[發明專利]一種檢測障礙物的方法以及設備有效
| 申請號: | 201810218085.9 | 申請日: | 2018-03-16 |
| 公開(公告)號: | CN110154896B | 公開(公告)日: | 2020-04-07 |
| 發明(設計)人: | 余貴珍;胡超偉;王云鵬;蘇鴻杰;雷傲 | 申請(專利權)人: | 北京航空航天大學 |
| 主分類號: | B60R1/00 | 分類號: | B60R1/00 |
| 代理公司: | 暫無信息 | 代理人: | 暫無信息 |
| 地址: | 100191*** | 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: | 一種 檢測 障礙物 方法 以及 設備 | ||
1.一種檢測障礙物的方法,其特征在于,包括:
通過第一處理器,接收來自圖像采集設備的圖像序列;
通過第一處理器,將所述圖像序列中的第一圖像發送至第二處理器,調用由所述第二處理器運行的子線程檢測所述第一圖像中的多個障礙物;
通過第一處理器,從所述第二處理器接收所檢測的檢測結果;
通過第一處理器,根據所述檢測結果,初始化用于在所述圖像序列中跟蹤所述多個障礙物中的至少一部分障礙物的多個跟蹤器;
以及
通過第一處理器,利用所述多個跟蹤器在所述圖像序列中對所述至少一部分障礙物進行跟蹤;
檢測所述多個障礙物的操作包括:
利用預先訓練的卷積神經網絡對所述第一圖像進行檢測,得到多個目標;以及
從所述多個目標中選擇滿足以下條件的目標作為所述多個障礙物:
屬于障礙物的一個類別的概率大于第一預定值;以及
到達所述圖像采集設備的距離小于第二預定值。
2.根據權利要求1所述的方法,其特征在于,所述卷積神經網絡為基于SSD算法結構的卷積神經網絡。
3.根據權利要求2所述的方法,其特征在于,所述SSD算法結構的前端網絡為淺層殘差網絡的部分層,以及所述SSD算法結構的后端網絡為多個卷積層。
4.根據權利要求3所述的方法,其特征在于,所述障礙物的類別包括以下類別中的至少一個:行人、自行車、摩托車、三輪車、轎車、廂式貨車、無蓋貨車以及公交車。
5.根據權利要求4所述的方法,其特征在于,所述多個跟蹤器為基于相關濾波的單目標跟蹤器。
6.根據權利要求5所述的方法,其特征在于,初始化所述多個跟蹤器的操作包括:
利用所述至少一部分障礙物在所述第一圖像中的位置信息對所述多個跟蹤器進行初始化,然后使用所述多個跟蹤器在所述圖像序列中跟蹤障礙物。
7.根據權利要求6所述的方法,其特征在于,還包括:
在顯示器上顯示所述圖像序列;以及
將所述跟蹤的結果以及所述至少一部分障礙物距離所述圖像采集設備的距離顯示在所述圖像序列的圖像中。
8.一種檢測障礙物的設備,其特征在于,包括:圖像采集設備;第一處理器;以及第二處理器,
其中所述第一處理器運行第一程序,其中,所述第一程序運行時對于從所述圖像采集設備輸出的圖像序列執行如下處理步驟:
接收來自圖像采集設備的圖像序列;
將所述圖像序列中的第一圖像發送至第二處理器,調用由所述第二處理器運行的第二程序檢測所述第一圖像中的多個障礙物;
從所述第二處理器接收所檢測的檢測結果;
根據所述檢測結果,初始化與所述多個障礙物中的至少一部分障礙物分別對應的多個跟蹤器;以及
利用所述多個跟蹤器在所述圖像序列中對所述至少一部分障礙物進行跟蹤,并且
所述第二處理器運行所述第二程序,其中,所述第二程序運行時執行如下處理步驟:
從所述第一處理器接收所述第一圖像;
在所述第一圖像中檢測所述多個障礙物;以及
將所述檢測結果發送至所述第一處理器;
檢測所述多個障礙物的操作包括:
利用預先訓練的卷積神經網絡對所述第一圖像進行檢測,得到多個目標;以及
從所述多個目標中選擇滿足以下條件的目標作為所述多個障礙物:
屬于障礙物的一個類別的概率大于第一預定值;以及
到達所述圖像采集設備的距離小于第二預定值。
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北京航空航天大學,未經北京航空航天大學許可,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/201810218085.9/1.html,轉載請聲明來源鉆瓜專利網。
- 上一篇:疲勞駕駛偵測裝置
- 下一篇:一種智能車窗顯示系統





