[发明专利]一种单目车载视觉系统立体目标检测方法

说明书

本发明公开了一种单目车载视觉系统立体目标检测方法，所述单目车载视觉系统包括深度卷积神经网络模块和后处理模块，所述检测方法包括:S1，深度卷积神经网络模块根据共享特征图谱，获取驾驶场景中出现目标的三维尺寸信息；S2，深度卷积神经网络模块根据共享特征图谱，获取驾驶场景中出现目标在图片中的局部方向；S3，深度卷积神经网络模块根据共享特征图谱，对驾驶场景中出现目标进行二维目标框检测；S4，后处理模块根据深度卷积神经网络模块输出的目标三维尺寸、局部方向和二维目标框检测结果，通过投影变换和数值优化获取目标三维空间位置信息。采用本发明，提高了立体目标检测的准确性。

技术领域

本发明涉及一种单目车载视觉系统，特别涉及一种单目车载系统立体目标检测方法。

背景技术

智能化是如今汽车行业发展的重要趋势之一，视觉系统在车辆主动安全领域应用越来越广。单双目前视、后视以及360度环视系统已经成为了现有高级辅助驾驶系统的主流感知器件。现有此类视觉感知系统可以提供结构化道路信息(各类型车道线等)，以及特定种类的目标信息(各类交通标识、车辆、行人等)。基于上述感知输出结果衍生出相应的预警系统以及主动安全系统。

随着人工智能技术的发展以及嵌入式平台运算能力的提升，辅助驾驶系统的自动化等级日益提升。对于相应感知系统的准确率与探测范围要求也随之提升，传统驾驶系统的自动化等级日益提升。对于相应感知系统的准确率与探测范围要求也随之提升，传统的视觉感知算法检测能力有限，难以满足高级辅助驾驶系统需求。

现有商用车载视觉系统感知功能主要包括行人、车辆、交通标识以及结构化道路标识线的检测与识别。其算法层面大多基于传统的视觉处理与及其学习的方法，包括基础的图像特征算子、霍夫变换、adaboost或SVM分类器、特征匹配等。此类方法的效果取决于图像特征描述算子的设计，并且应用的鲁棒性以及可移植性较差。其局限性以及应用难点在于：比如行人、车辆、交通标识等不同类别的目标检测需要设计不同的图像特征描述算子，白天夜间的算法目标检测架构与方法需要区分调整，对于非结构化道路边界难以识别，立体视觉依赖于双镜头等。

发明内容

本发明的目的提供一种单目车载视觉系统立体目标检测方法，提高了目标检测的准确性。

为解决现有技术存在的问题，本发明提供一种单目车载视觉系统立体目标检测方法，该方法包括：

S1，深度卷积神经网络模块根据共享特征图谱，获取驾驶场景中出现目标的三维尺寸信息；

S2，深度卷积神经网络模块根据共享特征图谱，获取驾驶场景中出现目标在图片中的局部方向；

S3，深度卷积神经网络模块根据共享特征图谱，对驾驶场景中出现目标进行二维目标框检测；

S4，后处理模块根据深度卷积神经网络模块输出的目标三维尺寸、局部方向和二维目标框检测结果，通过投影变换和数值优化获取目标三维空间位置信息。

本技术方案的单目车载视觉系统立体目标检测方法通过共享特征图谱，分别获取驾驶场景中的三维尺寸信息、目标在图片中的局部向以及二维目标框检测结果，实现了同等感知精度条件下，大幅降低算法耗费的时间，提高了检测准确性和鲁棒性。

优选的，所述深度卷积神经网络模块包括目标检测分支模块，所述步骤S3包括：

目标检测分支模块根据输入目标的3尺寸共享卷积层特征，输出驾驶场景中的目标类别、目标左上角点横坐标、目标左上角纵坐标、目标宽度和目标高度，并通过置信度阈值过滤以及极大值抑制，获取合并后目标类别和相应的二维目标框检测结果。

优选的，所述深度卷积神经网络模块还包括方向预测分支模块，所述步骤s2具体包括：

所述方向预测分支模块根据输入目标的3尺寸共享卷积层特征，输出目标在图片中的局部方向。