【技术实现步骤摘要】
本公开涉及计算机视觉，具体地，涉及一种基于计算机视觉的汽车油箱外盖定位系统及方法。
技术介绍
1、汽车油箱外盖是汽车的重要部件之一，对其进行位置定位的准确性会影响到加注燃料的效率和便利性。传统的油箱外盖定位方法需要依靠人工观察，使得汽车智能化技术的发展受到限制。
2、计算机视觉是一种利用计算机和摄像设备对图像或视频进行处理与分析的
它涉及从图像或视频中获取信息、理解场景，甚至做出决策。计算机视觉技术的发展为实现汽车油箱外盖的智能定位提供了一种新的解决思路。
3、然而，现实环境中汽车场景复杂多变，光照条件不稳定，汽车外观差异较大，这些因素都给油箱外盖的准确定位带来挑战。因此，期待一种基于计算机视觉的汽车油箱外盖定位系统及方法。
技术实现思路
1、提供该
技术实现思路
部分以便以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。该
技术实现思路
部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
2、第一方面，本公开提供了一种基于计算机视觉的汽车油箱外盖定位方法，所述方法包括：
3、获取由摄像头捕捉的汽车图像；
4、提取所述汽车图像的表面状态浅层特征和表面状态语义特征以得到汽车表面状态浅层特征图和汽车表面状态语义特征图；
5、将所述汽车表面状态浅层特征图和所述汽车表面状态语义特征图输入基于重参数化网络的特征图强化器以得到强化汽车表面状态浅层特征图和
6、将所述强化汽车表面状态浅层特征图和所述强化汽车表面状态语义特征图进行交互融合和降维处理以得到汽车表面多尺度特征矩阵；
7、基于所述汽车表面多尺度特征矩阵，确定汽车油箱外盖的位置。
8、可选地，提取所述汽车图像的表面状态浅层特征和表面状态语义特征以得到汽车表面状态浅层特征图和汽车表面状态语义特征图，包括：对所述汽车图像进行预处理以得到预处理后汽车图像；将所述预处理后汽车图像通过基于金字塔网络的图像特征提取器以得到所述汽车表面状态浅层特征图和所述汽车表面状态语义特征图。
9、可选地，所述基于金字塔网络的图像特征提取器的各层在非线性激活处理时使用mish激活函数。
10、可选地，将所述汽车表面状态浅层特征图和所述汽车表面状态语义特征图输入基于重参数化网络的特征图强化器以得到强化汽车表面状态浅层特征图和强化汽车表面状态语义特征图，包括：以如下重参数化公式对所述汽车表面状态浅层特征图进行处理以得到所述强化汽车表面状态浅层特征图；其中，所述重参数化公式为：
11、
12、其中，是所述汽车表面状态浅层特征图的均值，是所述汽车表面状态浅层特征图的方差，是从高斯分布中随机采样得到的第个值，是所述强化汽车表面状态浅层特征图中第个特征值。
13、可选地，将所述强化汽车表面状态浅层特征图和所述强化汽车表面状态语义特征图进行交互融合和降维处理以得到汽车表面多尺度特征矩阵，包括：将所述强化汽车表面状态浅层特征图和所述强化汽车表面状态语义特征图通过全局平均池化注意力融合模块以得到汽车表面多尺度特征图；对所述汽车表面多尺度特征图进行特征分布校正以得到校正后汽车表面多尺度特征图；对所述校正后汽车表面多尺度特征图进行沿通道维度的全局均值池化以得到所述汽车表面多尺度特征矩阵。
14、可选地，将所述强化汽车表面状态浅层特征图和所述强化汽车表面状态语义特征图通过全局平均池化注意力融合模块以得到汽车表面多尺度特征图，包括：对所述强化汽车表面状态语义特征图进行沿通道维度的全局平均池化以得到注意力特征向量；将所述注意力特征向量通过全连接层以得到注意力编码特征向量；以所述注意力编码特征向量中各个特征值作为权重对所述强化汽车表面状态浅层特征图进行加权相乘以得到注意力调整特征图；将所述注意力调整特征图和所述强化汽车表面状态语义特征图进行按位置相加处理以得到所述汽车表面多尺度特征图。
15、可选地，对所述汽车表面多尺度特征图进行特征分布校正以得到校正后汽车表面多尺度特征图，包括：对所述汽车表面多尺度特征图中各个汽车表面多尺度特征矩阵进行线性变换转换为正方矩阵以得到变换后汽车表面多尺度特征图；对所述变换后汽车表面多尺度特征图进行基于相邻特征矩阵的优化校正以得到所述校正后汽车表面多尺度特征图。
16、可选地，基于所述汽车表面多尺度特征矩阵，确定汽车油箱外盖的位置，包括：将所述汽车表面多尺度特征矩阵输入基于softmax函数的语义分割器以得到汽车语义分割结果；基于所述汽车语义分割结果，确定所述汽车油箱外盖的位置。
