一种自动驾驶图像识别方法、装置及识别设备制造方法及图纸

本发明专利技术涉及图像数据处理技术领域，具体提供一种自动驾驶图像识别方法、装置及识别设备，方法包括以下步骤：基于提取模块对车身周视多视图的多尺度特征进行提取；基于多头注意力模块对多尺度特征识别后输出鸟瞰图特征；基于上采样编码器和分割头对鸟瞰图特征进行上采样和语义分割。本发明专利技术先由一个深度卷积网络对车身周视多视图进行多尺度特征提取，然后利用多头注意力网络提取周视图像之间的特征关联和深度信息从而生成鸟瞰图特征，最后对鸟瞰图特征进行上采样并接分割头进行语义分割，实现了实时高效地进行端到端多视图到鸟瞰图的转换并识别。转换并识别。转换并识别。

【技术实现步骤摘要】
一种自动驾驶图像识别方法、装置及识别设备


[0001]本专利技术属于图像数据处理
，具体涉及一种自动驾驶图像识别方法、装置及识别设备。

技术介绍

[0002]目前在自动驾驶中的3D目标识别领域，实时高性能的多摄融合识别方法一直是一个具有挑战的话题。近年来随着深度学习的发展，注意力机制也被应用到自动驾驶中的3D目标识别，目前类似的方法存在两种方向：
[0003]一、(CN202210501805.9基于鸟瞰图的多视角3D目标检测方法、存储器及系统)是利用相机内外参数手动将2D图像特征图转到鸟瞰图(bird
‑
eye view,BEV)空间，然后在利用注意力机制进行BEV特征的优化，这种方法由于内外参的标定存在误差导致方法先天存在精度的问题。
[0004]二、(CN202110043727.8一种基于注意力机制和关系网络的自动驾驶图像识别方法)是利用注意力机制获取2D图像特征图潜在的特征，然后手动构造关系网络，最后使用感知机(multi
‑
layer perceptron,MLP)获取BEV本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种自动驾驶图像识别方法，其特征在于，应用于识别设备，所述设备包括依次通讯连接的提取模块(10)、多头注意力模块(20)、上采样编码器(30)和分割头(40)，所述提取模块(10)内耦合有卷积网络(11)和多层感知机(12)，所述方法包括以下步骤：S1，基于所述提取模块(10)对车身周视多视图的多尺度特征进行提取；S2，基于所述多头注意力模块(20)对所述多尺度特征识别后输出鸟瞰图特征；S3，基于所述上采样编码器(30)和所述分割头(40)对所述鸟瞰图特征进行上采样和语义分割。2.根据权利要求1所述的自动驾驶图像识别方法，其特征在于，所述多尺度特征包括key、value和query，其中，所述key和所述value基于所述卷积网络(11)生成，所述query基于深度卷积网络和多层感知机(12)生成。3.根据权利要求2所述的自动驾驶图像识别方法，其特征在于，所述key和所述query的位置编码分别基于所述多视图的世界坐标点、像素坐标、比例因子、相机内参、外参旋转矩阵和位移向量生成。4.根据权利要求3所述的自动驾驶图像识别方法，其特征在于，所述多层感知机(12)包括正则模块...

【专利技术属性】
技术研发人员：管恒，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：