[發明專利]基于雙目視覺的障礙物識別方法和系統

有效

• 申請號: 202211044451.6
• 申請日: 2022-08-30
• 公開（公告）號: CN115116038B
• 公開（公告）日: 2023-03-24
• 發明（設計）人: 謝啟偉;周珍;梅雨涵;裴姍姍;孫釗
• 申請（專利權）人: 北京中科慧眼科技有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06N3/04;G06N3/08;G06N20/00;G06T7/55;G06V10/26;G06V10/44;G06V10/764;G06V10/82
• 代理公司: 北京遠立知識產權代理事務所(普通合伙) 11502
• 代理人: 李海燕

本發明公開了一種基于雙目視覺的障礙物識別方法和系統，所述方法包括：獲取原始圖像，并基于計算所述原始圖像的灰度圖；將所述灰度圖輸入到預先訓練的障礙物識別模型中，以得到所述原始圖像中的障礙物識別結果；其中，所述障礙物識別模型是利用原始圖像樣本訓練得到的，所述原始圖像樣本為經過棒狀像素進行障礙物劃分得到的圖像。該方法檢測精度高、檢測速度快，且適用于城市復雜道路環境，解決了現有技術中障礙物識別效率和識別準確率均較低的技術問題。

技術領域

本發明涉及輔助駕駛技術領域，具體涉及一種基于雙目視覺的障礙物識別方法和系統。

背景技術

近年來，自動駕駛和輔助駕駛得到了廣泛的使用，隨著車輛智能化、網聯化研究的不斷深入，如何讓車輛對前方道路環境進行準確、及時的認知已引起越來越多的關注。其中，對前方障礙物的實時檢測及識別在智能車輛的高級輔助駕駛上有著重要的意義。

但是，現有技術中基于視覺的障礙物檢測與識別算法需要依次完成選擇障礙物候選區域、障礙物識別和結果整合三個步驟，存在候選區域選取時間長和障礙物識別準確率低的技術問題。

發明內容

為此，本發明實施例提供一種基于雙目視覺的障礙物識別方法和系統，以期至少部分解決現有技術中障礙物識別效率和識別準確率均較低的技術問題。

為了實現上述目的，本發明實施例提供如下技術方案：

一種基于雙目視覺的障礙物識別方法，所述方法包括：

獲取原始圖像，并基于計算所述原始圖像的灰度圖；

將所述灰度圖輸入到預先訓練的障礙物識別模型中，以得到所述原始圖像中的障礙物識別結果；

其中，所述障礙物識別模型是利用原始圖像樣本訓練得到的，所述原始圖像樣本為經過棒狀像素進行障礙物劃分得到的圖像。

進一步地，障礙物識別模型的訓練過程包括：

獲取原始圖像樣本，并對所述原始圖像樣本進行數據處理，以生成樣本訓練集；

對所述樣本訓練集中的每張原始圖像中的目標區域進行基于棒狀像素的障礙物劃分；

對所述樣本數據集進行訓練，直至結果準確率達到預設值為止，以得到障礙物識別模型。

進一步地，獲取原始圖像樣本，并對所述原始圖像樣本進行數據處理，以生成樣本訓練集，具體包括：

在同一目標場景下，同時采用兩種Stixel生成方案，以實現對所述原始圖像樣本高度方向上的分割；

使用隨機森林選擇分割方案，以生成樣本訓練集。

進一步地，對所述樣本訓練集中的每張原始圖像中的目標區域進行基于棒狀像素的障礙物劃分，具體包括：

基于Stixel的障礙物劃分，利用深度學習網絡進行深度學習，將所述原始圖像用Stixel進行表示，然后劃分出不同障礙物的Stixel。

進一步地，在基于Stixel的障礙物劃分時，樣本選擇具體包括：

對于一張左圖彩圖，從左至右將相鄰Stixel分別改為35×70大小進行左右拼接為70×70大小，同一物體的Stixel組合作為正樣本，不同物體的Stixel組合作為負樣本；

對于完全不屬于同一物體的相鄰Stixel組合后的負樣本則進行一倍的數據增強；

隨機選取一些差異較大的兩個障礙物，對于物體1的每個Stixel，獨立隨機選取物體2中的m個Stixel進行拼接組合為負樣本。

進一步地，所述深度學習網絡為改進的DenseNet網絡。