【技术实现步骤摘要】
本专利技术涉及图像处理领域，尤其涉及一种障碍物位姿识别方法、装置、介质及设备。
技术介绍
1、障碍物位姿识别是自动驾驶系统中的一项关键技术，对于自动驾驶的安全性至关重要，一旦识别到障碍物，自动驾驶系统需要迅速做出决策，根据障碍物相对于自车的位姿采取适当的行动，如减速、避让、停车等，以避免碰撞或其他危险情况，因此准确的障碍物位姿识别可以减少事故发生的可能性，提高道路安全性和交通效率。在现有技术中，一般通过对采集到的图像采用标定的方式，估计得到障碍物相对于自车的位姿，但其通用性不高，且精确度较低。
技术实现思路
1、为了解决上述技术问题，本专利技术实施例提出了一种障碍物位姿识别方法、装置、介质及设备，能够精准识别到障碍物相对于自车的位姿信息。
2、为了实现上述目的，本专利技术实施例提供了一种障碍物位姿识别方法，包括：
3、根据若干第一图像对预先配置的机器学习模型进行训练，得到障碍物的模型；其中，所述若干第一图像中包含对所述障碍物在至少两个不同的角度进行拍摄得到的图像；
4、对所述模型进行采样，以获取全景图；
5、将所述全景图与预设地图进行匹配处理，以在所述预设地图中确定障碍物位置；
6、获取自车当前拍摄到的所述障碍物的第二图像及自车当前位置；
7、基于所述第二图像和所述模型，确定所述障碍物相对于所述自车的当前角度；
8、基于所述障碍物位置、所述自车当前位置和所述当前角度，确定所述障碍物相对于所述自车的位
9、进一步的，所述根据若干第一图像对预先配置的机器学习模型进行训练，得到障碍物的模型，包括：
10、对所述若干第一图像中的每一张第一图像的背景区域进行噪声消除处理，得到若干第三图像；其中，所述背景区域是除所述障碍物所占据区域之外的区域；
11、采用体渲染理论分别对各所述第三图像进行处理，得到若干模型输入坐标；
12、利用所述模型输入坐标对所述机器学习模型进行训练，得到障碍物的模型；
13、其中，所述模型输入坐标包括三维坐标和角度坐标，所述机器学习模型用于根据所述模型输入坐标输出所述障碍物的颜色和深度。
14、进一步的，所述对所述模型进行采样，以获取全景图，包括：
15、根据预设的采样角度确定采样平面，并根据预设采样频率在所述采样平面上确定多个环绕采样点；其中，所述采样平面与水平面之间的夹角为所述采样角度，所述模型在所述采样平面上的投影是处于所述多个环绕采样点所围成的范围之内；
16、根据所述多个环绕采样点对所述模型进行采样，得到多张采样图；
17、对每一采样图进行拉普拉斯算子处理，得到每一采样图的若干第一关键点；
18、根据所述若干第一关键点对所述多张采样图进行拼接，得到全景图。
19、进一步的，所述将所述全景图与预设地图进行匹配处理，以在所述预设地图中确定障碍物位置，包括：
20、对所述全景图进行拉普拉斯算子处理得到若干第二关键点，对所述预设地图进行拉普拉斯算子处理得到若干第三关键点；
21、基于所述若干第二关键点和所述若干第三关键点，将所述全景图与所述预设地图进行灰度匹配，以在所述预设地图中确定障碍物位置。
22、进一步的，所述基于所述第二图像和所述模型，确定所述障碍物相对于所述自车的当前角度，包括：
23、获取待确定角度；
24、采用梯度下降算法，基于所述待确定角度和所述模型，针对所述第二图像进行迭代计算，直至满足预设的停止迭代条件时停止迭代，得到所述当前角度。
25、进一步的，在每一次迭代计算的过程中，执行如下步骤：
26、将所述待确定角度输入至所述模型，得到所述模型输出的模型图像；
27、通过反向传播算法计算所述模型图像和所述第二图像的损失函数，以更新所述待确定角度作为下一次迭代计算时的待确定角度。
28、进一步的，所述停止迭代条件包括以下至少一项：
29、迭代次数达到预设次数阈值；
30、所述损失函数的值小于预设损失阈值。
31、本专利技术实施例还提供了一种障碍物位姿识别装置，包括：
32、模型获取模块，用于根据若干第一图像对预先配置的机器学习模型进行训练，得到障碍物的模型；其中，所述若干第一图像中包含对所述障碍物在至少两个不同的角度进行拍摄得到的图像；
