本发明专利技术提供一种基于场景工程的矿山无人驾驶语义分割方法及装置，所述方法包括：确定无人驾驶行驶图片对应的矿山场景；若矿山场景为晴天场景，则将无人驾驶行驶图片输入至语义分割网络，得到第一语义分割结果；若矿山场景为夜晚场景或雨天场景，则将无人驾驶行驶图片转换为晴天场景图片，并将晴天场景图片输入至语义分割网络，得到第二语义分割结果；晴天场景图片与无人驾驶行驶图片的语义信息相同；其中，语义分割网络基于晴天场景样本图片以及对应的样本语义分割标签训练得到。本发明专利技术能够在无人驾驶对应矿山场景变化的情况下，准确对无人驾驶行驶图片准确进行语义分割，进而提高无人驾驶可信度。人驾驶可信度。人驾驶可信度。
【技术实现步骤摘要】
基于场景工程的矿山无人驾驶语义分割方法及装置
[0001]本专利技术涉及人工智能
，尤其涉及一种基于场景工程的矿山无人驾驶语义分割方法及装置。
技术介绍
[0002]无人驾驶是通过计算机视觉、自然语言处理等相关技术，使得汽车可以在没有人类驾驶员干预的情况下自主运行的自动驾驶技术。与普通道路无人驾驶相比，矿山无人驾驶作业成本高、危险系数大、无人驾驶应用率高。
[0003]语义分割能够识别和标记图像中的每一类物体，通过语义分割，机器可以学会感知和理解它所看到的世界，有利于完成基于感知的决策任务，因此目前多基于对无人驾驶行驶图片进行语义分割，以提高无人驾驶的可信度。然而，当驾驶场景发生变化时，例如遇到雨天、夜晚等场景时，对无人驾驶行驶图片语义分割的准确性会急剧下降，进而导致无人驾驶的可信度下降。
技术实现思路
[0004]本专利技术提供一种基于场景工程的矿山无人驾驶语义分割方法及装置，用以解决现有技术中驾驶场景变化时无人驾驶行驶图片语义分割精度降低导致无人驾驶可信度下降的缺陷。
[0005]本专利技术提供一种基于场景工程的矿山无人驾驶语义分割方法，包括：
[0006]确定无人驾驶行驶图片对应的矿山场景；
[0007]若所述矿山场景为晴天场景，则将所述无人驾驶行驶图片输入至语义分割网络，得到第一语义分割结果；
[0008]若所述矿山场景为夜晚场景或雨天场景，则将所述无人驾驶行驶图片转换为晴天场景图片，并将所述晴天场景图片输入至所述语义分割网络，得到第二语义分割结果；所述晴天场景图片与所述无人驾驶行驶图片的语义信息相同；
[0009]其中，所述语义分割网络基于晴天场景样本图片以及对应的样本语义分割标签训练得到。
[0010]根据本专利技术提供的一种基于场景工程的矿山无人驾驶语义分割方法，若所述矿山场景为夜晚场景，则所述将所述无人驾驶行驶图片转换为晴天场景图片，包括：
[0011]将所述无人驾驶行驶图片输入至第一编码器，由所述第一编码器对所述无人驾驶行驶图片进行特征提取，得到第一图片特征；
[0012]将所述第一图片特征输入至第一解码器，由所述第一解码器基于所述第一图片特征进行图片重建，得到所述晴天场景图片；
[0013]其中，所述第一编码器、所述第一解码器以及第二解码器构成夜晚图片转换网络，所述夜晚图片转换网络基于晴天场景样本图片和夜晚场景样本图片训练得到，所述第一解码器用于基于所述第一编码器提取的晴天场景样本图片的第一样本特征生成预测晴天图
片，所述第二解码器用于基于所述第一编码器提取的夜晚场景样本图片的第二样本特征生成预测夜晚图片。
[0014]根据本专利技术提供的一种基于场景工程的矿山无人驾驶语义分割方法，若所述矿山场景为雨天场景，则所述将所述无人驾驶行驶图片转换为晴天场景图片，包括：
[0015]将所述无人驾驶行驶图片输入至第二编码器，由所述第二编码器对所述无人驾驶行驶图片进行特征提取，得到第二图片特征；
[0016]将所述第二图片特征输入至所述第一解码器，由所述第一解码器基于所述第二图片特征进行图片重建，得到所述晴天场景图片；
[0017]其中，语义分割模块、第三解码器与所述第二编码器构成雨天特征提取网络，所述雨天特征提取网络基于雨天场景样本图片以及对应的语义分割标签训练得到，所述第二编码器用于提取所述雨天场景样本图片的第三样本特征，所述第三解码器用于基于所述第三样本特征生成预测雨天图片，所述语义分割模块用于基于所述第三样本特征对所述雨天场景样本图片进行语义分割，得到样本语义分割结果。
[0018]根据本专利技术提供的一种基于场景工程的矿山无人驾驶语义分割方法，所述将所述无人驾驶行驶图片输入至语义分割网络，得到第一语义分割结果，包括：
[0019]将所述无人驾驶行驶图片输入至所述语义分割网络的编码层，由所述编码层对所述无人驾驶行驶图片进行特征提取，得到所述编码层输出的行驶图片特征；
[0020]将所述行驶图片特征输入至所述语义分割网络的解码层，由所述解码层对所述行驶图片特征进行特征解码，得到所述解码层输出的所述第一语义分割结果。
[0021]根据本专利技术提供的一种基于场景工程的矿山无人驾驶语义分割方法，所述编码层包括多个模块，各模块依次包括第一归一化模块、注意力模块、第二归一化模块以及前馈神经网络模块；
