[發(fā)明專利]障礙物漏檢修復(fù)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110486374.9
• 申請(qǐng)日: 2021-04-30
• 公開（公告）號(hào): CN113095288A
• 公開（公告）日: 2021-07-09
• 發(fā)明（設(shè)計(jì)）人: 郭雅嬋;張立志;周磊
• 申請(qǐng)（專利權(quán)）人: 浙江吉利控股集團(tuán)有限公司;吉利汽車研究院（寧波）有限公司
• 主分類號(hào): G06K9/00
• 分類號(hào): G06K9/00;G06K9/46;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京同立鈞成知識(shí)產(chǎn)權(quán)代理有限公司 11205
• 代理人: 虞浩;臧建明

本申請(qǐng)?zhí)峁┮环N障礙物漏檢修復(fù)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，獲取多個(gè)錨框和預(yù)設(shè)模型的末端特征輸出層輸出的障礙物圖像特征，其中，預(yù)設(shè)模型包括多個(gè)特征輸出層。根據(jù)多個(gè)錨框和障礙物圖像特征，得到每個(gè)錨框的類別特征圖和前景背景特征圖。根據(jù)各個(gè)錨框的類別特征圖和前景背景特征圖，確定漏檢目標(biāo)特征圖和待處理特征圖。根據(jù)漏檢目標(biāo)特征圖，強(qiáng)化待處理特征圖。在不修改模型框架，不增加大量的漏檢障礙物數(shù)據(jù)，無需重新訓(xùn)練模型的前提下，根據(jù)障礙物類別和錨框的關(guān)系，強(qiáng)化特定前景背景特征圖的輸出，有效快速地解決漏檢問題。

技術(shù)領(lǐng)域

本申請(qǐng)涉及自動(dòng)駕駛技術(shù)領(lǐng)域，提出了一種障礙物漏檢修復(fù)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)。

背景技術(shù)

L4無人駕駛汽車通常使用多個(gè)相機(jī)覆蓋前后左右360°視角，以檢測(cè)汽車周圍的障礙物。目前的視覺檢測(cè)模型應(yīng)用于無人駕駛汽車時(shí)，會(huì)出現(xiàn)障礙物漏檢的情況。

障礙物漏檢問題的解決思路通常有：一、通過修改視覺檢測(cè)模型框架，以加強(qiáng)模型的特征提取能力；二、采集漏檢障礙物數(shù)據(jù)，將漏檢障礙物數(shù)據(jù)加入到訓(xùn)練數(shù)據(jù)內(nèi)，以使視覺檢測(cè)模型具備識(shí)別該障礙物的能力。

然而，修改模型框架和采集障礙物漏檢數(shù)據(jù)，需要投入大量的時(shí)間成本和人力成本，資源消耗大，無法快速解決障礙物漏檢的問題。

發(fā)明內(nèi)容

本申請(qǐng)?zhí)峁┮环N障礙物漏檢修復(fù)方法、裝置、設(shè)備及存儲(chǔ)介質(zhì)，用以解決現(xiàn)有技術(shù)需要投入大量的時(shí)間成本和人力成本，資源消耗大，無法快速解決障礙物漏檢的問題。

第一方面，本申請(qǐng)?zhí)峁┮环N障礙物漏檢修復(fù)方法，包括：

獲取多個(gè)錨框和預(yù)設(shè)模型的末端特征輸出層輸出的障礙物圖像特征，其中，預(yù)設(shè)模型包括多個(gè)特征輸出層；

根據(jù)多個(gè)錨框和障礙物圖像特征，得到每個(gè)錨框的類別特征圖和前景背景特征圖；

根據(jù)各個(gè)錨框的類別特征圖和前景背景特征圖，確定漏檢目標(biāo)特征圖和待處理特征圖；

根據(jù)漏檢目標(biāo)特征圖，強(qiáng)化待處理特征圖。

可選地，根據(jù)漏檢目標(biāo)特征圖，強(qiáng)化待處理特征圖，包括：

根據(jù)漏檢目標(biāo)特征圖，確定漏檢目標(biāo)特征區(qū)域；

根據(jù)漏檢目標(biāo)特征區(qū)域，確定待處理特征圖的待強(qiáng)化區(qū)域；

強(qiáng)化待強(qiáng)化區(qū)域的響應(yīng)度。

可選地，根據(jù)各個(gè)錨框的類別特征圖和前景背景特征圖，確定漏檢目標(biāo)特征圖和待處理特征圖，包括：

根據(jù)各個(gè)錨框的類別特征圖，確定響應(yīng)度大于預(yù)設(shè)閾值的類別特征圖，作為漏檢目標(biāo)特征圖；

根據(jù)各個(gè)錨框的前景背景特征圖，確定與漏檢目標(biāo)特征圖的錨框尺寸相同的前景背景特征圖，作為待處理特征圖。

可選地，獲取多個(gè)錨框，包括：

在訓(xùn)練數(shù)據(jù)中標(biāo)注出所有障礙物的維度信息；

根據(jù)維度信息，使用聚類算法得到多個(gè)類別的障礙物的聚類中心，聚類中心是每個(gè)類別的障礙物的尺寸的中心值；

根據(jù)聚類中心，得到多個(gè)不同尺度、大小的錨框。

可選地，方法還包括：

獲取障礙物類別的數(shù)量；

根據(jù)障礙物類別的數(shù)量以及每個(gè)障礙物類別下的錨框的數(shù)量，確定類別特征圖的數(shù)量和前景背景特征圖的數(shù)量。

可選地，方法還包括：

根據(jù)強(qiáng)化完成的待處理特征圖，輸出障礙物的類別。

第二方面，本申請(qǐng)?zhí)峁┮环N障礙物漏檢修復(fù)裝置，裝置包括：