一种状态类型的识别方法、装置、设备和存储介质制造方法及图纸

本申请涉及一种状态类型的识别方法、装置、设备和存储介质。主要技术方案包括：获取车辆的摄像单元拍摄的待识别图像，待识别图像包括至少一个对象，基于预设识别模型确定待识别图像中每个对象的包围框，根据每个对象的包围框，识别每个对象的状态类型。本申请能够准确地识别出目标对象的状态类型，有利于自动驾驶车辆后续根据驾驶环境图做出正确处理，提高自动驾驶车辆的安全性。动驾驶车辆的安全性。动驾驶车辆的安全性。

【技术实现步骤摘要】
一种状态类型的识别方法、装置、设备和存储介质


[0001]本申请涉及自动驾驶
，特别是涉及一种状态类型的识别方法、装置、设备和存储介质。

技术介绍

[0002]目前，在自动驾驶领域通常采用目标检测算法以包围框的形式检测出自动驾驶车辆获取的驾驶环境图中的目标对象，目标对象可以为车和人。在驾驶环境图中有些目标对象被遮挡，目标对象处于遮挡状态，这部分目标对象可以忽略。或者目标对象的一部分在自动驾驶车辆的拍摄范围以外，此时，目标对象处于截断状态，通过神经网络模型预测目标对象与自动驾驶车辆的距离会不太准确。若不能准确地识别出目标对象的状态类型会影响自动驾驶车辆对驾驶环境图的后续处理，从而降低自动驾驶车辆的安全性。

