[发明专利]场景识别方法、计算机设备、计算机可读存储介质及车辆

说明书

本发明涉及自动驾驶技术领域，具体提供一种场景识别方法、计算机设备、计算机可读存储介质及车辆，旨在解决提高视觉识别失效场景的识别准确性、可扩展性并降低对计算资源消耗的问题。本发明提供的方法包括获取视觉传感器采集到的图像，通过多任务模型的共享特征提取网络提取图像的图像特征，并将图像特征输入至多任务模型的每个场景识别网络，通过每个场景识别网络并根据图像特征，分别对不同类型的视觉识别失效场景进行识别。通过这种方式，可以利用一个多任务模型对多个不同类型的视觉识别失效场景进行识别，无需为每类视觉识别失效场景分别建立任务模型，显著降低了对计算资源的消耗，同时也提高了对视觉识别失效场景识别的扩展性和准确性。

技术领域

本发明涉及自动驾驶技术领域，具体涉及一种场景识别方法、计算机设备、计算机可读存储介质及车辆。

背景技术

在对车辆进行自动驾驶控制时通常会利用视觉传感器采集图像，对图像进行障碍物和车道线等目标进行识别。但是，在车辆行驶过程中可能会遇到雨天、雾天等情况导致视觉传感器的成像质量较差，导致车辆无法从图像中准确地识别出障碍物和车道线等目标，即发生视觉识别失效。对此，需要准确地识别出车辆是否处于会导致视觉识别失效的场景（如雨天），以确定车辆的控制方式，保证车辆安全。但是，目前常规的场景识别方法对计算资源的消耗比较大，可扩展性较低，识别出来的场景不能贴近实际的视觉识别失效场景。

相应地，本领域需要一种新的技术方案来解决上述问题。

发明内容

为了克服上述缺陷，提出了本发明，以提供解决或至少部分地解决提高视觉识别失效场景的识别准确性、可扩展性并降低对计算资源消耗的技术问题的场景识别方法、计算机设备、计算机可读存储介质及车辆。

在第一方面，提供一种场景识别方法，所述方法包括：

获取视觉传感器采集到的图像；

通过多任务模型的共享特征提取网络提取所述图像的图像特征，并将所述图像特征输入至所述多任务模型的每个场景识别网络；

通过每个场景识别网络并根据所述图像特征，分别对不同类型的视觉识别失效场景进行识别。

在上述场景识别方法的一个技术方案中，“通过多任务模型的共享特征提取网络提取所述图像的图像特征”的步骤包括：

通过所述共享特征提取网络的第一级特征提取网络，提取所述图像的第一级图像特征；

通过所述共享特征提取网络的第二级特征提取网络，对所述第一级图像特征进行特征提取，以获取第二级图像特征。

在上述场景识别方法的一个技术方案中，在“通过多任务模型的共享特征提取网络提取所述图像的图像特征”的步骤之后，所述方法还包括：

将所述第一级图像特征输入至所述多任务模型的每个目标识别网络；

通过每个目标识别网络并根据所述第一级图像特征，分别对不同类型的目标进行识别。

在上述场景识别方法的一个技术方案中，所述方法还包括通过下列方式构建所述第一级特征提取网络：

采用卷积核尺寸大于预设的尺寸阈值的大核卷积，建立大核卷积层；

根据所述大核卷积层，构建所述第一级特征提取网络。

在上述场景识别方法的一个技术方案中，所述方法还包括通过下列方式构建所述第二级特征提取网络：

建立多个残差块；

将多个残差块顺次连接，以构建所述第二级特征提取网络。

在上述场景识别方法的一个技术方案中，所述方法还包括通过下列方式构建所述场景识别网络：

分别建立卷积层、全局池化层和全连接层；

将所述卷积层、所述全局池化层和所述全连接层顺次连接，以构建所述场景识别网络。

在上述场景识别方法的一个技术方案中，所述方法还包括通过下列方式建立所述全连接层：