【技术实现步骤摘要】
障碍物检测方法、系统、设备及存储介质
[0001]本申请涉及图像识别
，尤其涉及一种障碍物检测方法、系统、设备及存储介质。
技术介绍
[0002]环境感知是自动驾驶系统的基础与核心，而通用障碍物检测的有效检测又关乎到自动驾驶系统的安全性，通用障碍物可以包括行人、车辆、栏杆指示牌等。
[0003]目前基于视觉的障碍物检测通常是基于目标检测及图像语义分割算法实现的，其中，目标检测算法中需要识别的目标是人为设定限制的，仅识别需要检测的物体，图像语义分割算法是根据图像内容对指定目标进行像素标记，指定目标也是人为设定限制的，仅标注需要检测的物体。因此，目标检测及图像语义分割算法只能够给出特定标签类别的障碍物信息，无法检测标签类别外的障碍物，通用性较低。
技术实现思路
[0004]有鉴于此，本申请提供一种障碍物检测方法、系统、设备及存储介质，旨在提升障碍物检测方法的通用性，解决现有障碍物检测方法无法检测标签类别外的障碍物，通用性较低的技术问题。
[0005]本申请提供一种障碍物检测方法、系统、设备及...
【技术保护点】
【技术特征摘要】
1.一种障碍物检测方法，其特征在于，所述障碍物检测方法包括以下步骤：提取目标图像的深层特征图；对所述深层特征图进行多任务学习，得到所述目标图像的深度图和语义分割图；基于所述深度图和所述语义分割图进行障碍物检测，确定所述目标图像中的障碍物。2.如权利要求1所述的障碍物检测方法，其特征在于，所述对所述深层特征图进行多任务学习，得到所述目标图像的深度图和语义分割图的步骤，包括：将所述深层特征图作为多任务学习网络的第一层网络的输入，利用所述深层特征图分别进行深度任务的学习和语义分割任务的学习，生成深度特征图和语义分割特征图；将所述深度特征图和所述语义分割特征图作为所述多任务学习网络的下一层网络的输入，对所述深度特征图和所述语义分割特征图进行特征融合，得到第一融合特征图和第二融合特征图；利用所述第一融合特征图进行深度任务的学习，重新生成深度特征图；利用所述第二融合特征图进行语义分割任务的学习，重新生成语义分割特征图；返回执行步骤：将所述深度特征图和所述语义分割特征图作为所述多任务学习网络的下一层网络的输入，对所述深度特征图和所述语义分割特征图进行特征融合，得到第一融合特征图和第二融合特征图，直至得到所述多任务学习网络的最后一层网络输出的深度图和语义分割图。3.如权利要求2所述的障碍物检测方法，其特征在于，对所述深度特征图和所述语义分割特征图进行特征融合，得到第一融合特征图和第二融合特征图的步骤，包括：基于自注意力机制，对所述深度特征图和所述语义分割特征图进行类间特征加强，得到第一类间特征图和第二类间特征图，对所述深度特征图和所述语义分割特征图分别进行类内特征加强，得到第一类内特征图和第二类内特征图；将所述第一类间特征图和所述第一类内特征图基于通道维度进行拼接，对拼接得到的特征图进行卷积处理，得到第一融合特征图；将所述第二类间特征图和所述第二类内特征图基于通道维度进行拼接，对拼接得到的特征图进行卷积处理，得到第二融合特征图。4.如权利要求2所述的障碍物检测方法，其特征在于，在所述多任务学习网络的最后一层网络中，所述利用所述第一融合特征图进行深度任务的学习，重新生成深度特征图的步骤之后，还包括：对所述深度特征图进行卷积处理，得到单通道的深度特征图；对所述单通道的深度特征图进行映射处理，得到每一深度点的映射值；基于所述每一深度点的映射值和预设的最大距离，计算得到所述每一深度点的深度值，并对所述单通道的深度特征图进行更新，得到深度图。5.如权利要求2所述的障碍物检测方法，其特征在于，在所述多任务学习网络的最后一层网络中，利用所述第二融合特征图进行语义分割任务的学习，重新生成语义分割特征图的步骤之后，还包括：基于所述语义分割特征图，通过argmax函数生成语义分割图。6.如权利要求1所述的障碍物检测方法，其特征在于，所述语义分割图中的类别标签包括天空、地面和背景，所述基于所述深度图和所述语义分割图进行障碍物检测，确定所述目
标图像中的障碍物的步骤，包括：根据所述语义分割图，过滤去除所述深度图中归属于天空、地面和背景的深度点；将所述深度图中剩余的深度点投影到空间，生成3D障碍物。7.一种障碍物检测系统，其特征在于，所述系统包括：特征提取模块，用于提取目标图像的深层特征图；多任务学习模块，用于对所述深层特征图进行多任务学习，得到所述目标图像...
【专利技术属性】
技术研发人员：雷翔宇，赵显，
申请(专利权)人：上海高德威智能交通系统有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。