

技术实现思路

[0004]鉴于上述问题，本申请实施例提供了一种用于自动驾驶的视频画面质量评价方法、装置、设备、存储介质，以实现特殊情况下，诸如由脱焦、过曝、欠曝，抖动造成的局部失衡而影响整体视频画面的评价。
[0005]本申请实施例采用下述技术方案：
[0006]根据本申请的第一方面，本申请实施例提供了一种用于自动驾驶的视频画面质量评价方法，其中，所述方法包括：获取预设场景中的图像信息；通过预先训练的语义分割模型，得到所述图像信息中的语义分割结果；将所述语义分割结果输入预设画面质量检测模型，得到所述图像信息中不同类别物体的画面质量检测结果；将所述图像信息中不同类别物体的画面质量检测结果输入整体画面评估模型，输出视频画面质量评价结果，其中所述预设画面质量检测模型使用预设语义分割集经拉氏变换后得到的正态分布函数统计模型。
[0007]优选地，所述将所述语义分割结果输入预设画面质量检测模型，得到所述图像信息中不同类别物体的画面质量检测结果，包括：对所述预设语义分割集中多个语义标签对应的不同类型语义分割结果使用拉普拉斯卷积核进行卷积，获得不同类型的拉普拉斯值；根据所述不同类型的拉普拉斯值，计算得到正态分布情况；根据所述正态分布情况，确定所述输入预设画面质量检测模型的所述分割结果是否异常或者为正常时的质量检测值；将输出结果中的异常结果或者为正常时的质量检测值，作为所述图像信息中不同类别物体的画面质量检测结果。
[0008]优选地，所述语义分割模型为使用多组数据通过机器学习训练得出，所述多组数据中的每组数据包括：局部区域失衡的图像数据以及所述图像数据对应的语义标签；所述局部区域失衡的图像数据包括至少如下之一：局部区域脱焦图像数据、局部区域过曝图像数据、局部区域欠曝图像数据，局部区域抖动图像数据。
[0009]优选地，所述将所述图像信息中不同类别物体的画面质量检测结果输入整体画面评估模型，输出视频画面质量评价结果之后，还包括：根据所述视频画面质量评价结果中的
异常图像数据，确定异常图像帧号，其中所述异常图像帧号至少包括如下之一：建筑物过曝图像帧、车辆欠曝图像帧、天空过曝图像帧。
[0010]优选地，所述语义分割模型包括：对图像进行人工分割标注，获取语义分割数据集，并将所述数据集划分为训练集、测试集；使用所述训练集对U2
‑
Net卷积神经网络进行训练，并使用所述测试集对所述U2
‑
Net卷积神经网络进行验证测试，获取所述语义分割模型。
[0011]优选地，所述将所述图像信息中不同类别物体的画面质量检测结果输入整体画面评估模型，输出视频画面质量评价结果，包括：设置类别权重映射矩阵，并将画面对应的语义分割结果根据所述映射矩阵进行映射，获取映射结果；将所述映射结果按照预设条件进行数据统计，并按照预设评分方式获取数据统计正态分布图；根据所述正态分布图，输出视频画面质量评价结果，其中，所述预设条件包括拉普拉斯值、明暗度，所述预设评分方式包括：获取每个类别的均方误差，根据正态分布图设置类别分数区间；将所述类别分数区间与权重图相乘后求平均得到所述画面分数。
[0012]根据本申请的第二方面，本申请实施例还提供一种用于自动驾驶的视频画面质量评价装置，其中，所述装置包括：图像获取模块，用于获取预设场景中的图像信息；语义分割模块，用于通过预先训练的语义分割模型，得到所述图像信息中的语义分割结果；类别评价模块，用于将所述语义分割结果输入预设画面质量检测模型，得到所述图像信息中不同类别物体的画面质量检测结果；画面质量评价模块，用于将所述图像信息中不同类别物体的画面质量检测结果输入整体画面评估模型，输出视频画面质量评价结果，其中所述预设画面质量检测模型使用预设语义分割集经拉氏变换后得到的正态分布函数统计模型。
[0013]根据本申请的第三方面，本申请实施例还提供了一种用于自动驾驶的视频画面质量评价设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述第一方面之任一所述方法。
[0014]根据本申请的第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的用于自动驾驶的视频画面质量评价设备执行时，使得所述设备执行所述第一方面之任一所述方法。
