[发明专利]基于自适应跟踪框分割的自动驾驶处理方法及装置

说明书

本发明公开了一种基于自适应跟踪框分割的自动驾驶处理方法、装置、计算设备及计算机存储介质，该方法包括：获取一组帧图像中包含有特定对象的第t帧图像以及与第t‑1帧图像对应的跟踪框；依据第t帧图像，对与第t‑1帧图像对应的跟踪框进行调整处理，得到与第t帧图像对应的跟踪框；根据与第t帧图像对应的跟踪框，对第t帧图像的部分区域进行场景分割处理，得到与第t帧图像对应的分割结果；根据与第t帧图像对应的分割结果，确定行驶路线和/或行驶指令；按照所确定的行驶路线和/或行驶指令，对自身车辆进行自动驾驶控制。该技术方案基于分割结果能够更为精准地确定行驶路线和/或行驶指令，有助于提高自动驾驶的安全性。

技术领域

本发明涉及图像处理技术领域，具体涉及一种基于自适应跟踪框分割的自动驾驶处理方法、装置、计算设备及计算机存储介质。

背景技术

基于场景分割的自动驾驶对场景分割的时效性和准确性都有较高的要求，以保障自动驾驶的安全性。在自动驾驶场景下，大多使用基于深度学习的图像分割方法对所拍摄或所录制的车辆驾驶途中的视频中帧图像进行场景分割处理。其中，采用基于深度学习的图像分割方法可以达到像素级别的分割效果。然而现有的图像分割方法在进行场景分割处理时，需要对帧图像的全部内容都进行场景分割处理，数据处理量较大，处理效率较低；另外，现有的图像分割方法在进行场景分割处理时，并不考虑前景图像在帧图像中所占比例，因此当前景图像在帧图像中所占比例较小时，利用现有的图像分割方法很容易将实际属于前景图像边缘处的像素点划分为背景图像，所得到的分割结果的分割精度较低、分割效果较差。

因此，现有技术中的图像分割方式存在着图像场景分割的数据处理量大，处理效率和分割精度低下的问题，那么在自动驾驶场景下利用现有图像分割方式所得到的分割结果也无法很好地确定自身车辆与采集到的视频中帧图像中的其他车辆、行人、道路等特定对象的相对位置关系，从而无法保障自动驾驶的安全性。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于自适应跟踪框分割的自动驾驶处理方法、装置、计算设备及计算机存储介质。

根据本发明的一个方面，提供了一种基于自适应跟踪框分割的自动驾驶处理方法，该方法用于对视频中每隔n帧划分得到的各组帧图像进行处理，针对其中一组帧图像，该方法包括：

获取一组帧图像中包含有特定对象的第t帧图像以及与第t-1帧图像对应的跟踪框，其中t大于1；与第1帧图像对应的跟踪框是根据与第1帧图像对应的分割结果所确定的；

依据第t帧图像，对与第t-1帧图像对应的跟踪框进行调整处理，得到与第t帧图像对应的跟踪框；根据与第t帧图像对应的跟踪框，对第t帧图像的部分区域进行场景分割处理，得到与第t帧图像对应的分割结果；

根据与第t帧图像对应的分割结果，确定行驶路线和/或行驶指令；

按照所确定的行驶路线和/或行驶指令，对自身车辆进行自动驾驶控制。

进一步地，根据与第t帧图像对应的分割结果，确定行驶路线和/或行驶指令进一步包括：

根据与第t帧图像对应的分割结果，确定特定对象的轮廓信息；

依据特定对象的轮廓信息，计算自身车辆与特定对象的相对位置关系；

根据计算得到的相对位置关系，确定行驶路线和/或行驶指令。

进一步地，自身车辆与特定对象的相对位置关系包括：自身车辆与特定对象之间的距离信息和/或角度信息。

进一步地，根据与第t帧图像对应的分割结果，确定行驶路线和/或行驶指令进一步包括：

根据与第t帧图像对应的分割结果，确定交通指引信息；

依据交通指引信息，确定行驶路线和/或行驶指令。