【技术实现步骤摘要】
本申请涉及图像矫正，尤其涉及综合模型训练方法、综合模型应用方法、云服务器、车辆、存储介质及计算机程序产品。
技术介绍
1、近年来，车载360环视系统(简称avm)因辅助驾驶功能强大受到很多车主认可，但由于车载摄像头采用视野更广的广角摄像头来增加视野范围，使得图像畸变严重。目前存在很多对图像进行畸变矫正的方法，但对图像畸变矫正精确度低，而图像畸变矫正的精准程度在很大程度上影响车载360环视系统的视觉效果。因此对车载摄像头采集的图像进行优化矫正满足高精确度的需求成为一种可能。
技术实现思路
1、本申请的主要目的在于提供一种综合模型训练方法、综合模型应用方法、云服务器、车辆、存储介质及计算机程序产品，旨在解决图像畸变矫正精确度低的技术问题。
2、为实现上述目的，本申请提出一种综合模型训练方法，所述的方法应用于云服务器，包括：
3、基于车联网从车辆获取训练数据，其中，所述训练数据包括历史第一矫正数据和历史第二矫正数据，其中，所述历史第一矫正数据基于车辆采集的历史图像根据预设标定法计算得到，所述历史第二矫正数据基于车辆采集的历史图像根据预设神经网络模型计算得到；
4、根据所述历史第一矫正数据和所述历史第二矫正数据，训练得到综合模型；
5、将所述综合模型基于车联网部署至车辆。
6、在一实施例中，所述基于车联网从车辆获取训练数据的步骤之前，包括：
7、接收车辆基于车联网传输的畸变坐标数据，将所述畸变坐标数据作为用于训练神经网
8、基于所述样本数据，训练得到预设神经网络模型。
9、为实现上述目的，本申请提出一种综合模型应用方法，所述的方法应用于车辆，包括：
10、基于车联网接收云服务器传输的综合模型；
11、通过所述综合模型计算得到优化矫正数据；
12、根据所述优化矫正数据，对车辆的车载摄像头采集的实时图像进行畸变矫正处理。
13、在一实施例中，所述通过所述综合模型计算得到优化矫正数据的步骤之前，包括：
14、根据预设标定法对基于车载摄像头采集的实时图像，对在畸变状态下的实时图像计算得到实时第一矫正数据；
15、根据预设神经网络模型，对在畸变状态下的实时图像计算得到实时第二矫正数据；
16、通过所述综合模型，对所述实时第一矫正数据和所述实时第二矫正数据，计算得到优化矫正数据。
17、在一实施例中，所述根据预设神经网络模型，对在畸变状态下的实时图像计算得到实时第二矫正数据的步骤包括：
18、根据预设标定法获取实时图像的实际坐标数据，其中，所述实时图像基于车载摄像头采集得到；
19、在预设神经网络模型中，建立实时图像的实际坐标数据与像素坐标数据的映射关系；
20、根据所述映射关系，对在畸变状态下的实时图像计算得到实时第二矫正数据。
21、在一实施例中，所述方法还包括：
22、根据预设标定法，获取车载摄像头的标定参数；
23、根据所述标定参数对所述车载摄像头采集的历史图像的实际坐标数据进行计算，得到所述历史图像的畸变坐标数据；
24、将所述畸变坐标数据基于车联网传输到云服务器。
25、此外，为实现上述目的，本申请还提出一种云服务器，所述云服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的综合模型训练方法的步骤。
26、此外，为实现上述目的，本申请还提出一种车辆，所述车辆包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的综合模型应用方法的步骤。
27、此外，为实现上述目的，本申请还提出一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质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如上文所述的综合模型训练方法的步骤，和/或，如上文所述的综合模型应用方法的步骤。
28、此外，为实现上述目的，本申请还提供一种计算机程序产品，其特征在于，所述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文所述的综合模型训练方法的步骤，和/或，如上文所述的综合模型应用方法的步骤。
29、本申请提出了一种综合模型训练方法，该方法应用于云服务器，首先基于车联网从车辆获取包括历史第一矫正数据和历史第二矫正数据的训练数据，历史第一矫正数据基于车辆采集的历史图像根据预设标定法计算得到，历史第二矫正数据基于车辆采集的历史图像根据预设神经网络模型计算得到；根据训练数据训练得到综合模型，再基于车联网将综合模型部署到车辆；本申请还提出了一种综合模型应用方法应用于车辆，车辆基于车联网接收到由云服务器传输的综合模型后，通过综合模型计算得到优化矫正数据，再根据优化矫正数据对于车辆的车载摄像头采集的实时图像进行畸变矫正处理。
30、在综合模型中，结合预设标定法精度高的优点和预设神经网络模型对非线性几何畸变矫正结果精确度高的优点，通过优化矫正数据对实时图像进行畸变矫正处理，提高图像畸变矫正的精确度。
本文档来自技高网...【技术保护点】
1.一种综合模型训练方法，其特征在于，所述的方法应用于云服务器，包括：
2.如权利要求1所述的方法，其特征在于，所述基于车联网从车辆获取训练数据的步骤之前，包括：
3.一种综合模型应用方法，其特征在于，所述的方法应用于车辆，包括：
4.如权利要求3所述的方法，其特征在于，所述通过所述综合模型计算得到优化矫正数据的步骤之前，包括：
5.如权利要求4所述的方法，其特征在于，所述根据预设神经网络模型，对在畸变状态下的实时图像计算得到实时第二矫正数据的步骤包括：
6.如权利要求3所述的方法，其特征在于，所述方法还包括：
7.一种云服务器，其特征在于，所述云服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求1至2的任一项所述的综合模型训练方法的步骤。
8.一种车辆，其特征在于，所述车辆包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求3至6的任一项所述的综合模型应用方法的步骤。>
9.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质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如权利要求1至2中任一项所述的综合模型训练方法的步骤，和/或，如权利要求3至6中任一项所述的综合模型应用方法的步骤。
10.一种计算机程序产品，其特征在于，所述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权利要求1至2中任一项所述的综合模型训练方法的步骤，和/或，如权利要求3至6中任一项所述的综合模型应用方法的步骤。
...【技术特征摘要】
1.一种综合模型训练方法，其特征在于，所述的方法应用于云服务器，包括：
2.如权利要求1所述的方法，其特征在于，所述基于车联网从车辆获取训练数据的步骤之前，包括：
3.一种综合模型应用方法，其特征在于，所述的方法应用于车辆，包括：
4.如权利要求3所述的方法，其特征在于，所述通过所述综合模型计算得到优化矫正数据的步骤之前，包括：
5.如权利要求4所述的方法，其特征在于，所述根据预设神经网络模型，对在畸变状态下的实时图像计算得到实时第二矫正数据的步骤包括：
6.如权利要求3所述的方法，其特征在于，所述方法还包括：
7.一种云服务器，其特征在于，所述云服务器包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要...
【专利技术属性】
技术研发人员：郑自强，
申请(专利权)人：东风汽车集团股份有限公司，
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。