[0015]本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：
[0016]本申请基于深度学习的分割卷积神经网络，对画面进行语义分割，实现对图像信息不同类别的局部评价，局部评价后根据图像信息不同类别的权值利用图像整体评价模型完成整体评价。本申请契合了图像感知区域有权重差异的现实情况，提高了图像画面可能由脱焦、过曝、欠曝，抖动造成的图像评价的准确性，提高了自动驾驶视频图像质量评价的精确性，改善了用户体验。
附图说明
[0017]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。
[0018]图1为本申请实例的用于自动驾驶的视频画面质量评价方法流程图；
[0019]图2为本申请实例的用于自动驾驶的视频画面质量评价装置结构图；
[0020]图3为本申请实例的用于自动驾驶的视频画面质量评价方法语义分割示意图；
[0021]图4为本申请实例的用于自动驾驶的视频画面质量评价方法消失点示意图；
[0022]图5为本申请实例的用于自动驾驶的视频画面质量评价方法渐变权重图；
[0023]图6为本申请实例的用于自动驾驶的视频画面质量评价方法正态分布图；
[0024]图7为本申请实例的用于自动驾驶的视频画面质量评价设备结构示意图。
具体实施方式
[0025]为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，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做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。
[0026]本申请中的视频画面评价方法克服了传统评价方法采用整体评价，不能准确评价视频画面的问题，尤其是在脱焦、过曝、欠曝，抖动情况下，视频画面质量评价存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于自动驾驶的视频画面质量评价方法，其中，所述方法包括：获取预设场景中的图像信息；通过预先训练的语义分割模型，得到所述图像信息中的语义分割结果；将所述语义分割结果输入预设画面质量检测模型，得到所述图像信息中不同类别物体的画面质量检测结果；将所述图像信息中不同类别物体的画面质量检测结果输入整体画面评估模型，输出视频画面质量评价结果，其中所述预设画面质量检测模型使用预设语义分割集经拉氏变换后得到的正态分布函数统计模型。2.如权利要求1所述的方法，其中，所述将所述语义分割结果输入预设画面质量检测模型，得到所述图像信息中不同类别物体的画面质量检测结果，包括：对所述预设语义分割集中多个语义标签对应的不同类型语义分割结果使用拉普拉斯卷积核进行卷积，获得不同类型的拉普拉斯值；根据所述不同类型的拉普拉斯值，计算得到正态分布情况；根据所述正态分布情况，确定所述输入预设画面质量检测模型的所述分割结果是否异常或者为正常时的质量检测值；将输出结果中的异常结果或者为正常时的质量检测值，作为所述图像信息中不同类别物体的画面质量检测结果。3.如权利要求1所述的方法，其中，所述语义分割模型为使用多组数据通过机器学习训练得出，所述多组数据中的每组数据包括：局部区域失衡的图像数据以及所述图像数据对应的语义标签；所述局部区域失衡的图像数据包括至少如下之一：局部区域脱焦图像数据、局部区域过曝图像数据、局部区域欠曝图像数据，局部区域抖动图像数据。4.如权利要求3所述的方法，其中，所述将所述图像信息中不同类别物体的画面质量检测结果输入整体画面评估模型，输出视频画面质量评价结果之后，还包括：根据所述视频画面质量评价结果中的异常图像数据，确定异常图像帧号，其中所述异常图像帧号至少包括如下之一：建筑物过曝图像帧、车辆欠曝图像帧、天空过曝图像帧。5.如权利要求1所述的方法，其中，所述语义分割模型包括：对图像进行人工分割标注，获取语义分割数据集，并将所述数据集划...

【专利技术属性】
技术研发人员：廖乃琳，
申请(专利权)人：北京京深深向科技有限公司，
类型：发明
国别省市：