一种基于相机拍摄的轨距检测方法及装置
技术领域
本申请涉及检测技术领域,尤其是涉及一种基于相机拍摄的轨距检测方法及装置。
背景技术
为保证轨道车辆行驶安全,需定期对轨道进行检测,而轨距检测是轨道检测的一项必不可少的检测项。
现有技术中,主要运用图像处理的方式进行非接触式轨距检测,通过采集轨道图像,然后根据轨道图像中的像素点识别轨道,并根据图像中像素之间的距离计算出轨距,在计算和识别过程中,需要使用根据经验值人为设定的阈值参数,识别精度较低;且因为在不同的检测场景中,例如在隧道内检测轨距和在隧道外的检测轨距时,所需要的阈值参数并不相同,因此针对不同的检测场景需要设置不同的阈值参数,检测效率较低。
发明内容
有鉴于此,本申请的目的在于提供一种基于相机拍摄的轨距检测方法及装置,以提高轨距检测的效率和准确率。
第一方面,本申请实施例提供了一种基于相机拍摄的轨距检测方法,包括:
采集轨道图像;
将所述轨道图像输入预先训练好的边缘分割模型中,得到边缘分割后的轨道图像,其中,所述边缘分割后的轨道信息包括轨道的边缘信息;
基于所述边缘分割后的轨道图像,确定所述轨道之间的轨距。
结合第一方面,本申请实施例提供了第一方面的第一种可能的实施方式,其中,在将所述轨道图像输入预先训练好的边缘分割模型中之前,所述方法还包括:
提取所述轨道图像的ROI区域图像;
所述将所述轨道图像输入预先训练好的边缘分割模型中,具体包括:
将所述ROI区域图像输入预先训练好的边缘分割模型中。
结合第一方面,本申请实施例提供了第一方面的第二种可能的实施方式,其中,按照以下方式训练所述边缘分割模型:
获取多个未经分割的样本图像,以及每个样本图像对应的标注的边缘分割结果;
提取多个样本图像中的ROI区域图像;
将提取的多个样本图像中的ROI区域图像依次输入边缘分割模型,得到所述每个样本图像的边缘分割结果;
通过分别比较每个图像样本的边缘分割结果与每个样本图像对应的人工标注的边缘分割结果,确定边缘分割结果的准确率;
当所述边缘分割结果的准确率小于预设阈值时,对所述边缘分割模型的模型参数进行调整,直至所述边缘分割结果的准确率大于或等于所述预设阈值。
结合第一方面,本申请实施例提供了第一方面的第三种可能的实施方式,其中,所述采集轨道图像,包括:
通过第一相机采集第一轨道图像;以及,
通过第二相机采集第二轨道图像。
结合第一方面的第三种可能的实施方式,本申请实施例提供了第一方面的第四种可能的实施方式,其中,所述将所述轨道图像输入预先训练好的边缘分割模型中,得到边缘分割后的轨道图像,具体包括:
提取所述第一轨道图像的ROI区域图像,以及,提取所述第二轨道图像的ROI区域图像;
将所述第一轨道图像的ROI区域图像输入至所述边缘分割模型中,得到边缘分割后的第一轨道图像,其中,所述第一轨道图像包括所述第一轨道区域图像特征和非第一轨道区域图像特征;以及,
将所述第二轨道图像的ROI区域图像输入至所述边缘分割模型中,得到边缘分割后的第二轨道图像,其中,所述第二轨道图像包括所述第二轨道区域图像特征和非第二轨道区域图像特征。
结合第一方面的第四种可能的实施方式,本申请实施例提供了第一方面的第五种可能的实施方式,其中,所述基于所述边缘分割后的轨道图像,确定所述轨道之间的轨距,具体包括:
获取所述第一相机与所述第二相机之间的间距信息;
根据所述间距信息确定参数矩阵,所述参数矩阵用于描述通过所述第一相机与所述第二相机拍摄的图像所述第一轨道图像和所述第二轨道图像中任意两个像素点之间的距离间距与所述任意两个像素点分别对应的实际物体之间的实际物理间距之间的关系;
根据所述参数矩阵、所述边缘分割后的第一轨道图像、以及所述边缘分割后的第二轨道图像,确定所述轨道之间的轨距。
第二方面,本申请实施例还提供一种基于相机拍摄的轨距检测装置,包括:
采集模块,用于采集轨道图像;
分割模块,用于将所述轨道图像输入预先训练好的边缘分割模型中,得到边缘分割后的轨道图像图像,其中,所述边缘分割后的轨道信息包括轨道的边缘信息;
确定模块,用于基于所述边缘分割后的轨道图像,确定所述轨道之间的轨距。
