[发明专利]障碍物检测方法、装置、系统及存储介质

说明书

本申请提供一种障碍物检测方法、装置、系统及存储介质，该方法包括：获取传感器采集的检测图片；将检测图片输入预设的改进yolov5模型中进行处理，其中改进yolov5模型包括：骨干网络、颈部网络和头部网络；其中在骨干网络和颈部网络中具有改进的csp结构，改进的csp结构包括第一处理分支、第二处理分支和主干部分，第一处理分支中包括第一计算模块，第二处理分支包括第一计算模块和第二计算模块，主干部分包括融合层和第一计算模块；其中第二计算模块对特征图进行处理时，通过大小超过常规卷积核对每一张特征图进行独立卷积处理，并对各卷积处理后的特征图的通道进行常规卷积操作和加权处理。该方法提高了精度和计算速度。

技术领域

本申请涉及无人驾驶技术领域，尤其涉及一种障碍物检测方法、装置、系统及存储介质。

背景技术

在无人驾驶技术中自动避障功能的实现过程里，障碍物的检测是非常重要的环节，深度学习算法模型yolov5模型由于具有足够的检测精度和速度，在障碍物检测中的应用较为广泛。

目前现有技术中，为满足yolov5模型的实时性要求，一般将轻量化分类网络与yolov5模型进行结合，以提高模型检测速度。

然而，发明人发现现有技术至少存在以下技术问题：将yolov5模型中的骨干网络替换为轻量化分类网络，会降低模型提取特征能力，降低模型检测精度。

发明内容

本申请提供一种障碍物检测方法、装置、系统及存储介质，以克服现有技术中用轻量化分类网络改进yolov5模型后模型检测精度较低的问题。

第一方面，本申请提供一种障碍物检测方法，包括：

获取传感器采集的检测图片；

将所述检测图片输入预设的改进yolov5模型中进行处理，其中所述改进yolov5模型包括：骨干网络、颈部网络和头部网络，其中所述改进yolov5模型的具体处理过程，包括：将所述检测图片输入骨干网络中进行第一次特征提取处理，将所述第一次特征提取处理后的特征图输入颈部网络进行第二次特征提取处理，将所述第二次特征提取处理后的特征图输入所述头部网络输出障碍物检测结果；

其中在所述骨干网络和所述颈部网络中具有改进的csp结构，其中所述改进的csp结构包括第一处理分支和第二处理分支和主干部分，第一处理分支中包括第一计算模块，第二处理分支包括第一计算模块和第二计算模块，所述主干部分包括融合层和第一计算模块；其中所述第二计算模块中包括大小超过常规卷积核的深度可分离卷积；其中所述改进的csp结构对特征图的处理过程为：将特征图输入第一处理分支，经过第一计算模块进行处理；将特征图输入第二处理分支，依次经过第一计算模块和第二计算模块进行处理；将所述第一处理分支处理后的特征图和所述第二处理分支处理后的特征图输入主干部分的融合层进行融合，得到融合的特征图；将所述融合的特征图经过主干部分的第一计算模块进行处理，得到改进csp结构处理后的特征图，其中第二计算模块对特征图进行处理时，通过所述大小超过常规卷积核的深度可分离卷积对特征图进行如下处理：通过所述大小超过常规卷积核对每一张特征图进行独立卷积处理，并对各卷积处理后的特征图的通道进行常规卷积操作和加权处理。

在一种可能的设计中，第一计算模块按照输入到输出的顺序依次包括：第一常规卷积层、第一批归一化层、第一激活函数层；相应地，将特征图输入第一处理分支，经过第一计算模块进行处理，以输出第一特征图，包括：通过第一常规卷积层对特征图进行卷积处理，得到数目减半的特征图；通过第一批归一化层对数目减半后的特征图进行批归一化处理，得到服从标准正态分布的特征图；通过第一激活函数层增加服从标准正态分布的特征图的非线性特性，以输出第一处理分支处理后的特征图。