本申请涉及一种车轮属性检测模型的训练方法、车轮属性检测方法、计算机设备和存储介质。所述方法包括：获取待测图像，将待测图像输入至初始模型中，获得车轮相应的关键点的预测坐标，其中，关键点至少包括车轮中心点、车轮接地点，待测图像包括车轮的图像信息；根据关键点的预测坐标和关键点的实际坐标，获得关键点的损失坐标，其中，关键点的实际坐标根据原始图像获得；根据关键点的损失坐标，对初始模型进行迭代训练，得到车轮属性检测模型，其中，车轮属性检测模型用于获取车轮属性信息。采用本方法能够进一步对被遮挡的车轮的接地点等车轮属性进行检测。轮属性进行检测。轮属性进行检测。
【技术实现步骤摘要】
一种车轮属性检测模型的训练方法、车轮属性检测方法
[0001]本申请涉及自动驾驶
，特别是涉及一种车轮属性检测模型的训练方法、车轮属性检测方法、计算机设备和存储介质。
技术介绍
[0002]在自动驾驶场景中，车辆在当前车道行驶时，需要对其他车辆的位置、速度等驾驶信息进行判断，以做出相应的控制动作，避免发生碰撞事故。目前，可以通过车轮检测技术，获取车辆图像对车辆的车轮接地点、车轮中心点等进行预测，从而计算出车辆的位置、速度、朝向等信息，但该技术主要针对获取的完整车辆图像的车轮进行检测，在车辆近距离驾驶或有遮挡物的情况下，车辆图像可能存在截断、遮挡等，此时则难以对车轮接地点、车轮中心点等进行检测。
技术实现思路
[0003]基于此，提供一种车轮属性检测模型的训练方法、车轮属性检测方法、计算机设备和存储介质，改善现有技术中难以对不完整车轮图像进行车轮属性检测的问题。
[0004]第一方面，提供一种车轮属性检测模型的训练方法，所述方法包括：
[0005]获取待测图像，将所述待测图像输入至初始模型中，获得车轮相应的关键点的预测坐标，其中，所述关键点至少包括车轮中心点、车轮接地点，所述待测图像包括车轮的图像信息；
[0006]根据所述关键点的预测坐标和所述关键点的实际坐标，获得所述关键点的损失坐标，其中，所述关键点的实际坐标根据原始图像获得；
[0007]根据所述关键点的损失坐标，对所述初始模型进行迭代训练，得到所述车轮属性检测模型，其中，所述车轮属性检测模型用于获取车轮属性信息。
[0008]结合第一方面，在第一方面的第一种可实施方式中，获取待测图像，将所述待测图像输入至初始模型中，获得车轮相应的关键点的预测坐标，包括：获取所述待测图像，将所述待测图像输入至所述初始模型中进行特征提取，获得相应的感兴趣区域，其中，所述感兴趣区域包括所述车轮相应的所述关键点；根据所述感兴趣区域生成相应的所述关键点的预测热力图；根据所述预测热力图获得相应的所述关键点的所述预测坐标。
[0009]结合第一方面，在第一方面的第二种可实施方式中，获取所述待测图像，将所述待测图像输入至所述初始模型中进行特征提取，获得相应的感兴趣区域，包括：若所述待测图像包括所述车轮的局部图像信息，则获取所述待测图像，将所述待测图像输入至所述车轮属性检测模型中，生成多个车轮边界框；根据所述多个车轮边界框，进行特征提取，获得相应的所述感兴趣区域。
[0010]结合第一方面，在第一方面的第三种可实施方式中，根据所述感兴趣区域生成相应的所述关键点的预测热力图，包括：根据所述感兴趣区域，对所述感兴趣区域的关键点进行分类，获得分类结果；根据所述分类结果生成相应的所述关键点的预测热力图。
[0011]结合第一方面，在第一方面的第四种可实施方式中，根据所述感兴趣区域生成相应的所述关键点的预测热力图，包括：根据所述感兴趣区域，确定所述感兴趣区域中的各个所述关键点；根据所述各个关键点，分别生成相应的所述预测热力图。
[0012]结合第一方面，在第一方面的第五种可实施方式中，根据所述预测热力图获得相应的所述关键点的预测坐标之后，包括：确定以所述车轮中心点的所述预测坐标为中心的所述感兴趣区域，并获得所述感兴趣区域的预测边界框和预测边界框信息；根据所述预测边界框信息和所述车轮中心点的所述预测坐标，对所述感兴趣区域的所述预测边界框进行回归计算，获得车轮属性信息，其中，所述车轮属性信息至少包括车轮轴长、车轮旋转角度。
[0013]结合第一方面，在第一方面的第六种可实施方式中，获取待测图像，将所述待测图像输入至初始模型中，获得车轮相应的关键点的预测坐标，包括：获取所述待测图像，将所述待测图像输入所述初始模型的骨干网络进行特征提取，获得所述待测图像的第一特征图；将所述第一特征图进行图像修复，获得第二特征图；计算所述第二特征图与所述原始图像的相似度，并根据所述相似度得到相似度损失；根据所述相似度损失对所述骨干网络进行训练，获得训练好的所述骨干网络。
[0014]结合第一方面，在第一方面的第七种可实施方式中，计算所述第二特征图与所述原始图像的相似度，并根据所述相似度得到相似度损失，包括：计算所述第二特征图的第一区域和第二区域之和与所述原始图像的相似度，并根据所述相似度得到所述相似度损失，其中，所述第一区域根据所述待测图像中的车辆元素获得，所述第二区域根据所述第二特征图中的车辆元素获得。
[0015]结合第一方面，在第一方面的第八种可实施方式中，根据所述关键点的所述损失坐标对所述车轮属性检测模型进行迭代训练的步骤中，采用的损失函数包括：
[0016][0017]其中，n为所述关键点的总数，y
i
为所述关键点的所述实际坐标，为所述关键点的所述预测坐标。
