轮挡器识别方法、装置、车辆及存储介质制造方法及图纸

本公开涉及一种轮挡器识别方法、装置、车辆及存储介质，涉及自动驾驶领域。所述方法包括：确定第一图像中目标轮挡器的标识信息和用于表征所述目标轮挡器所在库位的库位信息，所述第一图像为通过图像采集所获得的图像序列中的一帧图像，所述标识信息通过对所述目标轮挡器进行跟踪而得到；获取用于指示每一库位各自所关联的轮挡器标识的关联信息；确定所述目标轮挡器的标识信息和库位信息是否符合所述关联信息；若不符合所述关联信息，对所述目标轮挡器的标识信息进行修正处理。由此，通过将库位与轮挡器的关联信息作为辅助信息，对经初始跟踪而得到的标识信息进行校验，以验证其准确性，并及时修正，以此提升轮挡跟踪的准确性。以此提升轮挡跟踪的准确性。以此提升轮挡跟踪的准确性。

【技术实现步骤摘要】
轮挡器识别方法、装置、车辆及存储介质


[0001]本公开涉及自动驾驶
，尤其涉及轮挡器识别方法、装置、车辆及存储介质。

技术介绍

[0002]多目标跟踪是指针对一个给定的图像序列，找到图像序列中运动的物体，并将不同帧中的运动物体一一对应，以确定不同运动物体的运动轨迹。在自动驾驶领域，多目标跟踪是实现自动驾驶的重要组成部分，例如，对于轮挡器的跟踪。相关技术中，对于轮挡器的跟踪，一般采用基于光流或卡尔曼的跟踪方法，然而，受到光照变化、车辆非线性运动等因素的影响，存在识别不准确、识别效果较差的问题。