结合第二方面,本申请实施例提供了第二方面的第一种可能的实施方式,其中,所述分割模块,还用于:
在将所述轨道图像输入预先训练好的边缘分割模型中之前,提取所述轨道图像的ROI区域图像;
所述将所述轨道图像输入预先训练好的边缘分割模型中,具体包括:
将所述ROI区域图像输入预先训练好的边缘分割模型中。
结合第二方面,本申请实施例提供了第二方面的第二种可能的实施方式,其中,按照以下方式训练所述边缘分割模型:
获取多个未经分割的样本图像,以及每个样本图像对应的人工标注的边缘分割结果;
提取多个样本图像中的ROI区域图像;
将提取的多个样本图像中的ROI区域图像依次输入边缘分割模型,得到所述每个样本图像的边缘分割结果;
通过分别比较每个图像样本的边缘分割结果与每个样本图像对应的人工标注的边缘分割结果,确定边缘分割结果的准确率;
当所述边缘分割结果的准确率小于预设阈值时,对所述边缘分割模型的模型参数进行调整,直至所述边缘分割结果的准确率大于或等于所述预设阈值。
结合第二方面,本申请实施例提供了第二方面的第三种可能的实施方式,其中,所述采集模块,在采集轨道图像时,具体用于:
通过第一相机采集第一轨道图像;以及,
通过第二相机采集第二轨道图像。
结合第二方面的第三种可能的实施方式,本申请实施例提供了第二方面的第四种可能的实施方式,其中,所述分割模块,在将所述轨道图像输入预先训练好的边缘分割模型中,得到边缘分割后的轨道图像时,具体用于:
提取所述第一轨道图像的ROI区域图像,以及,提取所述第二轨道图像的ROI区域图像;
将所述第一轨道图像的ROI区域图像输入至所述边缘分割模型中,得到边缘分割后的第一轨道图像,其中,所述第一轨道图像包括所述第一轨道区域图像特征和非第一轨道区域图像特征;以及,
将所述第二轨道图像的ROI区域图像输入至所述边缘分割模型中,得到边缘分割后的第二轨道图像,其中,所述第二轨道图像包括所述第二轨道区域图像特征和非第二轨道区域图像特征。
结合第二方面的第四种可能的实施方式,本申请实施例提供了第二方面的第五种可能的实施方式,其中,所述确定模块,在用于基于所述边缘分割后的轨道图像,确定所述轨道之间的轨距时,具体用于:
获取所述第一相机与所述第二相机之间的间距信息;
根据所述间距信息确定参数矩阵,所述参数矩阵用于描述通过所述第一轨道图像相机与所述第二轨道相机拍摄的图像中任意两个像素点之间的距离间距与所述任意两个像素点分别对应的实际物体之间的实际物理距离之间的关系;
根据所述参数矩阵、所述边缘分割后的第一轨道图像、以及所述边缘分割后的第二轨道图像,确定所述轨道之间的轨距。
第三方面,本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行上述第一方面,或第一方面的任一种可能的实施方式中的步骤。
第四方面,本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述第一方面,或第一方面的任一种可能的实施方式中的步骤。
本申请实施例提供的基于相机拍摄的轨距检测方法及装置,通过预先训练好的边缘分割模型,对采集的轨道图像进行边缘分割,并基于边缘分割后的轨道图像,确定轨道之间的轨距。通过边缘分割模型对轨道图像进行边缘分割,适用于各种不同的检测环境下拍摄的轨道图像,提高了轨距检测效率,且相比较传统依赖于人工根据检验设定阈值参数的轨距检测方法,本申请所提供的通过边缘分割模型进行边缘分割,然后确定轨距的方法,计算出的轨距精确度较高。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1示出了本申请实施例所提供的一种基于相机拍摄的轨距检测方法的流程示意图;
图2示出了本申请实施例所提供的一种边缘分割模型训练的方法的流程示意图;
图3示出了本申请实施例所提供的基于相机拍摄的轨距检测装置300的架构示意图;
图4示出了本申请实施例所提供的一种电子设备400的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中附图,对本申请实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
