图像数据融合方法技术

本申请实施例提供了一种图像数据融合方法

【技术实现步骤摘要】
图像数据融合方法、装置、设备及计算机可读存储介质


[0001]本申请属于人工智能
，尤其涉及一种图像数据融合方法
、
装置
、
设备及计算机可读存储介质
。

技术介绍

[0002]车辆自动驾驶的实现主要依靠于车端智能和路端智能的实现
。
车端智能可以通过自车的图像采集设备来获取数据并做出分析，但受限于车辆自身的限制，自车的图像采集设备无法识别大范围内的目标，因此，需要路端智能进行补充
。
[0003]在路端智能中，通过安装在道路附近的图像采集设备来获取数据，并发送给附近车辆，以便车辆能够根据这些数据做出分析
。
然而，在路端智能的实现中，为了防止目标漏检，不同图像采集设备的采集区域可能会存在交叠，处于交叠区域的目标可能会被不同的图像采集设备同时检出，导致这一目标的数据被重复采集
。
如果不对重复采集的数据进行处理，可能会影响车辆数据分析的准确性
。

技术实现思路

[0004]本申请实施例提供了一种图像数据融合方法
、
装置
、
设备及计算机可读存储介质，能够对不同图像采集设备重复采集的对象进行融合，得到融合后的真实性与准确性较高的道路图像数据
。
[0005]第一方面，本申请实施例提供了一种图像数据融合方法，图像数据融合方法包括：获取多个图像采集设备采集的原始道路图像数据，至少两个图像采集设备的采集区域存在交叠；对每个原始道路图像数据进行对象识别，确定每个原始道路图像数据中的对象；对目标原始道路图像数据中的对象进行匹配，得到匹配结果，目标原始道路图像数据为多个图像采集设备中任意两个图像采集设备采集的原始道路图像数据；在匹配结果指示目标原始道路图像数据中的对象存在相匹配的第一对象的情况下，对目标原始道路图像数据中的第一对象进行融合，得到融合后的目标道路图像数据；将融合后的目标道路图像数据与任一非目标原始道路图像数据更新为目标原始道路图像数据，并返回对目标原始道路图像数据中的对象进行匹配，得到匹配结果，直至所有原始道路图像数据中的对象均完成匹配操作，得到最终的道路图像数据；非目标原始道路图像数据为多个原始道路图像数据中除目标原始道路图像数据以外的道路图像数据
。
[0006]根据本申请第一方面的实施方式，目标原始道路图像数据包括第一图像采集设备采集的第一原始道路图像数据，以及第二图像采集设备采集的第二原始道路图像数据，第一原始道路图像数据中包括
M
个对象，第二原始道路图像数据中包括
N
个对象，
M
和
N
均为正整数；对目标原始道路图像数据中的对象进行匹配，得到匹配结果，包括：构建
M
行
N
列的矩阵；根据第一原始道路图像数据中的
M
个对象的特征参数，以及第二原始道路图像数据中的
N
个对象的特征参数，确定
M
个对象中的任一个对象与
N
个对象中的任一个对象之间的相对距离参数；将第一原始道路图像数据中的第
m
个对象与第二原始道路图像数据中的第
n
个对
象之间的相对距离参数，作为矩阵中第
m
行
n
列的元素的初始值，得到初始矩阵，
0<m≤M
，
0<n≤N
，且
m
和
n
均为正整数；将初始矩阵输入至预设匹配算法，得到第一原始道路图像数据中的
M
个对象与第二原始道路图像数据中的
N
个对象的匹配结果
。
[0007]根据本申请第一方面前述任一实施方式，特征参数包括位置信息，根据第一原始道路图像数据中的
M
个对象的特征参数，以及第二原始道路图像数据中的
N
个对象的特征参数，确定
M
个对象中的任一个对象与
N
个对象中的任一个对象之间的相对距离参数，包括：根据第一原始道路图像数据中的
M
个对象的位置信息，以及第二原始道路图像数据中的
N
个对象的位置信息，计算
M
个对象中的任一个对象与
N
个对象中的任一个对象之间的相对距离，得到相对距离参数
。
[0008]根据本申请第一方面前述任一实施方式，特征参数还包括方向信息，在将初始矩阵输入至预设匹配算法之前，图像数据融合方法还包括：根据第一原始道路图像数据中的
M
个对象的方向信息，以及第二原始道路图像数据中的
N
个对象的方向信息，计算
M
个对象中的任一个对象的方向与
N
个对象中的任一个对象的方向之间的夹角；根据夹角，对初始矩阵中的元素值进行修正，得到修正后的矩阵；将初始矩阵输入至预设匹配算法，包括：将修正后的矩阵输入至预设匹配算法
。
[0009]根据本申请第一方面前述任一实施方式，根据夹角，对初始矩阵中的元素值进行修正，得到修正后的矩阵，包括：在第一原始道路图像数据中第
