一种新的无人公交系统快速语义分割方法、系统及存储介质技术方案

本发明专利技术涉及一种新的无人公交系统快速语义分割方法、系统及存储介质，所述方法包括M1.无人公交行驶在道路上，基于车载摄像头实时获取道路图像数据信息，将所述道路图像数据信息输入HRNetv2

【技术实现步骤摘要】
一种新的无人公交系统快速语义分割方法、系统及存储介质


[0001]本专利技术涉及无人公交
，尤其是涉及一种新的无人公交系统快速语义分割方法、系统及存储介质。

技术介绍

[0002]语义分割技术在面向自动驾驶在城市交通场景中有着非常重要的作用，目前分割效果较好的语义分割网络，都有比较高的准确率，但这种神经网络算法具有庞大的模型参数量，和计算量，需要在车载系统中配备强大的计算力，计算资源消耗高，成本高，能效低，为了使得车载系统在交通环境下，达到实时语义目标提取的效果，轻量化和实时性成为语义分割任务中除了分割精度以外的最重要的评价因素。为了语义分割任务有针对性的设计特征提取模块，利用这些特征提取模块构建一个特征提取骨干网络。融合多尺度组，以及多尺度以及上下文特征，可加强该尺度下的特征表示能力。
[0003]现有技术一，专利（CN111275711B）公开了基于轻量级卷积神经网络模型的实时图像语义分割算法，1）从GitHub开源网站下载预训练后的ESPNETv2通用网络模块；2)设计以左右结果搭建的共享链接自适应单元；3）搭建轻量级卷积神本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种新的无人公交系统快速语义分割方法，其特征在于，所述方法包括：M1.无人公交行驶在道路上，基于车载摄像头实时获取道路图像数据信息，将所述道路图像数据信息输入HRNetv2
‑
W18主干网进行不同尺寸的下采样特征提取，输出道路图像的下采样特征图组；M2.将所述道路图像的下采样特征图组输入OCR网络进行上下文目标像素特征增强，输出增强后的道路图像数据信息；M3.将所述增强后的道路图像数据信息输入CBAM网络进行通道和空间的两个独立维度的训练，输出道路图像的注意力图数据信息；M4.将所述道路图像的注意力图数据信息乘以所述增强后的道路图像数据信息并进行自适应特征修饰，输出道路综合特征图像数据信息；M5.基于所述道路综合特征图像数据信息，采用数据增广算法和数据后处理算法进行图像分类处理，输出道路图像语义分割数据信息。2.根据权利要求1所述的新的无人公交系统快速语义分割方法，其特征在于，在步骤M5中，所述数据后处理算法包括：M51.基于所述道路综合特征图像数据信息，根据像素值的不同分离出不同类别的目标，输出目标图像数据信息；M52.基于所述目标图像数据信息，利用形态学开闭环运算去除杂点，输出去除杂点后的目标图像数据信息；M53.基于所述去除杂点后的目标图像数据信息，利用轮廓面积排列获取置信度高的目标图像数据信息；M54.将所述置信度高的目标图像数据信息进行等间距整理，输出道路图像语义分割数据信息。3.根据权利要求1所述的新的无人公交系统快速语义分割方法，其特征在于，在步骤M5中，所述数据增广算法为将所述道路综合特征图像数据信息依次进行图像镜像类、颜色空间变换、图像裁剪缩放类、图像线性变换类、图像裁剪类和图像混叠类的处理。4.根据权利要求1所述的新的无人公交系统快速语义分割方法，其特征在于，在步骤M1中，所述输入HRNetv2
‑
W18主干网进行不同尺寸的下采样特征提取包括：M11.将所述道路图像数据信息输入HRNetv2
‑
W18主干网的第一个模块后输出尺度为4倍下采样特征图，8倍下采样特征图，即第一图像组；M12.将所述第一图像组输入HRNetv2
‑
W18主干网的第二模块后输出尺度为4倍下采样特征图，8倍下采样特征图，16倍下采样特征图，即第二图像组；M13.将所述第二图像组输入HRNetv2
‑
W18主干网的第三个模块后输出尺度为4倍下采样特征图，8倍下采样特征图，16倍下采样...

【专利技术属性】
技术研发人员：熊迹，徐昀，骆嫚，王科未，
申请(专利权)人：东风悦享科技有限公司，
类型：发明
国别省市：