[发明专利]自动驾驶的视觉感知方法、装置、计算机设备和存储介质

说明书

本申请涉及一种自动驾驶的视觉感知方法、装置、计算机设备和存储介质。所述方法包括：获取采集的视觉感知图像；将所述视觉感知图像输入训练好的多任务神经网络的主干网络，通过所述主干网络提取所述视觉感知图像的共享特征，得到共享特征图；将所述共享特征图分别输入所述多任务神经网络中的各分支网络，各所述分支网络基于所述共享特征图分别进行对应的任务的分类，输出相应任务的分类结果；根据预设视觉感知目标，提取对应任务的分类结果进行融合，得到视觉感知结果，所述视觉感知结果包括车道线信息、路面标志信息、通行区域路况信息和路面障碍物信息中的至少一种。采用本方法能够提高视觉感知的精度。

技术领域

本申请涉及自动驾驶技术领域，特别是涉及一种自动驾驶的视觉感知方法、装置、计算机设备和存储介质。

背景技术

随着计算机软硬件能力的不断提升，以及各种传感器精度的普遍提升，自动驾驶技术成为一个重要的研究领域，受到了学术界和工业界广泛的关注。自动驾驶系统主要可以分为感知层、决策层和控制层三个层次。其中，感知层是这三个模块层的基础，用来完成对车辆周围环境的感知识别。而感知层需要用到各种类型的感知技术协同工作，例如摄像头、毫米波雷达、激光雷达、超声波雷达、红外夜视以及用于定位和导航的GPS(GlobalPosition System,全球定位系统)和IMU(Inertial Measurement Unit,惯性测量单元)等传感器。另外还有一类虽然不是主动式的探测元件，但是属于协同式的全局数据辅助可以扩展车辆的环境感知能力，例如高精度地图和车联网技术等。每种类型的感知技术通过相互补充融合，最终使得车辆达到驾驶场景下非常高的安全性要求。

近几年，随着深度学习技术的快速发展，使得计算机视觉领域的很多传统任务的精度能够得到大幅度的提升。加之摄像头价格的低廉以及其能够弥补一些其他传感器无法完成的工作的综合优势，让基于视觉的感知算法得到了广泛的研究和应用，并在自动驾驶和辅助驾驶领域真正落地使用。然而，由于现有的视觉感知算法均是基于传统特征提取的方式进行，其不能适应真实环境中复杂的工况，从而降低了视觉感知的精度。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高视觉感知精度的自动驾驶的视觉感知方法、装置、计算机设备和存储介质。

一种自动驾驶的视觉感知方法，所述方法包括：

获取采集的视觉感知图像；

将所述视觉感知图像输入训练好的多任务神经网络的主干网络，通过所述主干网络提取所述视觉感知图像的共享特征，得到共享特征图；

将所述共享特征图分别输入所述多任务神经网络中的各分支网络，各所述分支网络基于所述共享特征图分别进行对应的任务的分类，输出相应任务的分类结果；

根据预设视觉感知目标，提取对应任务的分类结果进行融合，得到视觉感知结果，所述视觉感知结果包括车道线信息、路面标志信息、通行区域路况信息和路面障碍物信息中的至少一种。

在其中一个实施例中，所述分支网络包括车道线检测网络、车道线实例分割网络和线型分类网络；

所述将所述共享特征图分别输入所述多任务神经网络中的各分支网络，各所述分支网络基于所述共享特征图分别进行对应的任务的分类，输出相应任务的分类结果，包括：

将所述共享特征图输入所述车道线检测网络，通过所述车道线检测网络基于所述共享特征图进行车道线检测，得到二进制车道线图像；

将所述共享特征图输入所述车道线实例分割网络，通过所述车道线实例分割网络基于所述共享特征图进行车道线实例分割，得到车道线实例分割图像；

将所述共享特征图输入所述线型分类网络，通过所述线型分类网络基于所述共享特征图进行车道线线型分类，得到车道线线型图像。