[發明專利]一種基于UCL的無人駕駛系統對象標識方法和裝置

有效

• 申請號: 202110463658.6
• 申請日: 2021-04-26
• 公開（公告）號: CN113095278B
• 公開（公告）日: 2022-11-18
• 發明（設計）人: 楊鵬;程昌虎;艾成銘;馬衛東
• 申請（專利權）人: 東南大學
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/25;G06V10/774;G06N20/00;G06F21/60
• 代理公司: 南京眾聯專利代理有限公司 32206
• 代理人: 葉涓涓

1.一種基于UCL的無人駕駛系統對象標識方法，其特征在于，包括如下步驟：

(1)利用深度學習目標檢測模型對車載視頻中的圖像幀進行對象識別，從神經網絡模型中提取對象特征送入卷積神經網絡層進一步確定對象信息，并利用同一場景的連續幀之間的對象備選框位置接近的特性，對神經網絡模型生成的備選框進行過濾，最后對輸出數據進行格式化處理，以滿足后續編碼步驟的數據要求；

(2)設計無人駕駛系統實體對象標識規范，在統一內容標簽UCL的基礎上進行擴展，新增無人駕駛對象屬性集合UOPS，確定UOPS頭部和屬性域各屬性，制定UOPS擴展編碼規范；使用無人駕駛系統實體對象標識規范標引步驟(1)中識別出來的無人駕駛系統對象標識的代碼域、內容描述屬性集合CDPS、內容管理屬性集合CGPS，以及擴展的無人駕駛對象屬性集合UOPS，生成UCL對象信息包；

(3)上傳經步驟(2)中無人駕駛系統實體對象標識規范標引后的UCL對象信息包到無人駕駛對象知識庫，所述無人駕駛對象知識庫以人工設計信息與上傳對象信息為基礎，利用無人駕駛對象知識庫中的先驗信息校準初次上傳的UCL對象信息包并在校準之后回傳；

(4)加密校準后的UCL對象信息包并通過傳輸模塊傳輸到智慧路網的接收模塊。

2.如權利要求1所述的基于UCL的無人駕駛系統對象標識方法，其特征在于，所述步驟(1)包括如下子步驟：

(1-1)對視頻數據進行圖像數據采集；

(1-2)使用改進后的SSD目標檢測框架，對數據集進行預處理后轉化為目標檢測模型可以訓練的格式再進行訓練，對圖像幀中的對象進行識別，所述改進后的SSD神經網絡將SSD網絡中特征提取層每一層中有目標的網格所對應的所有備選框去除，僅保留目標所對應的備選框；

(1-3)每張圖像幀識別出一個實體對象后將該實體對象的格式化信息存入數據庫。

3.如權利要求2所述的基于UCL的無人駕駛系統對象標識方法，其特征在于，所述子步驟(1-3)包括如下過程：

i)利用改進后的SSD神經網絡對車載視頻進行對象識別；

ii)計算當前幀圖片與上一幀圖片中物體類別的重合度，若重合度小于設定的閾值則利用SSD神經網絡對當前幀圖片所有提案框再進行對象類別識別；

iii)在各個特征層提取出的實體對象特征池化后，拼接特征向量，再送入到卷積神經網絡，進行對象特征提取，基于生成的特征向量與數據庫中實體對象特征向量之間的距離確定對象信息。

4.如權利要求3所述的基于UCL的無人駕駛系統對象標識方法，其特征在于，所述步驟ii)通過如下公式計算當前幀圖片與上一幀圖片中物體類別的重合度：

A＝{a₁，a₂，a₃，...，a_n}為前一幀的識別的目標集合，D＝{d₁，d₂，d₃，...，d_n}為通過前一幀目標備選框生成的目標集合。