m
个对象的方向与第二原始道路图像数据中第
n
个对象的方向之间的夹角大于预设角度阈值的情况下，增大初始矩阵中第
m
行
n
列的元素的初始值的数量级，得到修正后的矩阵
。
[0010]根据本申请第一方面前述任一实施方式，特征参数还包括对象类型，在将初始矩阵输入至预设匹配算法之前，图像数据融合方法还包括：在第一原始道路图像数据中第
m
个对象的类型与第二原始道路图像数据中第
n
个对象的类型不一致的情况下，增大初始矩阵中第
m
行
n
列的元素的初始值的数量级，得到修正后的矩阵；将初始矩阵输入至预设匹配算法，包括：将修正后的矩阵输入至预设匹配算法
。
[0011]根据本申请第一方面前述任一实施方式，在获取多个图像采集设备采集的原始道路图像数据之前，图像数据融合方法还包括：基于同一世界坐标系对多个图像采集设备进行内外参标定，并基于预设时间同步协议对多个图像采集设备进行时间同步操作
。
[0012]第二方面，本申请实施例提供了一种图像数据融合装置，图像数据融合装置包括：获取模块，用于获取多个图像采集设备采集的原始道路图像数据，至少两个图像采集设备的采集区域存在交叠；识别模块，用于对每个原始道路图像数据进行对象识别，确定每个原始道路图像数据中的对象；匹配模块，用于对目标原始道路图像数据中的对象进行匹配，得到匹配结果，目标原始道路图像数据为多个图像采集设备中任意两个图像采集设备采集的原始道路图像数据；融合模块，用于在匹配结果指示目标原始道路图像数据中的对象存在相本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种图像数据融合方法，其特征在于，所述方法包括：获取多个图像采集设备采集的原始道路图像数据，至少两个所述图像采集设备的采集区域存在交叠；对每个所述原始道路图像数据进行对象识别，确定每个所述原始道路图像数据中的对象；对目标原始道路图像数据中的对象进行匹配，得到匹配结果，所述目标原始道路图像数据为所述多个图像采集设备中任意两个图像采集设备采集的原始道路图像数据；在所述匹配结果指示所述目标原始道路图像数据中的对象存在相匹配的第一对象的情况下，对所述目标原始道路图像数据中的第一对象进行融合，得到融合后的目标道路图像数据；将融合后的目标道路图像数据与任一非目标原始道路图像数据更新为所述目标原始道路图像数据，并返回所述对目标原始道路图像数据中的对象进行匹配，得到匹配结果，直至所有原始道路图像数据中的对象均完成匹配操作，得到最终的道路图像数据；所述非目标原始道路图像数据为多个所述原始道路图像数据中除所述目标原始道路图像数据以外的道路图像数据
。2.
根据权利要求1所述的方法，其特征在于，所述目标原始道路图像数据包括第一图像采集设备采集的第一原始道路图像数据，以及第二图像采集设备采集的第二原始道路图像数据，所述第一原始道路图像数据中包括
M
个对象，所述第二原始道路图像数据中包括
N
个对象，
M
和
N
均为正整数；所述对目标原始道路图像数据中的对象进行匹配，得到匹配结果，包括：构建
M
行
N
列的矩阵；根据第一原始道路图像数据中的
M
个对象的特征参数，以及第二原始道路图像数据中的
N
个对象的特征参数，确定
M
个对象中的任一个对象与
N
个对象中的任一个对象之间的相对距离参数；将第一原始道路图像数据中的第
m
个对象与第二原始道路图像数据中的第
n
个对象之间的相对距离参数，作为所述矩阵中第
m
行
n
列的元素的初始值，得到初始矩阵，
0<m≤M
，
0<n≤N
，且
m
和
n
均为正整数；将所述初始矩阵输入至预设匹配算法，得到第一原始道路图像数据中的
M
个对象与第二原始道路图像数据中的
N
个对象的匹配结果
。3.
根据权利要求2所述的方法，其特征在于，所述特征参数包括位置信息，所述根据第一原始道路图像数据中的
M
个对象的特征参数，以及第二原始道路图像数据中的
N
个对象的特征参数，确定
M
个对象中的任一个对象与
N
个对象中的任一个对象之间的相对距离参数，包括：根据第一原始道路图像数据中的
M
个对象的位置信息，以及第二原始道路图像数据中的
N
个对象的位置信息，计算
M
个对象中的任一个对象与
N
个对象中的任一个对象之间的相对距离，得到所述相对距离参数
。4.
根据权利要求3所述的方法，其特征在于，所述特征参数还包括方向信息，在...

【专利技术属性】
技术研发人员：蓝海波，
申请(专利权)人：中科创达软件股份有限公司，
类型：发明
国别省市：