[發明專利]可行駛區域檢測方法、裝置、設備及存儲介質在審
| 申請號： | 201710487137.8 | 申請日： | 2017-06-23 |
| 公開（公告）號： | CN109117690A | 公開（公告）日： | 2019-01-01 |
| 發明（設計）人： | 陳世佳;何明;夏添 | 申請（專利權）人： | 百度在線網絡技術(北京)有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62 |
| 代理公司： | 北京鴻德海業知識產權代理事務所(普通合伙) 11412 | 代理人： | 袁媛 |
| 地址： | 100085 北京*** | 國省代碼： | 北京;11 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 行駛區域 存儲介質 路面圖像 檢測 三維空間 無人駕駛車輛 單目攝像頭 相似三角形 檢測結果 映射 采集 圖像 應用 學習 | ||
1.一種可行駛區域檢測方法，其特征在于，包括：
獲取安裝在無人駕駛車輛上的單目攝像頭采集的路面圖像；
將所述路面圖像輸入給預先訓練得到的深度學習模型，得到檢測出的圖像上的可行駛區域；
根據相似三角形原理，將所述可行駛區域映射到三維空間，得到空間可行駛區域。
2.根據權利要求1所述的方法，其特征在于，
所述獲取安裝在無人駕駛車輛上的單目攝像頭采集的路面圖像之前，進一步包括：
獲取作為訓練數據的單目攝像頭采集的路面圖像；
針對作為訓練數據的每張路面圖像，分別獲取其中的各像素點的標注結果，所述標注結果包括屬于可行駛區域以及屬于不可行駛區域；
根據作為訓練數據的各路面圖像以及標注結果，訓練得到所述深度學習模型。
3.根據權利要求1所述的方法，其特征在于，
所述將所述路面圖像輸入給預先訓練得到的深度學習模型，得到檢測出的圖像上的可行駛區域包括：
將所述路面圖像輸入給所述深度學習模型，得到由可行駛區域以及不可行駛區域組成的分類結果圖像。
4.根據權利要求3所述的方法，其特征在于，
所述得到由可行駛區域以及不可行駛區域組成的分類結果圖像之后，進一步包括：
對所述分類結果圖像進行圖像后處理，得到優化后的可行駛區域。
5.根據權利要求1所述的方法，其特征在于，
所述將所述可行駛區域映射到三維空間包括：
針對所述可行駛區域中的每個像素點，分別根據所述單目攝像頭的參數以及相似三角形原理，將所述像素點映射到三維空間。
6.根據權利要求1所述的方法，其特征在于，
所述得到空間可行駛區域之后，進一步包括：
對所述空間可行駛區域進行空間后處理，得到優化后的空間可行駛區域。
7.一種可行駛區域檢測裝置，其特征在于，包括：獲取單元以及檢測單元；
所述獲取單元，用于獲取安裝在無人駕駛車輛上的單目攝像頭采集的路面圖像；
所述檢測單元，用于將所述路面圖像輸入給預先訓練得到的深度學習模型，得到檢測出的圖像上的可行駛區域，并根據相似三角形原理，將所述可行駛區域映射到三維空間，得到空間可行駛區域。
8.根據權利要求7所述的裝置，其特征在于，
所述裝置中進一步包括：預處理單元；
所述預處理單元，用于獲取作為訓練數據的單目攝像頭采集的路面圖像，針對作為訓練數據的每張路面圖像，分別獲取其中的各像素點的標注結果，所述標注結果包括屬于可行駛區域以及屬于不可行駛區域，根據作為訓練數據的各路面圖像以及標注結果，訓練得到所述深度學習模型。
9.根據權利要求7所述的裝置，其特征在于，
所述檢測單元將所述路面圖像輸入給所述深度學習模型，得到由可行駛區域以及不可行駛區域組成的分類結果圖像。
10.根據權利要求9所述的裝置，其特征在于，
所述檢測單元進一步用于，
對所述分類結果圖像進行圖像后處理，得到優化后的可行駛區域。
11.根據權利要求7所述的裝置，其特征在于，
所述檢測單元針對所述可行駛區域中的每個像素點，分別根據所述單目攝像頭的參數以及相似三角形原理，將所述像素點映射到三維空間。
12.根據權利要求7所述的裝置，其特征在于，
所述檢測單元進一步用于，
對所述空間可行駛區域進行空間后處理，得到優化后的空間可行駛區域。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于百度在線網絡技術(北京)有限公司，未經百度在線網絡技術(北京)有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710487137.8/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：行人檢測方法和裝置
- 下一篇：可行駛區域檢測方法、裝置、設備及存儲介質