考虑到现有轨距检测方法受到检测环境的影响,计算出的轨距精确度较低,基于此,本申请实施例提供了一种基于相机拍摄的轨距检测方法及装置,下面通过实施例进行描述。
本申请所提供的方法可以应用于轨距检测装置上,其中,轨距检测装置包括至少一个相机,至少一个相机在处理器的控制下,采集轨道图像;处理器根据至少一个相机采集的轨道图像,确定轨距。在另外一种可能的实施方式中,轨距检测装置还可以包括光源发射器,用于发射特定颜色的光线照射在轨道上,至少一个相机可以添加滤光片,只允许与光线发射器发射的颜色相同的光线通过相机镜头,至少一个相机在采集轨道图像时,只有光线照射的地方能在轨道图像上显示出来,处理器在根据轨道图像确定轨距时,精确度更高。
为便于对本实施例进行理解,首先对本申请实施例所公开的一种基于相机拍摄的轨距检测方法进行详细介绍。
实施例一
本申请的执行主体为轨距检测装置,参见图1所示,为本申请实施例提供的一种基于相机拍摄的轨距检测方法的流程示意图,包括以下步骤:
S101、采集轨道图像。
其中,在采集轨道图像时,可以通过轨距检测装置上的第一相机采集第一轨道图像;以及,通过轨距检测装置上的第二相机采集第二轨道图像。
因为在轨道检测中,两条轨道之间的间距较宽,例如某些轨道之间的间距可以达到1.5米,若通过一个相机拍摄包含两条轨道的图像,容易造成轨道边缘不清晰,从而造成轨距测量精确度降低,因此,为了提高轨距测量的精确度,分别使用两个相机采集两个轨道的图像,这样可以使轨道图像边缘更加清晰,在进行边缘划分时,更加精确,检测出的轨距也就更加精确。
在一种可能的实施方式中,轨距检测装置上还可以配置有光源发射器。为适应不同的检测环境,可以在采集轨道图像前控制光源发射器发射光线照射在轨道上,若检测环境为隧道内,由于隧道内的光线较暗,采集有光线照射的轨道图像更有利于进行边缘分割。另外,还可以对第一相机和第二相机添加滤光片,仅允许特定光线通过第一相机以及第二相机的光学镜头,例如可以在第一相机以及第二相机的镜头上添加仅允许绿光通过的滤光片,仅允许绿光通过第一相机以及第二相机的镜头,则在采集轨道图像时,可以设定光源发射器发射的光线为绿光,第一相机和第二相机在采集图像后,只有有绿光照射的部分可以显示在图像上,这样无论是在隧道内,还是隧道外,采集的图像中仅有绿光照射的轨道的图像,更有利于进行轨道边缘分割。
S102、将轨道图像输入预先训练好的边缘分割模型中,得到边缘分割后的轨道图像,其中,边缘分割后的轨道信息包括轨道的边缘信息。
其中,参见图2所示,为本申请实施例提供的一种边缘分割模型训练的方法的流程示意图,包括以下步骤:
S201、获取多个未经分割的样本图像,以及每个样本图像对应的标注的边缘分割结果。
其中,通过人工标注的样本图像的边缘分割结果可以是根据样本图像中像素的差异,在像素差异超越一定阈值的地方进行标注,例如若样本图像为黑色墙面中有一条红色光线照射的图像,则可以通过人工对红色光线进行标注。
在一种可能的实施方式中,样本图像可以为包含轨道的图像,将样本图像通过人工标注的方式进行标注,并基于未经分割的包含轨道的图像和经过人工标注的边缘分割结果的样本图像,对边缘分割模型进行训练。
S202、提取多个样本图像中的ROI区域图像;
在对图像进行标注时,考虑到并不是对整个样本图像进行标注,而是对样本图像中所包含的目标对象进行标注,因此,可以对样本图像进行预处理,例如,可以先提取样本图像中的感兴趣(Region of interest,ROI)区域图像,然后根据ROI区域图像对边缘分割模型进行训练,由此可以提高训练效率。
一示例中,在提取ROI区域图像时,例如可以通过OpenCV对轨道图像进行ROI区域图像提取,或者通过人工根据经验值,将轨道图像的特定区域确定为ROI区域,具体将不在此展开说明。
S203、将提取的多个样本图像中的ROI区域图像依次输入边缘分割模型,得到每个样本图像的边缘分割结果。
具体实施中,每个样本图像的边缘分割结果可以为将样本图像中所包含的像素差异超过一定值的物体进行标注,例如在可以将绿叶背景中的红色苹果进行标注。
