自动驾驶单目深度估计的道路物理域对抗补丁生成方法技术

本发明专利技术提供了一种自动驾驶单目深度估计的道路物理域对抗补丁生成方法，形成场景图像数据集；生成目标车辆的掩码图像，目标车辆转换成像素坐标系下的像素坐标，将目标汽车嵌入场景图像中得到目标对象场景图；将道路补丁转换成像素坐标系下的像素坐标；通过场景构造模块得到多个场景图像，得到多方道路补丁视图集；计算深度损失及特征损失，构造目标损失函数；通过目标函数计算由模型输入相应补丁区域大小加权的平均梯度，使用平均梯度作为道路补丁图像的梯度，使用MI‑FGSM的方法更新当前补丁，当达到最大迭代次数时生成最终道路对抗补丁。本发明专利技术的方法使得单目深度估计技术更加精准、可靠，鲁棒性更高。

【技术实现步骤摘要】

本专利技术属于自动驾驶领域，尤其涉及一种自动驾驶单目深度估计的道路物理域对抗补丁生成方法。

技术介绍

1、单目深度估计技术是一种重要的计算机视觉技术，用于从单个摄像头捕获的图像中推断场景的三维结构，与立体视觉（使用两个或多个相机）和基于激光的深度感知技术相比，单目深度估计只依赖于一个摄像头，因此成本更低，装置更简单，被广泛应用于三维重建、自动驾驶等领域。在自动驾驶领域中，单目深度估计技术可用于检测和避让障碍物、车道保持、车辆行为预测等。然而，基于深度学习的单目深度估计技术容易遭受对抗扰动的攻击。当前针对单目深度估计模型的对抗攻击可以分为数字域攻击和物理域攻击。在数字域中，有采用深度特征消除损失来生成扰动，发起补丁攻击；有对图像生成了有针对性的对抗性扰动，通过对采集图像的全局扰动来缩放估计深度，深度翻转等。在物理域攻击中，有将对抗补丁附着在汽车尾部，通过优化补丁面积以及扰动大小使得扰动更加隐蔽。有人提出了与目标类型无关的3d对抗性纹理，并提高恶劣天气条件下的鲁棒性，例如雨天和雾天。然而，以上技术均在考虑如何对目标进行扰动，并没有对周围环境进行扰动。

<本文档来自技高网...

【技术保护点】

1.一种自动驾驶单目深度估计的道路物理域对抗补丁生成方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的自动驾驶单目深度估计的道路物理域对抗补丁生成方法，其特征在于，所述步骤S1包括以下步骤：

3.根据权利要求2所述的自动驾驶单目深度估计的道路物理域对抗补丁生成方法，其特征在于，所述步骤S11中使用的计算机视觉算法评测数据集采用KITTI或NuScene。

4.根据权利要求1所述的自动驾驶单目深度估计的道路物理域对抗补丁生成方法，其特征在于，所述步骤S2包括以下步骤：

5.根据权利要求1所述的自动驾驶单目深度估计的道路物理域对...

【技术特征摘要】

1.一种自动驾驶单目深度估计的道路物理域对抗补丁生成方法，其特征在于，所述方法包括以下步骤：

2.根据权利要求1所述的自动驾驶单目深度估计的道路物理域对抗补丁生成方法，其特征在于，所述步骤s1包括以下步骤：

3.根据权利要求2所述的自动驾驶单目深度估计的道路物理域对抗补丁生成方法，其特征在于，所述步骤s11中使用的计算机视觉算法评测数据集采用kitti或nuscene。

4.根据权利要求1所述的自动驾驶单目深度估计的道路物理域对抗补丁生成方法，其特征在于，所述步骤s2包括以下步骤：

5.根据权利要求1所述的自动驾驶单目深度...

【专利技术属性】
技术研发人员：顾钊铨，谭昊，张欢，杜磊，张钧建，胡玮琪，景晓，
申请(专利权)人：哈尔滨工业大学深圳哈尔滨工业大学深圳科技创新研究院，
类型：发明
国别省市：