一种智能驾驶前视图像感知的检测方法技术

本发明专利技术涉及图像检测技术领域，尤其涉及一种智能驾驶前视图像感知的检测方法。所述方法包括：(1)获取前视摄像头采集到的需要感知的前视图像；(2)在所述前视图像上确定一个远点，以所述远点所在的横坐标为分界线，将所述前视图像分为上区域和下区域两个区域；(3)将所述前视图像输入卷积神经网络模型中进行检测，并从所述前视图像中获取多个第一目标图片和多个第二目标图片，所述第一目标图片经过第一检测路径输出，第二目标图片从第二检测路径输出；(4)对从第一检测路径输出的第一目标图片和从第二检测路径输出的第二目标图片进行融合处理，得到最终结果。本发明专利技术方法不仅能够提升检测速度，保持了图像的原始信息，且检测结果更完整。果更完整。果更完整。

【技术实现步骤摘要】
一种智能驾驶前视图像感知的检测方法


[0001]本专利技术涉及图像检测
，尤其涉及一种智能驾驶前视图像感知的检测方法。

技术介绍

[0002]高级驾驶辅助系统(ADAS)在卷积神经网络的加持下已飞速发展了几年，现如今拥有辅助驾驶系统几乎是所有汽车的标准配置，而客户都在追求更高的性能以及更好的驾驶体验。能够让客户满意的ADAS系统必然不能缺少一套更快、更准的视觉算法。
[0003]在现有技术中，由于车端域控制器算力的限制，使得所有ADAS厂商都选择使用轻量化的小模型来进行视觉感知。轻量化的模型需要的算力更低，检测速度更快，但是缺点是检测准确率比不上大模型，能够检测的图片分辨率也比较低。针对小模型缺点的优化也是存在的，首先是可以在高分辨率的原图上切出一块小的区域送入到小模型中进行检测，这样保证了模型检测的速度不受原图大小的影响；另外就是先将原图进行分辨率调整，降低分辨率之后再送入小模型中进行检测。
[0004]上述的几种方式虽然解决了部分小模型的问题，但是也出现了新的问题。对于切图的方式，虽然保证了原图物体的分辨率，但是图片区域不完整或造成漏检，无法完整的将前方区域内的物体全部检测出；对于缩小原图分辨率的方式，解决了检测完整性的问题，但是缩小分辨率之后原本在大图上就小的物体变得更小，也就更加难以检测出来，这就造成了在图像中远处的小物体不能被正确识别的问题。
[0005]鉴于此，特提出本专利技术的智能驾驶前视图像感知的检测方法。