其中,得到每个样本图像的边缘分割结果后,可以对边缘分割结果进行标注,例如可以对边缘分割的目标对象的整体进行标注,也可以对边缘分割的目标对象的边缘进行标注。
S204、通过分别比较每个图像样本的边缘分割结果与每个样本图像对应的人工标注的边缘分割结果,确定边缘分割结果的准确率。
其中,在比较每个图像样本的边缘分割结果与每个样本图像对应的人工标注的边缘分割结果,确定边缘分割结果的准确率时,可以通过但不仅限于以下两种方式:
方式一:通过比较通过边缘分割模型得到的标注结果所包含的标注面积与通过人工标注的边缘分割结果的标注面积,确定边缘分割结果的准确率。
方式二:通过匹配通过边缘分割模型得到的标注结果与通过人工标注的边缘分割结果的边缘的重复长度,确定边缘分割结果的准确率。
S205、当边缘分割结果的准确率小于预设阈值时,对边缘分割模型的模型参数进行调整,直至边缘分割结果的准确率大于或等于预设阈值。
具体实施中,在将轨道图像输入预先训练好的边缘分割模型中之前,还可以提取轨道图像的ROI区域图像,然后将ROI区域图像输入预先训练好的边缘分割模型中。
考虑到在对轨道图像进行分割时,先提取ROI区域,然后再基于ROI区域,对轨道进行标注,由此可以提高图像边缘分割速度。
在一种可能的实施方式中,可以先提取所述第一轨道图像的ROI区域图像,以及,提取所述第二轨道图像的ROI区域图像,然后将第一轨道图像的ROI区域图像输入边缘分割模型中,得到边缘分割后的第一轨道图像,其中,所述第二轨道图像包括所述第二轨道区域图像特征和非第二轨道区域图像特征;以及,
将第二轨道图像的ROI区域图像输入至边缘分割图像输入至边缘分割模型中,得到边缘分割后的第二轨道图像,其中,所述第二轨道图像包括所述第二轨道区域图像特征和非第二轨道区域图像特征。第一轨道图像的ROI区域中除第一轨道区域图像特征之外还有非第一轨道区域图像,第二轨道图像的ROI区域中除第二轨道区域图像特征之外还有非第二轨道区域图像,通过将第一轨道图像的ROI区域和第二轨道图像的ROI区域输入至训练好的边缘分割模型,可以实现对轨道边缘的分割。
在另外一种可能的实施方式中,还可以将第一轨道图像与第二轨道图像根据横向或纵向像素点的进行匹配,并在匹配结果超过预设值时,将第一轨道图像与第二轨道图像按照该方向上的像素点进行图像拼接,然后将拼接后的图像输入至边缘分割模型,得到边缘分割后的拼接图像。
S103、基于边缘分割后的轨道图像,确定轨道之间的轨距。
本申请的一示例中,通过双目测距的方式,确定轨道之间的轨距,具体如下所述:
首先,可以获取第一相机与第二相机之间的间距信息;然后根据第一相机与第二相机之间的间距信息,确定参数矩阵,其中参数矩阵用于描述通过所述第一相机与所述第二相机拍摄的图像所述第一轨道图像和所述第二轨道图像中任意两个像素点之间的距离间距与所述任意两个像素点分别对应的实际物体之间的实际物理距离之间的关系;最后根据参数矩阵、边缘分割后的第一轨道图像、以及边缘分割后的第二轨道图像,确定轨道之间的轨距。
具体实施中,可以在第一相机与第二相机之间建立第一坐标系,例如可以以第一相机为第一坐标系的原点,然后在第一坐标系中确定第二相机的位置;并根据第二相机的位置,确定参数矩阵,其中,参数矩阵用于描述通过所述第一相机与所述第二相机拍摄的图像所述第一轨道图像和所述第二轨道图像中任意两个像素点之间的距离间距与所述任意两个像素点分别对应的实际物体之间的实际物理距离之间的关系。
得到参数矩阵后,再根据参数矩阵建立第二坐标系,将分割后的第一轨道图像和第二轨道图像分别对应添加至第二坐标系,并分别获得第一轨道图像和第二轨道图像中标定的轨道边缘的像素点的坐标,然后根据第一轨道图像和第二轨道图像中标定的轨道边缘的像素点的坐标,确定在第二坐标系下,第一轨道与第二轨道之间的第一轨距,再根据参数矩阵,得到第一轨距对应的实际轨距。