[0018]结合第一方面，在第一方面的第九种可实施方式中，采集原始图像，其中，所述原始图像包括车辆元素；将所述原始图像进行随机裁剪，获得所述待测图像，以使所述待测图像中包括所述车轮的局部图像信息。
[0019]第二方面，提供了一种车轮属性检测方法，所述方法包括：
[0020]采集原始图像，其中，所述原始图像包括车辆元素；
[0021]将所述原始图像根据权利要求1至10任一项所述的车轮属性检测模型的训练方法所获得的车轮属性检测模型中，得到所述原始图像的关键点的预测坐标。
[0022]结合第二方面，在第二方面的第一种可实施方式中，还包括：将所述原始图像输入根据权利要求1至11任一项所述的车轮属性检测模型的训练方法所获得的车轮属性检测模型中，得到相应的置信度阈值以及所述置信度阈值对应的车轮属性信息。
[0023]结合第二方面，在第二方面的第二种可实施方式中，得到所述原始图像的车轮属性信息的步骤包括：得到所述原始图像的车轮属性信息的步骤包括：获取所述原始图像，对所述原始图像进行识别分类，获得车轮图像，并根据所述车轮图像生成相应的热力图；根据
所述热力图，获得车轮的所述关键点的所述预测坐标，所述关键点包括车轮中心点、车轮接地点；确定以所述车轮中心点为中心的边界框，并根据所述边界框获得车轮属性信息，其中，车轮属性信息包括车轮轴长、车轮旋转角角度。
[0024]第三方面，提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如一方面或者第一方面的任一项可实施方式所述的车轮属性检测模型的训练方法，或者，实现如第二方面或者第二方面的任一项可实施方式所述的车轮属性检测方法的步骤。
[0025]第四方面，提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面或者第一方面的任一项可实施方式所述的车轮属性检测模型的训练方法，或者，实现如第二方面或者第二方面的任一项可实施方式所述的车轮属性检测方法的步骤。
[0026]上述车轮属性检测模型的训练方法、车轮属性检测方法、计算机设备和存储介质，可以应用于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种车轮属性检测模型的训练方法，其特征在于，包括：获取待测图像，将所述待测图像输入至初始模型中，获得车轮相应的关键点的预测坐标，其中，所述关键点至少包括车轮中心点、车轮接地点，所述待测图像包括车轮的图像信息；根据所述关键点的预测坐标和所述关键点的实际坐标，获得所述关键点的损失坐标，其中，所述关键点的实际坐标根据原始图像获得；根据所述关键点的损失坐标，对所述初始模型进行迭代训练，得到车轮属性检测模型，其中，所述车轮属性检测模型用于获取车轮属性信息。2.如权利要求1所述的车轮属性检测模型的训练方法，其特征在于，获取待测图像，将所述待测图像输入至初始模型中，获得车轮相应的关键点的预测坐标，包括：获取待测图像，将所述待测图像输入至所述初始模型中进行特征提取，获得相应的感兴趣区域，其中，所述感兴趣区域包括所述车轮相应的所述关键点；根据所述感兴趣区域生成相应的所述关键点的预测热力图；根据所述预测热力图获得相应的所述关键点的预测坐标。3.如权利要求2所述的车轮属性检测模型的训练方法，其特征在于，获取所述待测图像，将所述待测图像输入至所述初始模型中进行特征提取，获得相应的感兴趣区域，包括：若所述待测图像包括所述车轮的局部图像信息，则获取所述待测图像，将所述待测图像输入至所述车轮属性检测模型中，生成多个车轮边界框；根据所述多个车轮边界框，进行特征提取，获得相应的所述感兴趣区域。4.如权利要求2所述的车轮属性检测模型的训练方法，其特征在于，根据所述感兴趣区域生成相应的所述关键点的预测热力图，包括：根据所述感兴趣区域，对所述感兴趣区域的所述关键点进行分类，获得分类结果；根据所述分类结果生成相应的所述关键点的预测热力图。5.如权利要求2所述的车轮属性检测模型的训练方法，其特征在于，根据所述感兴趣区域生成相应的所述关键点的预测热力图，包括：根据所述感兴趣区域，确定所述感兴趣区域中的各个所述关键点；根据所述各个关键点，分别生成相应的所述预测热力图。6.如权利要求2所述的车轮属性检测模型的训练方法，其特征在于，根据所述预测热力图获得相应的所述关键点的预测坐标之后，包括：确定以所述车轮中心点的所述预测坐标为中心的所述感兴趣区域，并获得所述感兴趣区域的预测边界框和预测边界框信息；根据所述预测边界框信息和所述车轮中心点的所述预测坐标，对所述感兴趣区域的预测边界框进行回归计算，获得车轮属性信息，其中，所述车轮属性信息至少包括车轮轴长、车轮旋转角度。7.如权利要求1所述的车轮属性检测模型的训练方法，其特征在于，获取待测图像，将所述待测图像输入至初始模型中，获得车轮相应的关键点的预测坐标，包括：获取所述待测图像，将所述待测图像输入所述初始模型的骨干网络进行特征提取，获得所述待测图像的第一特征图；将所述第一特征图进行图像修复，获得第二特征图；
...
【专利技术属性】
技术研发人员：左文航，
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：
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。