[发明专利]障碍物检测方法、系统、终端设备及存储介质在审

专利信息
申请号: 202110534201.X 申请日: 2021-05-17
公开(公告)号: CN113297939A 公开(公告)日: 2021-08-24
发明(设计)人: 顾在旺;程骏;庞建新 申请(专利权)人: 深圳市优必选科技股份有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46;G06K9/62;G06N3/04
代理公司: 深圳中一联合知识产权代理有限公司 44414 代理人: 甘莹
地址: 518000 广东省深圳市南山区*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 障碍物 检测 方法 系统 终端设备 存储 介质
【权利要求书】:

1.一种障碍物检测方法,其特征在于,所述方法包括:

响应于接收到的待检测图像,对所述待检测图像进行车道线检测,得到车道线的位置信息;

根据所述车道线的位置信息,确定所述待检测图像中的车道行驶图像,所述车道行驶图像为所述车道线在所述待检测图像中所形成的区域图像;

对所述车道行驶图像进行无障碍预测,得到无障碍物图像;

将所述车道行驶图像与所述无障碍物图像进行图像比对,得到障碍物信息。

2.如权利要求1所述的障碍物检测方法,其特征在于,所述将所述车道行驶图像与所述无障碍物图像进行图像比对,得到障碍物信息,包括:

分别获取所述车道行驶图像和所述无障碍物图像上各像素点的像素值,得到第一像素值集合和第二像素值集合;

根据所述第一像素值集合和所述第二像素值集合,确定所述车道行驶图像上的障碍物图像,并根据所述障碍物图像生成所述障碍物信息。

3.如权利要求2所述的障碍物检测方法,其特征在于,所述根据所述障碍物图像生成所述障碍物信息,包括:

根据预设参数范围对所述障碍物图像进行图像过滤,得到过滤图像,并提取所述过滤图像中的图像轮廓;

根据所述图像轮廓对所述障碍物图像进行图像提取,得到障碍物提取图像,并提取所述障碍物提取图像中的图像特征;

根据所述图像特征和所述图像轮廓,确定所述障碍物提取图像中障碍物的类型,并获取所述障碍物图像在所述待检测图像中的图像坐标;

根据所述障碍物图像在所述待检测图像中的图像坐标,确定所述障碍物提取图像在所述待检测图像中的图像坐标,得到障碍物坐标;

根据所述障碍物坐标和所述障碍物的类型生成所述障碍物信息。

4.如权利要求2所述的障碍物检测方法,其特征在于,所述根据所述第一像素值集合和所述第二像素值集合,确定所述车道行驶图像上的障碍物图像,包括:

根据所述第一像素值集合和所述第二像素值集合,分别确定所述车道行驶图像与所述无障碍物图像在同一像素点上的像素差值;

若任一所述像素点上的像素差值大于预设阈值,则在所述车道行驶图像上对所述像素点进行标记;

在所述车道行驶图像上,将被标记的所述像素点所形成的图像确定为所述障碍物图像。

5.如权利要求3所述的障碍物检测方法,其特征在于,所述提取所述障碍物提取图像中的图像特征,包括:

对所述障碍物提取图像进行灰度处理,得到灰度图像,并对所述灰度图像进行归一化处理;

分别提取归一化处理后所述灰度图像中各像素点的梯度,得到所述图像特征。

6.如权利要求1所述的障碍物检测方法,其特征在于,所述对所述车道行驶图像进行无障碍预测,得到无障碍物图像,包括:

将所述车道行驶图像输入预训练后的生成式对抗网络进行图像生成,得到所述无障碍物图像。

7.如权利要求6所述的障碍物检测方法,其特征在于,所述将所述车道行驶图像输入预训练后的生成式对抗网络进行图像生成之前,还包括:

将车道样本图像输入所述生成式对抗网络中的生成器进行图像生成,得到车道生成图像;

将所述生成图像和所述车道样本图像对应的无障碍物图像,输入所述生成式对抗网络中的判别器进行图像判别,得到图像判别结果;

根据所述图像判别结果进行损失计算,得到模型损失值,并根据所述模型损失值分别对所述生成器和所述判别器进行参数更新,直至所述生成器和所述判别器收敛,得到预训练后的所述生成式对抗网络。

8.一种障碍物检测系统,其特征在于,包括:

车道线检测模块,用于响应于接收到的待检测图像,对所述待检测图像进行车道线检测,得到车道线的位置信息;

无障碍预测模块,用于根据所述车道线的位置信息,确定所述待检测图像中的车道行驶图像,所述车道行驶图像为所述车道线在所述待检测图像中所形成的区域图像,并对所述车道行驶图像进行无障碍预测,得到无障碍物图像;

图像比对模块,用于将所述车道行驶图像与所述无障碍物图像进行图像比对,得到障碍物信息。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于深圳市优必选科技股份有限公司,未经深圳市优必选科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110534201.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top