[發明專利]一種單目車載視覺系統立體目標檢測方法

在審

• 申請號: 201810916373.1
• 申請日: 2018-08-13
• 公開（公告）號: CN109241856A
• 公開（公告）日: 2019-01-18
• 發明（設計）人: 吳長偉;繆其恒;蘇志杰;孫焱標;王江明;許煒
• 申請（專利權）人: 浙江零跑科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 杭州杭誠專利事務所有限公司 33109
• 代理人: 尉偉敏;王金蘭

1.一種單目車載視覺系統立體目標檢測方法，所述單目車載視覺系統包括深度卷積神經網絡模塊和后處理模塊，所述檢測方法包括:

S1，深度卷積神經網絡模塊根據共享特征圖譜，獲取駕駛場景中出現目標的三維尺寸信息；

S2，深度卷積神經網絡模塊根據共享特征圖譜，獲取駕駛場景中出現目標在圖片中的局部方向；

S3，深度卷積神經網絡模塊根據共享特征圖譜，對駕駛場景中出現目標進行二維目標框檢測；

S4，后處理模塊根據深度卷積神經網絡模塊輸出的目標三維尺寸、局部方向和二維目標框檢測結果，通過投影變換和數值優化獲取目標三維空間位置信息。

2.根據權利要求1所述的單目車載視覺系統立體目標檢測方法，其特征在于，所述深度卷積神經網絡模塊包括目標檢測分支模塊，所述步驟S3包括：

目標檢測分支模塊根據輸入目標的3尺寸共享卷積層特征，輸出駕駛場景中的目標類別、目標左上角點橫坐標、目標左上角縱坐標、目標寬度和目標高度，并通過置信度閾值過濾以及極大值抑制，獲取合并后目標類別和相應的二維目標框檢測結果。

3.根據權利要求1所述的單目車載視覺系統立體目標檢測方法，其特征在于，所述深度卷積神經網絡模塊還包括方向預測分支模塊，所述步驟s2具體包括：

所述方向預測分支模塊根據輸入目標的3尺寸共享卷積層特征，輸出目標在圖片中的局部方向。

4.根據權利要求1所述的單目車載視覺系統立體目標檢測方法，其特征在于，還包括對所述深度卷積神經網絡模塊進行離線訓練的步驟，所述離線訓練的步驟包括：

離線采集各類道路駕駛場景數據，提取離散時序訓練樣本；

采用所述生成的訓練樣本以及訓練損失函數為Loss1＝α1*L_det+α2*L_dims+α3*L_oris，訓練淺層共享卷積特征；

其中，α1，α2，α3為可配置參數，默認值均為1；L_det表示目標檢測損失函數，L_dims表示尺寸預測損失函數；L_oris表示方向預測損失函數。

5.根據權利要求4所述的單目車載視覺系統立體目標檢測方法，其特征在于，所述目標檢測的損失函數L_det包含目標定位損失L_loc和目標分類L_class兩部分，相應的公式為L_det＝L_loc+L_class。

6.根據權利要求4所述的單目車載視覺系統立體目標檢測方法，其特征在于，所述尺寸預測損失函數L_dims利用預測結果和真實尺寸之間的歐式距離進行量化。

7.根據權利要求4所述的單目車載視覺系統立體目標檢測方法，其特征在于，所述方向預測損失函數L_oris利用預測結果和真實方向之間的歐式距離進行量化。