[发明专利]车载测距方法、装置、车载终端及可读存储介质

说明书

本申请公开了一种车载测距方法、装置、车载终端及可读存储介质，应用于车载终端的图像处理过程中，方法包括根据待测车辆所在道路的道路深度图的当前场景实时调整取样区域，并对取样区域进行特征提取，得到深度特征信息；从待测车辆所在道路的道路RGB图中提取RGB特征信息；将深度特征信息和RGB特征信息进行融合，并对融合之后的特征进行卷积处理；将卷积处理后的特征输入至解码器进行上采样处理，生成深度图。本申请可以高效且高精度地计算深度信息。

技术领域

本申请涉及自动驾驶技术领域，特别是涉及一种车载测距方法、装置、车载终端及可读存储介质。

背景技术

随着自动驾驶技术的快速发展，自动驾驶汽车已被应用在日常工作生活中。自动驾驶汽车采用先进的通信、计算机、网络和控制技术实现实时、连续地控制汽车的行驶。可以理解的是，自动驾驶过程中，需要不断地采集行驶前方、周围的环境图像，以便快速作出正确决策，相应的，处理器获取的图像数据分辨率高且图像数据量大，对图像处理结果精度和实时性的要求均很高。

深度学习方法通过神经网络可以直接从数据中学习到有用的特征表示，例如可以使用预训练神经网络识别和过滤图像中的噪声，有效提高图像处理效果，被广泛应用在图像处理技术领域。

相关技术在处理图像时所采用的神经网络规模都很大，并无法满足实时性的要求；为了满足实时性要求，提高图像处理效率，但是又无法满足高精度的需求，导致最终所确定深度信息并无法同时满足高精度和实时性要求。

鉴于此，高效且高精度地计算深度信息，是所属领域技术人员需要解决的技术问题。

发明内容

本申请提供了一种车载测距方法、装置、车载终端及可读存储介质，可以高效且高精度地计算深度信息。

为解决上述技术问题，本发明实施例提供以下技术方案：

本发明实施例一方面提供了一种车载测距方法，应用于车载终端的图像处理过程中，包括：

根据待测车辆所在道路的道路深度图的当前场景实时调整取样区域，并对所述取样区域进行特征提取，以得到深度特征信息；

从所述待测车辆所在道路的道路RGB图中提取RGB特征信息；所述RGB特征信息包括空间信息、RGB通道维度上的语义和文本信息；

将所述深度特征信息和所述RGB特征信息进行融合，并对融合之后的特征进行卷积处理；

将卷积处理后的特征输入至解码器进行上采样处理，生成深度图。

可选的，所述对所述取样区域进行特征提取，包括：

预先构建深度特征提取模块；所述深度特征提取模块包括多个相连的粗特征提取单元，每个粗特征提取单元包括相连的膨胀放大层和最大池化层；

利用所述深度特征提取模块对所述取样区域进行特征提取。

可选的，所述深度特征提取模块还包括精细特征提取单元，所述精细特征提取单元包括卷积神经网络；

所述卷积神经网络的输入为最后一个粗特征提取单元的输出特征，输出为所述深度特征信息。

可选的，所述根据待测车辆所在道路的道路深度图的当前场景实时调整取样区域，包括：

基于轮廓匹配算法，将取样点放置至当前时刻获取的道路深度图中的特征区域上。

可选的，所述从待测车辆所在道路的道路RGB图中提取RGB特征信息，包括：

预先构建RGB编码组件；所述RGB编码组件包括Resnet50、注意力模块和空洞卷积模块，所述注意力模块包括并列的通道注意力模块和空间注意力模块，所述空洞卷积模块包括多个并列且不同空洞数的空洞卷积层；