[发明专利]基于场景分割的自动驾驶处理方法及装置、计算设备

说明书

本发明公开了一种基于场景分割的自动驾驶处理方法及装置、计算设备，方法对所拍摄和/或所录制视频所包含的帧图像进行分组处理，包括：实时获取图像采集设备所拍摄和/或所录制的车辆驾驶途中的视频中的当前帧图像；将当前帧图像输入至经训练得到的神经网络中，根据当前帧图像在其所属分组中的帧位置，对当前帧图像进行场景分割，得到当前帧图像的场景分割结果；根据场景分割结果，确定行驶路线和/或行驶指令；按照所确定的行驶路线和/或行驶指令，对自身车辆进行自动驾驶控制。本发明根据当前帧图像在其所属分组中的帧位置不同，对应的对帧图像进行场景分割。利用场景分割结果精准地确定行驶路线和/或行驶指令，有助于提高自动驾驶的安全性。

技术领域

本发明涉及图像处理领域，具体涉及一种基于场景分割的自动驾驶处理方法及装置、计算设备。

背景技术

图像场景分割处理主要是基于深度学习中的全卷积神经网络，这些处理方法利用迁移学习的思想，将在大规模分类数据集上经过预训练得到的网络迁移到图像分割数据集上进行训练，从而得到用于场景分割的分割网络，然后利用该分割网络对图像进行场景分割。基于场景分割的自动驾驶对场景分割的时效性和准确性都有较高的要求，以保障自动驾驶的安全性。

现有技术在对场景进行分割时，往往是将视频数据中的每一帧图像作为单独的帧图像进行场景分割，得到每一帧图像的场景分割结果。但这种处理方式对每一帧图像进行相同的处理，没有考虑到视频数据中各帧图像之间的关联性。使得处理的速度较慢，需要花费较多的时间。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的基于场景分割的自动驾驶处理方法及装置、计算设备。

根据本发明的一个方面，提供了一种基于场景分割的自动驾驶处理方法，方法对所拍摄和/或所录制视频所包含的帧图像进行分组处理，其包括：

实时获取图像采集设备所拍摄和/或所录制的车辆驾驶途中的视频中的当前帧图像；

将当前帧图像输入至经训练得到的神经网络中，根据当前帧图像在其所属分组中的帧位置，对当前帧图像进行场景分割，得到当前帧图像的场景分割结果；

根据场景分割结果，确定行驶路线和/或行驶指令；

按照所确定的行驶路线和/或行驶指令，对自身车辆进行自动驾驶控制。

可选地，根据场景分割结果，确定行驶路线和/或行驶指令进一步包括：

根据场景分割结果，确定特定对象的轮廓信息；

依据特定对象的轮廓信息，计算自身车辆与特定对象的相对位置关系；

根据计算得到的相对位置关系，确定行驶路线和/或行驶指令。

可选地，自身车辆与特定对象的相对位置关系包括自身车辆与特定对象之间的距离信息和/或角度信息。

可选地，根据场景分割结果，确定行驶路线和/或行驶指令进一步包括：

根据场景分割结果中包含的交通标志信息，确定自身车辆行驶路线和/或行驶指令。

可选地，根据场景分割结果，确定行驶路线和/或行驶指令进一步包括：

根据场景分割结果中包含的交通信号灯信息，确定行驶路线和/或行驶指令。

可选地，将当前帧图像输入至经训练得到的神经网络中，根据当前帧图像在其所属分组中的帧位置，对当前帧图像进行场景分割，得到当前帧图像的场景分割结果进一步包括：

判断当前帧图像是否为任一分组的第1帧图像；

若是，则将当前帧图像输入至经训练得到的神经网络中，经过该神经网络全部卷积层和反卷积层的运算后，得到当前帧图像的场景分割结果；