17、可选地，将所述汽车表面多尺度特征矩阵输入基于softmax函数的语义分割器以得到汽车语义分割结果，包括：使用所述softmax函数对所述汽车表面多尺度特征矩阵中各个位置的特征值进行分类，以得到所述汽车语义分割结果，其中，所述汽车语义分割结果包含了所述汽车语义分割结果中各个像素点所属的类别标签，所述类别标签包括汽车油箱外盖区域和非汽车油箱外盖区域。
18、第二方面，本公开提供了一种基于计算机视觉的汽车油箱外盖定位系统，所述系统包括：
19、汽车图像获取模块，用于获取由摄像头捕捉的汽车图像；
20、特征提取模块，天天提取所述汽车图像的表面状态浅层特征和表面状态语义特征以得到汽车表面状态浅层特征图和汽车表面状态语义特征图；
21、特征图强化模块，用于将所述汽车表面状态浅层特征图和所述汽车表面状态语义特征图输入基于重参数化网络的特征图强化器以得到强化汽车表面状态浅层特征图和强化汽车表面状态语义特征图；
22、交互融合和降维处理模块，用于将所述强化汽车表面状态浅层特征图和所述强化汽车表面状态语义特征图进行交互融合和降维处理以得到汽车表面多尺度特征矩阵；
23、汽车油箱外盖的位置确定模块，用于基于所述汽车表面多尺度特征矩阵，确定汽车油箱外盖的位置。
24、采用上述技术方案，通过获取由摄像头捕捉的汽车图像；提取所述汽车图像的表面状态浅层特征和表面状态语义特征以得到汽车表面状态浅层特征图和汽车表面状态语义特征图；将二者输入基于重参数化网络的特征图强化器以得到强化汽车表面状态浅层特征图和强化汽车表面状态语义特征图；将所述强化汽车表面状态浅层特征图和所述强化汽车表面状态语义特征图进行交互融合和降维处理以得到汽车表面多尺度特征矩阵，以确定汽车油箱外盖的位置。这样，可以提高加注燃料的效率和便利性。
25、本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种基于计算机视觉的汽车油箱外盖定位方法，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的汽车油箱外盖定位方法，其特征在于，提取所述汽车图像的表面状态浅层特征和表面状态语义特征以得到汽车表面状态浅层特征图和汽车表面状态语义特征图，包括：
3.根据权利要求2所述的基于计算机视觉的汽车油箱外盖定位方法，其特征在于，所述基于金字塔网络的图像特征提取器的各层在非线性激活处理时使用Mish激活函数。
4.根据权利要求3所述的基于计算机视觉的汽车油箱外盖定位方法，其特征在于，将所述汽车表面状态浅层特征图和所述汽车表面状态语义特征图输入基于重参数化网络的特征图强化器以得到强化汽车表面状态浅层特征图和强化汽车表面状态语义特征图，包括：
5.根据权利要求4所述的基于计算机视觉的汽车油箱外盖定位方法，其特征在于，将所述强化汽车表面状态浅层特征图和所述强化汽车表面状态语义特征图进行交互融合和降维处理以得到汽车表面多尺度特征矩阵，包括：
6.根据权利要求5所述的基于计算机视觉的汽车油箱外盖定位方法，其特征在于，将所述强化汽车表面
7.根据权利要求6所述的基于计算机视觉的汽车油箱外盖定位方法，其特征在于，对所述汽车表面多尺度特征图进行特征分布校正以得到校正后汽车表面多尺度特征图，包括：
8.根据权利要求7所述的基于计算机视觉的汽车油箱外盖定位方法，其特征在于，基于所述汽车表面多尺度特征矩阵，确定汽车油箱外盖的位置，包括：
9.根据权利要求8所述的基于计算机视觉的汽车油箱外盖定位方法，其特征在于，将所述汽车表面多尺度特征矩阵输入基于Softmax函数的语义分割器以得到汽车语义分割结果，包括：
10.一种基于计算机视觉的汽车油箱外盖定位系统，其特征在于，包括：
...【技术特征摘要】
1.一种基于计算机视觉的汽车油箱外盖定位方法，其特征在于，包括：
2.根据权利要求1所述的基于计算机视觉的汽车油箱外盖定位方法，其特征在于，提取所述汽车图像的表面状态浅层特征和表面状态语义特征以得到汽车表面状态浅层特征图和汽车表面状态语义特征图，包括：
3.根据权利要求2所述的基于计算机视觉的汽车油箱外盖定位方法，其特征在于，所述基于金字塔网络的图像特征提取器的各层在非线性激活处理时使用mish激活函数。
4.根据权利要求3所述的基于计算机视觉的汽车油箱外盖定位方法，其特征在于，将所述汽车表面状态浅层特征图和所述汽车表面状态语义特征图输入基于重参数化网络的特征图强化器以得到强化汽车表面状态浅层特征图和强化汽车表面状态语义特征图，包括：
5.根据权利要求4所述的基于计算机视觉的汽车油箱外盖定位方法，其特征在于，将所述强化汽车表面状态浅层特征图和所述强化汽车表面状态语义特征图进行交互融合和...
【专利技术属性】
技术研发人员：施恒之，
申请(专利权)人：浙江驿公里智能科技有限公司，
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。