在另外一种可能的实施方式中,还可以通过横向或纵向匹配第一轨道图像与第二轨道图像的每一行的像素点或者每一列的像素点,并在像素点匹配成功率超过预设阈值时,按照匹配成功的行或者列,将边缘分割后的第一轨道图像和第二轨道图像进行拼接,并根据拼接后的图像中所标注的第一轨道和第二轨道的边缘的像素点,确定在拼接图像中,第一轨道与第二轨道之间的轨距,然后根据参数矩阵、以及拼接图像中第一轨道与第二轨道之间的轨距,得到第一轨道与第二轨道之间的实际轨距。
本申请实施例提供的基于相机拍摄的轨距检测方法,通过预先训练好的边缘分割模型,对采集的轨道图像进行边缘分割,并基于边缘分割后的轨道图像,确定轨道之间的轨距。通过边缘分割模型对轨道图像进行边缘分割,适用于各种不同的检测环境下拍摄的轨道图像,提高了轨距检测效率,且相比较传统依赖于人工根据检验设定阈值参数的轨距检测方法,通过边缘分割模型进行边缘分割,然后确定轨距的方法,计算出的轨距精确度较高。
实施例二
本申请实施例提供了一种基于相机拍摄的轨距检测装置,参加图3所示,为本申请实施例提供的基于相机拍摄的轨距检测装置300的架构示意图,该装置300包括:采集模块301、分割模块302、以及确定模块303。
具体的,采集模块301,用于采集轨道图像;
分割模块302,用于将所述轨道图像输入预先训练好的边缘分割模型中,得到边缘分割后的轨道图像,其中,所述边缘分割后的轨道信息包括轨道的边缘信息;
确定模块303,用于基于所述边缘分割后的轨道图像,确定所述轨道之间的轨距。
一种可能的实施方式中,所述分割模块302,还用于:
在将所述轨道图像输入预先训练好的边缘分割模型中之前,提取所述轨道图像的ROI区域图像;
所述将所述轨道图像输入预先训练好的边缘分割模型中,具体包括:
将所述ROI区域图像输入预先训练好的边缘分割模型中。
在一种可能的实施方式中,按照以下方式训练所述边缘分割模型:
获取多个未经分割的样本图像,以及每个样本图像对应的标注的边缘分割结果;
提取多个样本图像中的ROI区域图像;
将提取的多个样本图像中的ROI区域图像依次输入边缘分割模型,得到所述每个样本图像的边缘分割结果;
通过分别比较每个图像样本的边缘分割结果与每个样本图像对应的人工标注的边缘分割结果,确定边缘分割结果的准确率;
当所述边缘分割结果的准确率小于预设阈值时,对所述边缘分割模型的模型参数进行调整,直至所述边缘分割结果的准确率大于或等于所述预设阈值。
一种可能的实施方式中,所述采集模块301,在用于采集轨道图像时,具体用于:
通过第一相机采集第一轨道图像;以及,
通过第二相机采集第二轨道图像。
具体实施中,所述分割模块302,在用于将所述轨道图像输入预先训练好的边缘分割模型中,得到边缘分割后的轨道图像时,具体用于:
提取所述第一轨道图像的ROI区域图像,以及,提取所述第二轨道图像的ROI区域图像;
将所述第一轨道图像的ROI区域图像输入至所述边缘分割模型中,得到边缘分割后的第一轨道图像,其中,所述第一轨道图像包括所述第一轨道区域图像特征和非第一轨道区域图像特征;以及,
将所述第二轨道图像的ROI区域图像输入至所述边缘分割模型中,得到边缘分割后的第二轨道图像,其中,所述第一轨道图像包括所述第一轨道区域图像特征和非第一轨道区域图像特征。
本申请的一示例中,所述确定模块303,在用于基于所述边缘分割后的轨道图像,确定所述轨道之间的轨距时,具体用于:
获取所述第一相机与所述第二相机之间的间距信息;
根据所述间距信息确定参数矩阵,所述参数矩阵用于描述通过所述第一相机与所述第二相机拍摄的图像所述第一轨道图像和所述第二轨道图像中任意两个像素点之间的距离间距与所述任意两个像素点分别对应的实际物体之间的实际物理距离之间的关系;
根据所述参数矩阵、所述边缘分割后的第一轨道图像、以及所述边缘分割后的第二轨道图像,确定所述轨道之间的轨距。
本申请实施例提供的基于相机拍摄的轨距检测装置,通过预先训练好的边缘分割模型,对采集的轨道图像进行边缘分割,并基于边缘分割后的轨道图像,确定轨道之间的轨距。通过边缘分割模型对轨道图像进行边缘分割,适用于各种不同的检测环境下拍摄的轨道图像,提高了轨距检测效率,且相比较传统依赖于人工根据检验设定阈值参数的轨距检测方法,通过边缘分割模型进行边缘分割,然后确定轨距的方法,计算出的轨距精确度较高。
实施例三