技术实现思路

[0003]为克服相关技术中存在的问题，本公开提供一种轮挡器识别方法、装置、车辆及存储介质。
[0004]根据本公开实施例的第一方面，提供一种轮挡器识别方法，所述方法包括：
[0005]确定第一图像中目标轮挡器的标识信息和用于表征所述目标轮挡器所在库位的库位信息，所述第一图像为通过图像采集所获得的图像序列中的一帧图像，所述标识信息通过对所述目标轮挡器进行跟踪而得到；
[0006]获取用于指示每一库位各自所关联的轮挡器标识的关联信息；
[0007]确定所述目标轮挡器的标识信息和库位信息是否符合所述关联信息；
[0008]若不符合所述关联信息，对所述目标轮挡器的标识信息进行修正处理。
[0009]可选地，所述目标轮挡器的标识信息通过以下方式得到：
[0010]确定所述第一图像中各轮挡器的检测位置信息；
[0011]获取基于第二图像生成的各轮挡器的预测位置信息，所述第二图像为所述图像序列中所述第一图像的前一帧图像；
[0012]确定与所述目标轮挡器的检测位置信息相匹配的目标预测位置信息；
[0013]将所述目标预测位置信息所对应的轮挡器标识确定为所述目标轮挡器的标识信息。
[0014]可选地，所述预测位置信息通过以下方式得到：
[0015]对所述第二图像进行轮挡器检测，得到检测结果，所述检测结果用于指示第二图像中各轮挡器所处的位置；
[0016]利用卡尔曼滤波算法，对所述第二图像中每一轮挡器在所述第二图像的下一帧图像中所处的位置进行预测，得到所述预测位置信息。
[0017]可选地，所述确定与所述目标轮挡器的检测位置信息相匹配的目标预测位置信息，包括：
[0018]针对每一所述预测位置信息，根据所述目标轮挡器的检测位置信息确定所述目标
轮挡器与所述预测位置信息所对应的轮挡器之间的相对距离；
[0019]将最小的相对距离所对应的预测位置信息确定为与所述目标轮挡器的检测位置信息相匹配的目标预测位置信息。
[0020]可选地，所述确定所述目标轮挡器的标识信息和库位信息是否符合所述关联信息，包括：
[0021]确定所述目标轮挡器的库位信息所指示的目标库位在所述关联信息中所关联的目标轮挡器标识；
[0022]确定所述目标轮挡器的标识信息是否与所述目标轮挡器标识相匹配；
[0023]若所述目标轮挡器的标识信息与所述目标轮挡器标识相匹配，确定所述目标轮挡器的标识信息和库位信息符合所述关联信息；
[0024]若所述目标轮挡器的标识信息与所述目标轮挡器标识不匹配，确定所述目标轮挡器的标识信息和库位信息不符合所述关联信息。
[0025]可选地，所述确定所述目标轮挡器的库位信息所指示的目标库位在所述关联信息中所关联的目标轮挡器标识，包括：
[0026]确定所述目标库位所包含的轮挡器的数量；
[0027]若所述目标库位所包含的轮挡器的数量多于一个，确定所述目标轮挡器在所述目标库位中的分布位置；
[0028]在所述目标库位在所述关联信息中所关联的轮挡器标识中，将符合所述分布位置的轮挡器对应的轮挡器标识确定为所述目标轮挡器标识。
[0029]可选地，所述对所述目标轮挡器的标识信息进行修正处理，包括：
[0030]将所述目标轮挡器的标识信息修正为所述目标轮挡器标识。
[0031]根据本公开实施例的第二方面，提供一种轮挡器识别装置，所述装置包括：
[0032]第一确定模块，被配置为确定第一图像中目标轮挡器的标识信息和用于表征所述目标轮挡器所在库位的库位信息，所述第一图像为通过图像采集所获得的图像序列中的一帧图像，所述标识信息通过对所述目标轮挡器进行跟踪而得到；
[0033]第一获取模块，被配置为获取用于指示每一库位各自所关联的轮挡器标识的关联信息；
[0034]第二确定模块，被配置为确定所述目标轮挡器的标识信息和库位信息是否符合所述关联信息；
[0035]修正模块，被配置为若不符合所述关联信息，对所述目标轮挡器的标识信息进行修正处理。
[0036]根据本公开实施例的第三方面，提供一种车辆，包括：
[0037]第一处理器；
[0038]用于存储第一处理器可执行指令的第一存储器；
[0039]其中，所述第一处理器被配置为运行所述第一存储器中的指令以实现本公开第一方面所提供的轮挡器识别方法的步骤。
[0040]根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，所述程序指令被第二处理器执行时实现本公开第一方面所提供的轮挡器识别方法的步骤。
[0041]本公开的实施例提供的技术方案可以包括以下有益效果：
[0042]确定第一图像中目标轮挡器的标识信息和用于表征目标轮挡器所在库位的库位信息，并获取用于指示每一库位各自所关联的轮挡器标识的关联信息，再确定目标轮挡器的标识信息和库位信息是否符合关联信息，若不符合关联信息，对目标轮挡器的标识信息进行修正处理。其中，第一图像为通过图像采集所获得的图像序列中的一帧图像，标识信息通过对目标轮挡器进行跟踪而得到。由此，在对轮挡器进行跟踪的同时，获取库位与轮挡器的关联信息作为辅助信息，对经初始跟踪而得到的标识信息进行校验，以验证其准确性，并在初始跟踪的结果存在问题时及时进行修正处理，从而提升轮挡跟踪的准确性。这样，在自动驾驶场景中，以此为基础，能够提升下游建图的准确性，进而提升自动泊车等功能的实现效果。
[0043]应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
[0044]此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
[0045]图1是根据一示例性实施例示出的轮挡器识别方法的流程图。
[0046]图2是根据一示例性实施例示出的轮挡器识别装置的框图。
[0047]图3是一示例性实施例示出的一种车辆的功能框图示意图。
具体实施方式
[0048]这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种轮挡器识别方法，其特征在于，所述方法包括：确定第一图像中目标轮挡器的标识信息和用于表征所述目标轮挡器所在库位的库位信息，所述第一图像为通过图像采集所获得的图像序列中的一帧图像，所述标识信息通过对所述目标轮挡器进行跟踪而得到；获取用于指示每一库位各自所关联的轮挡器标识的关联信息；确定所述目标轮挡器的标识信息和库位信息是否符合所述关联信息；若不符合所述关联信息，对所述目标轮挡器的标识信息进行修正处理。2.根据权利要求1所述的方法，其特征在于，所述目标轮挡器的标识信息通过以下方式得到：确定所述第一图像中各轮挡器的检测位置信息；获取基于第二图像生成的各轮挡器的预测位置信息，所述第二图像为所述图像序列中所述第一图像的前一帧图像；确定与所述目标轮挡器的检测位置信息相匹配的目标预测位置信息；将所述目标预测位置信息所对应的轮挡器标识确定为所述目标轮挡器的标识信息。3.根据权利要求2所述的方法，其特征在于，所述预测位置信息通过以下方式得到：对所述第二图像进行轮挡器检测，得到检测结果，所述检测结果用于指示第二图像中各轮挡器所处的位置；利用卡尔曼滤波算法，对所述第二图像中每一轮挡器在所述第二图像的下一帧图像中所处的位置进行预测，得到所述预测位置信息。4.根据权利要求2所述的方法，其特征在于，所述确定与所述目标轮挡器的检测位置信息相匹配的目标预测位置信息，包括：针对每一所述预测位置信息，根据所述目标轮挡器的检测位置信息确定所述目标轮挡器与所述预测位置信息所对应的轮挡器之间的相对距离；将最小的相对距离所对应的预测位置信息确定为与所述目标轮挡器的检测位置信息相匹配的目标预测位置信息。5.根据权利要求1所述的方法，其特征在于，所述确定所述目标轮挡器的标识信息和库位信息是否符合所述关联信息，包括：确定所述目标轮挡器的库位信息所指示的目标库位在所述关联信息中所关联的目标轮挡器标识；确定所述目标轮挡器的标识信息是否与所...

【专利技术属性】
技术研发人员：刘洋，马雅楠，
申请(专利权)人：小米汽车科技有限公司，
类型：发明
国别省市：