[發明專利]圖像的處理方法、模型的訓練方法、裝置、設備和介質

在審

• 申請號: 202310203014.2
• 申請日: 2023-03-02
• 公開（公告）號: CN116168271A
• 公開（公告）日: 2023-05-26
• 發明（設計）人: 于躍龍;何旭東;蘇治中
• 申請（專利權）人: 上海安亭地平線智能交通技術有限公司
• 主分類號: G06V10/774
• 分類號: G06V10/774;G06V10/764;G06V10/82
• 代理公司: 北京思源智匯知識產權代理有限公司 11657
• 代理人: 李洪娟

本公開實施例公開了一種圖像的處理方法、模型的訓練方法、裝置、設備和介質，其中，圖像的處理方法包括：獲取至少一個視角中各視角分別對應的第一圖像坐標系下的第一圖像；基于各視角分別對應的第一圖像，確定各第一圖像分別在預設目標相機的第二圖像坐標系下對應的第二圖像；利用預先訓練獲得的圖像處理模型對各第二圖像進行處理，獲得各視角分別對應的圖像處理結果。本公開實施例可以有效降低不同相機的內參畸變不一致或外參安裝誤差對神經網絡模型精度的影響，從而有效提高模型精度，且只需要針對統一的預設目標相機進行神經網絡模型的構建，可以大大降低模型構建成本。

技術領域

本公開涉及計算機視覺技術，尤其是一種圖像的處理方法、模型的訓練方法、裝置、設備和介質。

背景技術

在自動駕駛領域，通常需要基于車載相機采集的圖像，利用神經網絡模型推理進行目標檢測和定位，為車輛行駛的避障提供有效的依據。但是，由于車載相機不同視角的參數(包括內參和外參)配置可能不同，導致為不同參數配置的車載相機構建與之匹配的神經網絡模型的成本較高，且由于不同視角的車載相機內參畸變可能不一致或外參安裝可能存在誤差，容易導致神經網絡模型的推理結果精度較低。

發明內容

為了解決上述模型構建成本較高、精度較低等技術問題，提出了本公開。本公開的實施例提供了一種圖像的處理方法、模型的訓練方法、裝置、設備和介質。

根據本公開實施例的一個方面，提供了一種圖像的處理方法，包括：獲取至少一個視角中各所述視角分別對應的第一圖像坐標系下的第一圖像；基于各所述視角分別對應的所述第一圖像，確定各所述第一圖像分別在預設目標相機的第二圖像坐標系下對應的第二圖像；利用預先訓練獲得的圖像處理模型對各所述第二圖像進行處理，獲得各所述視角分別對應的圖像處理結果。

根據本公開實施例的另一個方面，提供了一種圖像處理模型的訓練方法，包括：獲取至少一個視角中各所述視角分別對應的第三圖像坐標系下的第一訓練圖像；將各所述第一訓練圖像轉換到預設目標相機的第二圖像坐標系下，獲得各所述第一訓練圖像分別對應的第二訓練圖像；獲取各所述第二訓練圖像對應的標簽數據；基于各所述第二訓練圖像及所述標簽數據，對預先建立的圖像處理網絡進行訓練，獲得訓練好的圖像處理模型。

根據本公開實施例的再一個方面，提供了一種圖像的處理裝置，包括：第一獲取模塊，用于獲取至少一個視角中各所述視角分別對應的第一圖像坐標系下的第一圖像；第一處理模塊，用于基于各所述視角分別對應的所述第一圖像，確定各所述第一圖像分別在預設目標相機的第二圖像坐標系下對應的第二圖像；第二處理模塊，用于利用預先訓練獲得的圖像處理模型對各所述第二圖像進行處理，獲得各所述視角分別對應的圖像處理結果。

根據本公開實施例的又一個方面，提供了一種圖像處理模型的訓練裝置，包括：第二獲取模塊，用于獲取至少一個視角中各所述視角分別對應的第三圖像坐標系下的第一訓練圖像；第三處理模塊，用于將各所述第一訓練圖像轉換到預設目標相機的第二圖像坐標系下，獲得各所述第一訓練圖像分別對應的第二訓練圖像；第三獲取模塊，用于獲取各所述第二訓練圖像對應的標簽數據；第四處理模塊，用于基于各所述第二訓練圖像及所述標簽數據，對預先建立的圖像處理網絡進行訓練，獲得訓練好的圖像處理模型。

根據本公開實施例的再一方面，提供一種計算機可讀存儲介質，所述存儲介質存儲有計算機程序，所述計算機程序用于執行本公開上述任一實施例所述的圖像的處理方法；或者，所述計算機程序用于執行本公開上述任一實施例所述的圖像處理模型的訓練方法。

根據本公開實施例的又一方面，提供一種電子設備，所述電子設備包括：處理器；用于存儲所述處理器可執行指令的存儲器；所述處理器，用于從所述存儲器中讀取所述可執行指令，并執行所述指令以實現本公開上述任一實施例所述的圖像的處理方法；或者，執行所述指令以實現本公開上述任一實施例所述的圖像處理模型的訓練方法。