[发明专利]车辆测距方法、车辆控制装置、车辆及可读存储介质

权利要求书

1.一种车辆测距方法，其特征在于，所述车辆测距方法包括：

通过车载单目摄像装置获取车辆行驶方向对应的第一图像数据；

将所述第一图像数据输入预先训练的预测模型，其中，所述预测模型根据所述第一图像数据预测车辆与目标物体之间的距离值，并输出所述距离值；

根据所述距离值确定车辆相应的控制动作。

2.如权利要求1所述的车辆测距方法，其特征在于，所述将所述第一图像数据输入预先训练的预测模型的步骤之前，包括：

获取作为训练样本数据的第二图像数据，所述第二图像数据中各个物体与车载之间的距离值已标注；

将所述第二图像数据输入预设的目标检测网络模型进行训练，得到所述预测模型。

3.如权利要求2所述的车辆测距方法，其特征在于，所述将所述第二图像数据输入预设的目标检测网络模型进行训练，得到所述预测模型的步骤，包括：

将所述第二图像数据输入所述目标检测网络模型的输入层；

获取所述目标检测网络模型的输出层的输出数据，所述输出数据包括预测距离值；

将所述预测距离值与所述第二图像标记的距离值进行评估，根据评估结果反向修正所述目标检测网络模型的参数，得到所述预测模型。

4.如权利要求3所述的车辆测距方法，其特征在于，所述获取所述目标检测网络模型的输出层的输出数据的步骤之前，包括：

在所述目标检测网络模型的输出层中增加预测距离值的分支，以在所述目标检测网络模型的输出层的输出数据中获取预测距离值。

5.如权利要求3所述的车辆测距方法，其特征在于，所述将所述预测距离值与所述第二图像标记的距离值进行评估的步骤，还包括：

使用交叉熵损失函数对所述预测距离值与所述第二图像标记的距离值进行评估。

6.如权利要求3所述的车辆测距方法，其特征在于，所述输出数据包括分类数据和位置数据，所述将所述第二图像数据输入所述目标检测网络模型的输入层的步骤之后，包括：

将所述第二图像中标记的分类数据与所述输出数据的分类数据进行对比，以及和将所述第二图像中标记的位置数据与所述输出数据的位置数据进行对比，根据对比结果修正所述目标检测网络模型，得到所述预测模型。

7.如权利要求2所述的车辆测距方法，其特征在于，所述将所述第二图像数据输入预设的目标检测网络模型进行训练，得到所述预测模型的步骤之后，还包括：

将第三图像数据输入所述预测模型，根据输出结果确定所述预测模型的准确性。

8.一种车辆测距装置，其特征在于，包括：

获取模块，用于通过车载单目摄像装置获取车辆行驶方向对应的第一图像数据；

输入模块，用于将所述第一图像数据输入预先训练的预测模型，其中，所述预测模型根据所述第一图像数据预测车辆与目标物体之间的距离值，并输出所述距离值；

确定模块，用于根据所述距离值确定车辆控制动作。

9.一种车辆，其特征在于，所述车辆包括处理器、存储器以及存储在所述存储器上并可在所述处理器上运行的车辆测距程序，所述车辆测距程序被所述处理器执行时实现如权利要求1至7任一项车辆测距方法的步骤。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有车辆测距程序，所述车辆测距程序被处理器执行时实现如权利要求1至7中任一项车辆测距方法的步骤。