[發明專利]一種圖像處理方法及裝置

在審

• 申請號: 201811640344.3
• 申請日: 2018-12-29
• 公開（公告）號: CN109657643A
• 公開（公告）日: 2019-04-19
• 發明（設計）人: 閆泳杉
• 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;G06K9/34
• 代理公司: 北京銀龍知識產權代理有限公司 11243
• 代理人: 許靜;黃燦

本發明提供一種圖像處理方法及裝置，方法包括：獲取待處理圖像，待處理圖像為車輛行車前方的場景圖像；確定待處理圖像中的目標圖像區域；將目標圖像區域裁剪，以得到用于端到端模型的訓練或者預測的目標圖像，目標圖像為待處理圖像裁剪掉目標圖像區域后保留的圖像。本發明提供的圖像處理方法，在端到端模型訓練或者預測過程中，電子設備可以將采集的圖像進行裁剪，使得用于訓練或者預測的圖像中數據量減少，從而縮短訓練或者預測過程的耗時，提升端到端模型訓練或者預測的效率。

技術領域

本發明涉及汽車技術領域，尤其涉及一種圖像處理方法及裝置。

背景技術

自動駕駛汽車是通過ECU(Electronic Control Unit，電子控制單元)等車載終端設備，對車輛中各個部分進行精準的控制與計算分析，從而實現車輛的全自動運行，達到車輛無人駕駛的目的。隨著深度學習的迅速發展以及人工智能的深入研究，通過端到端的深度學習實現自動駕駛便是自動駕駛領域的一個主要研究方向。

現有的自動駕駛過程中，通常是通過車輛的車頭前方的單目相機或者雙目相機采集圖像，再將采集的圖像輸入至端到端模型，從而獲取預測數據，車載終端設備通過獲取的預測數據控制車輛自動行駛。但是，由于通常采集的圖像中數據量較大，導致端到端模型獲取預測數據的耗時較長，從而降低了端到端模型的預測效率。

發明內容

本發明實施例提供一種圖像處理方法及裝置，以解決目前因端到端模型的輸入圖像的數據量較大，而導致預測效率低的問題。

第一方面，本發明實施例提供了一種圖像處理方法，包括：

獲取待處理圖像，所述待處理圖像為車輛行車前方的場景圖像；

確定所述待處理圖像中的目標圖像區域；

將所述目標圖像區域裁剪，以得到用于端到端模型的訓練或者預測的目標圖像，所述目標圖像為所述待處理圖像裁剪掉所述目標圖像區域后保留的圖像。

第二方面，本發明實施例還提供了一種圖像處理裝置，包括：

圖像獲取模塊，用于獲取待處理圖像，所述待處理圖像為車輛行車前方的場景圖像；

圖像區域確定模塊，用于確定所述待處理圖像中的目標圖像區域；

裁剪模塊，用于將所述目標圖像區域裁剪，以得到用于端到端模型的訓練或者預測的目標圖像，所述目標圖像為所述待處理圖像裁剪掉所述目標圖像區域后保留的圖像。

第三方面，本發明實施例還提供了一種電子設備，其特征在于，包括處理器、存儲器及存儲在所述存儲器上并可在所述處理器上運行的計算機程序，所述計算機程序被所述處理器執行時實現上述圖像處理方法的步驟。

第四方面，本發明實施例還提供了一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現上述圖像處理方法的步驟。

本發明實施例，通過獲取待處理圖像，待處理圖像為車輛行車前方的場景圖像；確定待處理圖像中的目標圖像區域；將目標圖像區域裁剪，以得到用于端到端模型的訓練或者預測的目標圖像，目標圖像為待處理圖像裁剪掉目標圖像區域后保留的圖像。這樣，在端到端模型訓練或者預測過程中，電子設備可以將采集的圖像進行裁剪，使得用于訓練或者預測的圖像中數據量減少，從而縮短訓練或者預測過程的耗時，提升端到端模型訓練或者預測的效率。

附圖說明

為了更清楚地說明本發明實施例的技術方案，下面將對本發明實施例描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本發明的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動性的前提下，還可以根據這些附圖獲得其他的附圖。

圖1是本發明實施例提供的圖像處理方法的流程示意圖；