技术实现思路

[0003]基于此，本申请提供了一种状态类型的识别方法、装置、设备和存储介质，以准确地识别出目标对象的状态类型。
[0004]第一方面，提供一种状态类型的识别方法，该方法包括：
[0005]获取车辆的摄像单元拍摄的待识别图像，待识别图像包括至少一个对象；
[0006]基于预设识别模型确定待识别图像中每个对象的包围框；
[0007]根据每个对象的包围框，识别每个对象的状态类型。
[0008]根据本申请实施例中一种可实现的方式，基于预设识别模型确定待识别图像中每个对象的包围框，包括：
[0009]基于预设识别模型，将待识别图像编码成分辨率依次递减的至少一个第一特征图；
[0010]将至少一个第一特征图按照分辨率从小到大的顺序依次解码融合为至少一个第二特征图；
[0011]根据至少一个第二特征图，预测每个对象的包围框数据；
[0012]根据包围框数据，确定待识别图像中每个对象的包围框。
[0013]根据本申请实施例中一种可实现的方式，将至少一个第一特征图按照分辨率从小到大的顺序依次解码融合为至少一个第二特征图，包括：
[0014]按照分辨率从小到大的顺序，将第一个第一特征图解码融合为第一个第二特征图；
[0015]将第二个第一特征图和第一个第二特征图解码融合为第二个第二特征图；
[0016]将第三个第一特征图和第二个第二特征图解码融合为第三个第二特征图；
[0017]以此类推，直到将第N个第一特征图和第N
‑
1个第二特征图解码融合为第N个第二特征图，其中，N表示第一特征图和第二特征图的数量。
[0018]根据本申请实施例中一种可实现的方式，包围框数据包括边框中心、边框宽度、边
框高度和边框置信度；根据包围框数据，确定待识别图像中每个对象的包围框，包括：
[0019]根据边框中心、边框宽度和边框高度，确定每个对象的初始包围框；
[0020]根据边框置信度筛选初始包围框，得到每个对象的包围框。
[0021]根据本申请实施例中一种可实现的方式，根据每个对象的包围框，识别每个对象的状态类型，包括：
[0022]根据每个对象的包围框，从第二特征图中裁切出每个对象的包围框对应位置的目标特征图；
[0023]将目标特征图的大小重新调整成预设大小的特征图，得到已处理特征图；
[0024]根据已处理特征图，识别每个对象的状态类型。
[0025]根据本申请实施例中一种可实现的方式，根据已处理特征图，识别每个对象的状态类型，包括：
[0026]根据已处理特征图，确定每个对象的完整度值；
[0027]根据完整度值和预设阈值，识别每个对象的状态类型。
[0028]根据本申请实施例中一种可实现的方式，完整度值包括用于判断每个对象是否完全位于待识别图像内的第一完整度值和用于判断每个对象在待识别图像内是否完全显示的第二完整度值，预设阈值包括第一预设阈值和第二预设阈值；状态类型包括遮挡状态和截断状态；根据完整度值和预设阈值，识别每个对象的状态类型，包括：
[0029]当第一完整度值小于第一预设阈值时，将第一完整度值对应的状态类型识别为截断状态；
[0030]当第二完整度值小于第二预设阈值时，将第二完整度值对应的状态类型识别为遮挡状态。
[0031]第二方面，提供了一种状态类型的识别装置，该装置包括：
[0032]获取模块，用于获取车辆的摄像单元拍摄的待识别图像，待识别图像包括至少一个对象；
[0033]确定模块，用于基于预设识别模型确定待识别图像中每个对象的包围框；
[0034]识别模块，用于根据每个对象的包围框，识别每个对象的状态类型。
[0035]第三方面，提供了一种计算机设备，包括：
[0036]至少一个处理器；以及
[0037]与所述至少一个处理器通信连接的存储器；其中，
[0038]所述存储器存储有可被所述至少一个处理器执行的计算机指令，所述计算机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上述第一方面中涉及的方法。
[0039]第四方面，提供了一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令用于使计算机执行上述第一方面中涉及的方法。
[0040]根据本申请实施例所提供的
技术实现思路
，获取车辆的摄像单元拍摄的待识别图像，待识别图像包括至少一个对象，基于预设识别模型确定待识别图像中每个对象的包围框，根据每个对象的包围框，识别每个对象的状态类型，本申请能够准确地识别出目标对象的状态类型，有利于自动驾驶车辆后续根据驾驶环境图做出正确处理，提高自动驾驶车辆的安全性。
附图说明
[0041]图1为一个实施例中状态类型的识别方法的流程示意图；
[0042]图2为一个实施例中待识别图像转化为第二特征图的计算流程图；
[0043]图3为一个实施例中状态类型识别装置的结构框图；
[0044]图4为一个实施例中计算机设备的示意性结构图。
具体实施方式
[0045]以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
[0046]为了解决现有技术问题，本申请实施例提供了一种状态类型的识别方法、装置、设备及计算机存储介质。下面首先对本申请实施例所提供的状态类型的识别方法进行介绍。
[0047]图1示出了本申请一个实施例提供的状态类型的识别方法的流程示意图。如图1所示，该方法可以包括以下步骤：
[0048]S110，获取车辆的摄像单元拍摄的待识别图像。
[0049]车辆在行驶过程中，其摄像单元对周围的驾驶环境进行拍摄，以对驾驶环境内的车辆或行人进行识别，用于道路规划或者车辆决策等。摄像单元可以为单目相机、双目相机或者激光雷达等。
[0050]待识别图像为摄像单元拍摄的车辆的驾驶环境图，待识别图像包括至少一个对象，对象表示驾驶环境中的车辆和行人，其中，车辆包括卡车、公交车、自行车、摩托车、电动车、三轮车等。
[0051]摄像单元将拍摄的待识别图像保存本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种状态类型的识别方法，其特征在于，该方法包括：获取车辆的摄像单元拍摄的待识别图像，所述待识别图像包括至少一个对象；基于预设识别模型确定所述待识别图像中每个对象的包围框；根据所述每个对象的包围框，识别所述每个对象的状态类型。2.根据权利要求1所述的方法，其特征在于，所述基于预设识别模型确定所述待识别图像中每个对象的包围框，包括：基于所述预设识别模型，将所述待识别图像编码成分辨率依次递减的至少一个第一特征图；将所述至少一个第一特征图按照分辨率从小到大的顺序依次解码融合为至少一个第二特征图；根据所述至少一个第二特征图，预测所述每个对象的包围框数据；根据所述包围框数据，确定所述待识别图像中每个对象的包围框。3.根据权利要求2所述的方法，其特征在于，所述将所述至少一个第一特征图按照分辨率从小到大的顺序依次解码融合为至少一个第二特征图，包括：按照分辨率从小到大的顺序，将第一个第一特征图解码融合为第一个第二特征图；将第二个第一特征图和所述第一个第二特征图解码融合为第二个第二特征图；将第三个第一特征图和所述第二个第二特征图解码融合为第三个第二特征图；以此类推，直到将第N个第一特征图和第N
‑
1个第二特征图解码融合为第N个第二特征图，其中，N表示所述第一特征图和所述第二特征图的数量。4.根据权利要求2所述的方法，其特征在于，所述包围框数据包括边框中心、边框宽度、边框高度和边框置信度；所述根据所述包围框数据，确定所述待识别图像中每个对象的包围框，包括：根据所述边框中心、所述边框宽度和所述边框高度，确定所述每个对象的初始包围框；根据所述边框置信度筛选所述初始包围框，得到所述每个对象的包围框。5.根据权利要求2所述的方法，其特征在于，所述根据所述每个对象的包围框，识别所述每个对象的状态类型，包括：根据所述每个对象的包围框，从所述第二特征图中裁切出所...

【专利技术属性】
技术研发人员：崔健，
申请(专利权)人：深圳小马易行科技有限公司，
类型：发明
国别省市：