【技术实现步骤摘要】
一种地面特征识别方法、装置、设备及存储介质
[0001]本专利技术涉及图像识别
,尤其涉及一种地面特征识别方法、装置、设备及存储介质。
技术介绍
[0002]随着车辆智能化的提升,在自动巡航、远程自动泊车和记忆泊车等功能越来越普及,而这些功能都需要对地面特征(如车位、车道线和地面标识等)进行识别。
[0003]传统的地面特征识别方法多采用传统的图像线特征提取,先对图像进行二值分割,使用比如霍夫(Hough)变换、边缘检测算子或者其他的特征检测算法进行线特征的检测,然后再根据一定的规则来进行筛选,这类方法实现起来比较麻烦,需要根据不同场景和识别任务调整规则和参数,而且识别效果比较差。
[0004]近来随着深度神经网络模型的发展,地面特征识别也更多采用网络模型的方式。但是车位、车道线和地面标志等要素多采用不同的模型进行识别,这样就需要训练多个神经网络模型,在车载计算平台上部署多个神经网络模型,给系统资源带来沉重开销。
技术实现思路
[0005]为了解决传统的地面特征识别方法识别效率低和资源开销大的问题,本专利技术提供了一种地面特征识别方法、装置、设备及存储介质,以降低模型复杂度,提升识别效率和精度,减少资源开销。
[0006]根据本专利技术的一方面,提供了一种地面特征识别方法,包括:
[0007]获取待识别地面图像;
[0008]通过目标地面特征点识别模型对所述待识别地面图像进行特征点识别,得到各项识别任务对应的地面特征点集;所述目标地面特征点识别模型通过多任 ...
【技术保护点】
【技术特征摘要】
1.一种地面特征识别方法,其特征在于,包括:获取待识别地面图像;通过目标地面特征点识别模型对所述待识别地面图像进行特征点识别,得到各项识别任务对应的地面特征点集;所述目标地面特征点识别模型通过多任务图像样本集迭代训练多任务卷积神经网络模型得到;根据各项识别任务对应的地面特征点集推算出所述待识别地面图像的各项地面特征。2.根据权利要求1所述的方法,其特征在于,通过多任务图像样本集迭代训练多任务卷积神经网络模型,包括:建立多任务卷积神经网络模型;将获取到的多任务图像样本集输入所述多任务卷积神经网络模型得到各项识别任务对应的地面特征预测结果;所述多任务图像样本集中的图像样本上标记有各项识别任务对应的地面特征标注结果;根据各项识别任务对应的地面特征预测结果和地面特征标注结果形成的总损失函数值训练所述多任务卷积神经网络模型的参数;所述总损失函数值是每一项识别任务对应的地面特征预测结果和地面特征标注结果形成的损失函数值之和;返回执行将所述多任务图像样本集输入所述多任务卷积神经网络模型得到各项识别任务对应的地面特征预测结果的操作,直至得到目标地面特征点识别模型。3.根据权利要求2所述的方法,其特征在于,根据各项识别任务对应的地面特征预测结果和地面特征标注结果形成的总损失函数值训练所述多任务卷积神经网络模型的参数,包括:采用批量训练方式训练所述多任务卷积神经网络模型的参数;若所述损失函数值小于第一目标损失阈值,对所述多任务卷积神经网络模型的总训练次数大于第一次数阈值,且连续预设数量的训练次数得到的总损失函数值的变化小于变化阈值,则切换为采用微调训练方式训练所述多任务卷积神经网络模型的参数;若所述总损失函数值小于第二目标损失阈值,微调训练次数大于第二次数阈值,则切换为批量训练方式训练所述多任务卷积神经网络模型的参数;若所述总损失函数值和/或所述训练次数达到预设阈值,则停止训练所述多任务卷积神经网络模型的参数,获得所述目标地面特征点识别模型;其中,所述第一目标损失阈值小于所述第二目标损失阈值;第一次数阈值小于所述第二次数阈值;所述批量训练方式对应的参数调整值大于所述微调训练方式对应的参数调整值。4.根据权利要求1
‑
2任一所述的方法,其特征在于,获取多任务图像样本集包括:通过设置在车辆上不同位置的多个相机,在不同的取样位置分别获取取样地面的单相机视野地面图像,获得单相机视野地面图像集;对所述单相机视野地面图像集中各所述相机针对同一取样位置采集的单相机视野地面图像进行图像拼接,获得全视野地面图像集;对所述全视野地面图像集中的每个全视野地面图像进行特征点集和特征点集类型的标注,得到多任务图像样本集。5.根据权利要求1所述的方法,其特征在于,所述多任务图像样本集中的图像样本包
括:正图像样本和负图像样本;其中,所述正图像样本标注有全部识别任务对应的地面特征标注结果;所述负图像样本未标注有全部识别任务对应的地面特征标注结果,且标注有至少一个识别任务对应的地面特征标注结果;所述正图像样本在所述多任务图像样本集的占比不低于预设占比阈值;所述图像样本的采集场景包括:地下停车场、地面停车场和路边停车场。6.根据权利要求1所述的方法,其特征在于,所述识别任务包括:车位角点识别任务、车道线点集识别任务和地面标识点集识别任务;所述根据各项识别任务对应的地面特征点集推算出所述待识别地面图像的各项地面特征,包括:根据所述车位角点识别任务对应的车位角点点集确定目标车位框;根据所述目标车位框对所述车道线识别任务对应的车道线点集进行优化,获得目标车道线;根据所述目标车位框和目标...
【专利技术属性】
技术研发人员:彭凡,云一宵,陈婧,
申请(专利权)人:亿咖通湖北技术有限公司,
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。