如图4所示,为本申请实施例三所提供的一种电子设备400的结构示意图,包括:处理器401、存储器402和总线404;
上述存储器402存储有上述处理器401可执行的机器可读指令(比如,包括图3中的采集模块301、分割模块302、以及确定模块303对应的执行指令),当电子设备400运行时,上述处理器401与上述存储器402之间通过总线404通信,上述机器可读指令被上述处理器401执行时执行如下处理:
采集轨道图像;
将所述轨道图像输入预先训练好的边缘分割模型中,得到边缘分割后的轨道图像,其中,所述边缘分割后的轨道信息包括轨道的边缘信息;
基于所述边缘分割后的轨道图像,确定所述轨道之间的轨距。
可选地,处理器401执行的处理中,在将所述轨道图像输入预先训练好的边缘分割模型中之前,还包括:
提取所述轨道图像的ROI区域图像;
所述将所述轨道图像输入预先训练好的边缘分割模型中,具体包括:
将所述ROI区域图像输入预先训练好的边缘分割模型中。
可选地,处理器401执行的处理中,按照以下方式训练所述边缘分割模型:
获取多个未经分割的样本图像,以及每个样本图像对应的标注的边缘分割结果;
提取多个样本图像中的ROI区域图像;
将提取的多个样本图像中的ROI区域图像依次输入边缘分割模型,得到所述每个样本图像的边缘分割结果;
通过分别比较每个图像样本的边缘分割结果与每个样本图像对应的人工标注的边缘分割结果,确定边缘分割结果的准确率;
当所述边缘分割结果的准确率小于预设阈值时,对所述边缘分割模型的模型参数进行调整,直至所述边缘分割结果的准确率大于或等于所述预设阈值。
可选地,处理器401执行的处理中,所述采集轨道图像,包括:
通过第一相机采集第一轨道图像;以及,
通过第二相机采集第二轨道图像。
可选地,处理器401执行的处理中,所述将所述轨道图像输入预先训练好的边缘分割模型中,得到边缘分割后的轨道图像,具体包括:
提取所述第一轨道图像的ROI区域图像,以及,提取所述第二轨道图像的ROI区域图像;
将所述第一轨道图像的ROI区域图像输入至所述边缘分割模型中,得到边缘分割后的第一轨道图像,其中,所述第一轨道图像包括所述第一轨道区域图像特征和非第一轨道区域图像特征;以及,
将所述第二轨道图像的ROI区域图像输入至所述边缘分割模型中,得到边缘分割后的第二轨道图像,其中,所述第一轨道图像包括所述第一轨道区域图像特征和非第一轨道区域图像特征。
可选地,处理器401执行的处理中,所述基于所述边缘分割后的轨道图像,确定所述轨道之间的轨距,具体包括:
获取所述第一相机与所述第二相机之间的间距信息;
根据所述间距信息确定参数矩阵,所述参数矩阵用于描述所述第一轨道图像和所述第二轨道图像中任意两个像素点之间的距离与所述任意两个像素点分别对应的实际物体之间的通过所述第一相机与所述第二相机拍摄的图像间距与实际物理间距之间的关系;根据所述参数矩阵、所述边缘分割后的第一轨道图像、以及所述边缘分割后的第二轨道图像,确定所述轨道之间的轨距。
通过边缘分割模型对轨道图像进行边缘分割,适用于各种不同的检测环境下拍摄的轨道图像,提高了轨距检测效率,且相比较传统依赖于人工根据检验设定阈值参数的轨距检测方法,通过边缘分割模型进行边缘分割,然后确定轨距的方法,计算出的轨距精确度较高。
实施例四
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行上述任一实施例中所述的基于相机拍摄的轨距检测方法的步骤。
具体地,该存储介质能够为通用的存储介质,如移动磁盘、硬盘等,该存储介质上的计算机程序被运行时,能够执行上述基于相机拍摄的轨距检测方法的步骤,从而适用于不同环境下的轨距检测,提高轨距检测的精确度。
本申请实施例所提供的进行基于相机拍摄的轨距检测方法的计算机程序产品,包括存储了处理器可执行的非易失的程序代码的计算机可读存储介质,所述程序代码包括的指令可用于执行前面方法实施例中所述的方法,具体实现可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应所述以权利要求的保护范围为准。