[0022]所述第一归一化模块用于对上一行驶图片特征进行归一化处理，得到第一特征；所述注意力模块用于对所述第一特征进行注意力计算，得到注意力特征；所述第二归一化模块用于对所述注意力特征进行归一化处理，得到第二特征；所述前馈神经网络模块用于对所述第二特征进行维度缩减，得到当前行驶图片特征；当前模块中的上一行驶图片特征为上一模块中的当前行驶图片特征，首个模块中第一归一化模块的上一行驶图片特征为所述无人驾驶行驶图片的特征。
[0023]根据本专利技术提供的一种基于场景工程的矿山无人驾驶语义分割方法，所述注意力模块基于卷积神经网络的注意力机制构建得到。
[0024]根据本专利技术提供的一种基于场景工程的矿山无人驾驶语义分割方法，所述晴天场景样本图片基于如下步骤获取：
[0025]通过多个采集平台采集初始晴天场景样本图片；
[0026]对所述初始晴天场景样本图片进行数据清洗，得到所述晴天场景样本图片。
[0027]本专利技术还提供一种基于场景工程的矿山无人驾驶语义分割装置，包括：
[0028]场景确定单元，用于确定无人驾驶行驶图片对应的矿山场景；
[0029]第一分割单元，用于若所述矿山场景为晴天场景，则将所述无人驾驶行驶图片输入至语义分割网络，得到第一语义分割结果；
[0030]第二分割单元，用于若所述矿山场景为夜晚场景或雨天场景，则将所述无人驾驶
行驶图片转换为晴天场景图片，并将所述晴天场景图片输入至所述语义分割网络，得到第二语义分割结果；所述晴天场景图片与所述无人驾驶行驶图片的语义信息相同；
[0031]其中，所述语义分割网络基于晴天场景样本图片以及对应的样本语义分割标签训练得到。
[0032]本专利技术还提供一种电子设备，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程序时实现如上述任一种所述基于场景工程的矿山无人驾驶语义分割方法。
[0033]本专利技术还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上述任一种所述基于场景工程的矿山无人驾驶语义分割方法。
[0034]本专利技术还提供一种计算机程序产品，包括计算机程序，所述计算机程序被处理器执行时实现如上述任一种所述基于场景工程的矿山无人驾驶语义分割方法。
[0035]本专利技术提供的基于场景工程的矿山无人驾驶语义分割方法及装置，若矿山场景为晴天场景，则基于语义分割网络获取第一语义分割结果，若矿山场景为夜晚场景或雨天场景，则将无人驾驶行驶图片转换为保留相同语义信息的晴天场景图片后，基于本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于场景工程的矿山无人驾驶语义分割方法，其特征在于，包括：确定无人驾驶行驶图片对应的矿山场景；若所述矿山场景为晴天场景，则将所述无人驾驶行驶图片输入至语义分割网络，得到第一语义分割结果；若所述矿山场景为夜晚场景或雨天场景，则将所述无人驾驶行驶图片转换为晴天场景图片，并将所述晴天场景图片输入至所述语义分割网络，得到第二语义分割结果；所述晴天场景图片与所述无人驾驶行驶图片的语义信息相同；其中，所述语义分割网络基于晴天场景样本图片以及对应的样本语义分割标签训练得到。2.根据权利要求1所述的基于场景工程的矿山无人驾驶语义分割方法，其特征在于，若所述矿山场景为夜晚场景，则所述将所述无人驾驶行驶图片转换为晴天场景图片，包括：将所述无人驾驶行驶图片输入至第一编码器，由所述第一编码器对所述无人驾驶行驶图片进行特征提取，得到第一图片特征；将所述第一图片特征输入至第一解码器，由所述第一解码器基于所述第一图片特征进行图片重建，得到所述晴天场景图片；其中，所述第一编码器、所述第一解码器以及第二解码器构成夜晚图片转换网络，所述夜晚图片转换网络基于晴天场景样本图片和夜晚场景样本图片训练得到，所述第一解码器用于基于所述第一编码器提取的晴天场景样本图片的第一样本特征生成预测晴天图片，所述第二解码器用于基于所述第一编码器提取的夜晚场景样本图片的第二样本特征生成预测夜晚图片。3.根据权利要求2所述的基于场景工程的矿山无人驾驶语义分割方法，其特征在于，若所述矿山场景为雨天场景，则所述将所述无人驾驶行驶图片转换为晴天场景图片，包括：将所述无人驾驶行驶图片输入至第二编码器，由所述第二编码器对所述无人驾驶行驶图片进行特征提取，得到第二图片特征；将所述第二图片特征输入至所述第一解码器，由所述第一解码器基于所述第二图片特征进行图片重建，得到所述晴天场景图片；其中，语义分割模块、第三解码器与所述第二编码器构成雨天特征提取网络，所述雨天特征提取网络基于雨天场景样本图片以及对应的语义分割标签训练得到，所述第二编码器用于提取所述雨天场景样本图片的第三样本特征，所述第三解码器用于基于所述第三样本特征生成预测雨天图片，所述语义分割模块用于基于所述第三样本特征对所述雨天场景样本图片进行语义分割，得到样本语义分割结果。4.根据权利要求1至3任一项所述的基于场景工程的矿山无人驾驶语义分割方法，其特征在于，所述将所述无人驾驶行驶图片输入至语义分割网络，得到第一语义分割结果，包括：将所述无人驾驶行驶图片输入至所述语义分割...
【专利技术属性】
技术研发人员：陈龙，李露茜，田滨，
申请(专利权)人：中国科学院自动化研究所，
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。