一种闸机栏杆状态检测方法、模型训练方法及相关装置制造方法及图纸

本发明专利技术公开了一种闸机栏杆状态检测方法、模型训练方法及相关装置，其中，方法包括：获取待分割图像；使用训练好的语义分割网络模型对待分割图像进行语义分割，得到分割结果图像；根据分割结果图像生成每个闸机栏杆的坐标信息；坐标信息包括固定端中心点坐标和至少一个另外的中心点坐标；根据每个闸机栏杆的坐标信息确定每个闸机栏杆的倾斜角；根据每个闸机栏杆的倾斜角和预设状态阈值确定每个闸机栏杆的状态，将每个闸机栏杆的状态传输给车辆感知系统。本发明专利技术可以辅助自动驾驶车辆完成安全通过车辆闸机栏杆，避免产生误碰危险。避免产生误碰危险。避免产生误碰危险。

【技术实现步骤摘要】
一种闸机栏杆状态检测方法、模型训练方法及相关装置


[0001]本专利技术涉及人工智能领域，具体涉及一种闸机栏杆状态检测方法、模型训练方法及相关装置。

技术介绍

[0002]相比传统机器视觉检测方法，基于深度学习的目标状态识别方法在精度上有着巨大的提升，同时随着芯片等硬件设备的不断发展，使图像推理在保持高精度的前提下，其推理速度也得到了较大的提升，为实现自动驾驶以及更高级别的无人驾驶提供了良好基础。
[0003]传统车辆通行车辆闸机栏杆主要依靠传感器识别车牌号，实现自动放行，这种方式多依赖闸机自身的识别系统能力。而自动驾驶车辆在进出住宅区、写字楼、停车场等环境时，其感知系统也需要对闸机栏杆的状态进行识别，确定其是否满足车辆通行条件。但目前自动驾驶感知系统中，暂时没有对栏杆状态的识别技术，仅仅依靠闸机栏杆识别系统，会有潜在车辆和栏杆的误碰危险。
[0004]自动驾驶车辆通行车辆闸机栏杆时，不仅需要闸机识别系统对车辆信息进行识别，而且自动驾驶感知系统中也需要实现对车辆闸机栏杆状态的识别。

技术实现思路
/>[0005]本专本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种闸机栏杆状态检测方法，其特征在于，包括：获取待分割图像；其中，所述待分割图像是目标区域的图像，所述目标区域内包含闸机栏杆；使用训练好的语义分割网络模型对所述待分割图像进行语义分割，得到分割结果图像；根据所述分割结果图像生成每个闸机栏杆的坐标信息；所述坐标信息包括固定端中心点坐标和至少一个另外的中心点坐标；根据所述每个闸机栏杆的坐标信息确定每个闸机栏杆的倾斜角；根据所述每个闸机栏杆的倾斜角和预设状态阈值确定每个闸机栏杆的状态，将所述每个闸机栏杆的状态传输给车辆感知系统。2.根据权利要求1所述的方法，其特征在于，所述根据所述分割结果图像生成每个闸机栏杆的坐标信息，包括：在所述分割结果图像中确定每个闸机栏杆对应的像素区域；基于所述闸机栏杆对应的像素区域确定闸机栏杆的所述固定端中心点和所述至少一个另外的中心点；在所述分割结果图像中确定每个闸机栏杆对应的所述固定端中心点的坐标和至少一个另外的中心点的坐标。3.根据权利要求1所述的方法，其特征在于，所述根据所述每个闸机栏杆的坐标信息确定每个闸机栏杆的倾斜角，包括：构建闸机栏杆的水平基准线；所述水平基准线是基于闸机栏杆的所述固定端中心点确定的水平直线段；构建每个闸机栏杆的中心线；所述闸机栏杆的中心线是根据每个闸机栏杆的所述固定端中心点坐标和至少一个另外的中心点坐标确定的水平直线段；根据所述坐标信息计算所述闸机栏杆的中心线与所述水平基准线之间的夹角，将所述夹角作为所述闸机栏杆的倾斜角。4.根据权利要求1所述的方法，其特征在于，所述根据所述每个闸机栏杆的倾斜角和预设状态阈值确定每个闸机栏杆的状态，包括：判断所述每个闸机栏杆的倾斜角是否全部在所述预设角度阈值内；若是，确定所述闸机栏杆的状态为可通行状态；若否，确定所述闸机栏杆的状态为禁止通行状态。5.根据权利要求1所述的方法，其特征在于，所述使用训练好的语义分割网络模型对所述待分割图像进行语义分割之前，包括：使用样本数据对预先构建的语义分割网络模型进行训练，以得到所述训练好的语义分割网络模型。6.根据权利要求1所述的方法，其特征在于，所述根据所述分割结果图像生成每个闸机栏杆的坐标信息之前，包括：根据所述分割结果图像判断所述待分割图像中是否存在闸机栏杆；若存在，转向所述根...

【专利技术属性】
技术研发人员：汪浩，黄文函，吴肖，袁金伟，张振林，
申请(专利权)人：中汽创智科技有限公司，
类型：发明
国别省市：