技术实现思路

[0006]针对上述现有技术存在的问题，本专利技术提供一种智能驾驶前视图像感知的检测方法，不仅能够提升检测速度，并且不对检测的分辨率以及尺寸做更改，保持了图像的原始信息。同时，本专利技术提出对应的后处理策略，用于融合远点上方区域和下方区域的检测结果，使得检测结果更全面完整。
[0007]本专利技术是通过如下技术方案来实现的：
[0008]一种智能驾驶前视图像感知的检测方法，包括以下步骤：
[0009](1)获取前视摄像头采集到的需要感知的前视图像；
[0010](2)在所述前视图像上确定一个远点，以所述远点所在的横坐标为分界线，将所述前视图像分为上区域和下区域两个区域；
[0011](3)将所述前视图像输入卷积神经网络模型中进行检测，并从所述前视图像中获取多个第一目标图片和多个第二目标图片，所述第一目标图片经过第一检测路径输出，所述第二目标图片从第二检测路径输出；
[0012](4)对从所述第一检测路径输出的第一目标图片和从所述第二检测路径输出的第二目标图片进行融合处理，得到最终结果。
[0013]为了在保证较好的检测效果基础上，又可以节省更多的算力，本专利技术中将前视图像分为上下两个区域，并且定义了以远点所在的横坐标作为分割的区域的边界线，远点以上的区域为上区域，远点以下的区域为下区域。
[0014]进一步地，所述远点位于驾驶车辆所在道路尽头的上方，所述远点的位置通过摄像头安装位置和参数来确定。这样能够确保需要检测的目标是位于远点下方的区域中。
[0015]在辅助驾驶系统前视图像感知的检测任务中，需要使用矩形框框出目标所在的位置，得到一系列目标图片。为了更好的表述本专利技术，进一步地，所述第一目标图片位于所述前视图像的上区域，所述第二目标图片位于所述前视图像的下区域。
[0016]更进一步地，本专利技术在检测过程中，采用将上下方区域中框出的所述第一目标图片和所述第二目标图片，分别送入不同的检测路径，且用于检测所述第一目标图片的所述第一检测路径为经过卷积计算和m倍下采样计算后输出。
[0017]用于检测所述第二目标图片的所述第二检测路径为经过卷积计算和m*n采样计算后输出。本专利技术将来自不同区域的目标图片分别送入不同的检测路径，通过采用提取层不同的卷积网络进行检测，可以节省一部分的算力。
[0018]优选地，m为大于或等于2的偶数，m的取值可以为2、4或8，n为大于1的自然数，n的取值可以为16、32或64。
[0019]为了得到完整的检测结果，本专利技术需要对从所述第一检测路径输出的第一目标图片和从所述第二检测路径输出的第二目标图片进行融合处理，得到最终结果。融合方法的选取关系到了最终结果是否满足要求，首先并不是所有的检测结果都需要进行融合，只有那些被远点上下区域的分界线分成了两部分的目标图片需要融合上下两部分的结果，最后映射回原图。需要做融合处理的目标图片都有一个共同的特征，那就是目标图片有一条边框是上下区域分割的边界。所以在上下区域框出的目标片中，如果有一条边框是与区域边界线重合的，那么这个目标图片就需要进行融合的处理。因为下方区域提取的特征相对而言会更准确，所以在融合时以下方区域的第二目标图片为主，上方区域的第一目标图片为辅。
[0020]所述融合处理为，对所述第一目标图片和所述第二目标图片进行配对，设置一个重合阈值，并根据进行配对的所述第一目标图片和所述第二目标图片在所述分界线上的重合度与重合阈值的比较，来判断融合的最终结果。可以有如下几种判断结果：
[0021]若存在与所述第二目标图片能够配对的所述第一目标图片，(1)且所述第一目标图片和所述第二目标图片在所述分界线上的重合度大于设定的重合阈值，则以所述第一目标图片的下边框和所述第二目标图片的上边框进行重合以得到新的目标图片，且选取所述第一目标图片的上边框和所述第二目标图片的下边框分别作为新的目标图片的上边框和下边框，以融合后的新的目标图片为最终结果；(2)所述第一目标图片和所述第二目标图片在所述分界线上的重合度小于或等于设定的重合阈值，则以所述第二目标图片作为融合结果。
[0022]作为另外一种优选方案，若所述第二目标图片的上边框与所述边界线重合，并且没有满足融合要求的所述第一目标图片与之配对，则以所述第二目标图片为融合结果。
[0023]作为另外一种优选方案，若所述第一目标图片的下边框与所述边界线重合，并且没有满足融合要求的所述第二目标图片与之配对，则舍弃该结果。
[0024]相对于现有技术，本专利技术的有益效果为：
[0025](1)针对高分辨率图片检测速度达不到要求的问题，是因为需要更多的算力，现有的网络神器卷积计算一般会对原图进行stride32的下采样；而本专利技术将来自分界线以上区域的第一目标图片和来自分界线以下区域的第二目标图片，分别输送至对应不同的检测路径，采用对应不同的计算方式：比如，用于检测第一目标图片的检测路径采用在stride8的卷积计算之后，远点上方的区域就不再继续后面的特征提取计算，可以节省大约一半的计算需求，提升了检测速度，从而可以解决高分辨率图像检测速度慢的问题。
[0026](2)针对现有技术切图导致检测不完整和缩放导致小目标无法被识别的问题，本专利技术而是通过选定远点，将前视图像在远点所在横坐标为分界线分成上下区域，然后利用后续的融合处理，达到了完整清晰的检测图像感知的目的，避免了采用切图和缩放分辨率所带来的问题。
附图说明
[0027]下面结合附本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能驾驶前视图像感知的检测方法，其特征在于，包括以下步骤：(1)获取前视摄像头采集到的需要感知的前视图像；(2)在所述前视图像上确定一个远点，以所述远点所在的横坐标为分界线，将所述前视图像分为上区域和下区域两个区域；(3)将所述前视图像输入卷积神经网络模型中进行检测，并从所述前视图像中获取多个第一目标图片和多个第二目标图片，所述第一目标图片经过第一检测路径输出，所述第二目标图片从第二检测路径输出；(4)对从所述第一检测路径输出的第一目标图片和从所述第二检测路径输出的第二目标图片进行融合处理，得到最终结果。2.根据权利要求1所述的一种智能驾驶前视图像感知的检测方法，其特征在于，所述远点位于驾驶车辆所在道路尽头的上方，所述远点的位置通过摄像头安装位置和参数来确定。3.根据权利要求1所述的一种智能驾驶前视图像感知的检测方法，其特征在于，所述第一目标图片位于所述前视图像的上区域，所述第二目标图片位于所述前视图像的下区域。4.根据权利要求1所述的一种智能驾驶前视图像感知的检测方法，其特征在于，所述第一检测路径为经过卷积计算和m倍下采样计算后输出。5.根据权利要求1所述的一种智能驾驶前视图像感知的检测方法，其特征在于，所述第二检测路径为经过卷积计算和m*n倍下采样计算后输出。6.根据权利要求4或5所述的一种智能驾驶前视图像感知的检测方法，其特征在于，m为大于或等于2的偶数，n为大...

【专利技术属性】
技术研发人员：李超，梁子镇，刘宇，胡文烨，
申请(专利权)人：常州星宇车灯股份有限公司，
类型：发明
国别省市：