33、采样模块，用于对所述模型进行采样，以获取全景图；
34、匹配模块，用于将所述全景图与预设地图进行匹配处理，以在所述预设地图中确定障碍物位置；
35、当前信息获取模块，用于获取自车当前拍摄到的所述障碍物的第二图像及自车当前位置；
36、当前角度确定模块，用于基于所述第二图像和所述模型，确定所述障碍物相对于所述自车的当前角度；
37、位姿信息确定模块，用于基于所述障碍物位置、所述自车当前位置和所述当前角度，确定所述障碍物相对于所述自车的位姿信息。
38、本专利技术实施例还提供了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上述任一项所述的障碍物位姿识别方法的步骤。
39、本专利技术实施例还提供了一种计算机设备，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述的障碍物位姿识别方法的步骤。
40、综上，本专利技术具有以下有益效果：
41、采用本专利技术实施例，通过根据若干第一图像对预先配置的机器学习模型进行训练，得到障碍物的模型；其中，所述若干第一图像中包含对所述障碍物在至少两个不同的角度进行拍摄得到的图像；对所述模型进行采样，以获取全景图；将所述全景图与预设地图进行匹配处理，以在所述预设地图中确定障碍物位置；获取自车当前拍摄到的所述障碍物的第二图像及自车当前位置；基于所述第二图像和所述模型，确定所述障碍物相对于所述自车的当前角度；基于所述障碍物位置、所述自车当前位置和所述当前角度，确定所述障碍物相对于所述自车的位姿信息，从而能够根据自车当前拍摄到的图像精准识别出图像中的障碍物相对于自车的位姿，且只需拍摄图片无需其他额外的传感器，适用范围广。
本文档来自技高网...【技术保护点】
1.一种障碍物位姿识别方法，其特征在于，包括：
2.如权利要求1所述的障碍物位姿识别方法，其特征在于，所述根据若干第一图像对预先配置的机器学习模型进行训练，得到障碍物的模型，包括：
3.如权利要求1所述的障碍物位姿识别方法，其特征在于，所述对所述模型进行采样，以获取全景图，包括：
4.如权利要求1所述的障碍物位姿识别方法，其特征在于，所述将所述全景图与预设地图进行匹配处理，以在所述预设地图中确定障碍物位置，包括：
5.如权利要求1-4任一项所述的障碍物位姿识别方法，其特征在于，所述基于所述第二图像和所述模型，确定所述障碍物相对于所述自车的当前角度，包括：
6.如权利要求5所述的障碍物位姿识别方法，其特征在于，在每一次迭代计算的过程中，执行如下步骤：
7.如权利要求6所述的障碍物位姿识别方法，其特征在于，所述停止迭代条件包括以下至少一项：
8.一种障碍物位姿识别装置，其特征在于，包括：
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要
10.一种计算机设备，其特征在于，包括处理器、存储器以及存储在所述存储器中且被配置为由所述处理器执行的计算机程序，所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述的障碍物位姿识别方法。
...【技术特征摘要】
1.一种障碍物位姿识别方法，其特征在于，包括：
2.如权利要求1所述的障碍物位姿识别方法，其特征在于，所述根据若干第一图像对预先配置的机器学习模型进行训练，得到障碍物的模型，包括：
3.如权利要求1所述的障碍物位姿识别方法，其特征在于，所述对所述模型进行采样，以获取全景图，包括：
4.如权利要求1所述的障碍物位姿识别方法，其特征在于，所述将所述全景图与预设地图进行匹配处理，以在所述预设地图中确定障碍物位置，包括：
5.如权利要求1-4任一项所述的障碍物位姿识别方法，其特征在于，所述基于所述第二图像和所述模型，确定所述障碍物相对于所述自车的当前角度，包括：
...
【专利技术属性】
技术研发人员：曲春智，
申请(专利权)人：华人运通上海自动驾驶科技有限公司，
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。