发明内容
鉴于上述问题,提出了以便提供克服上述问题或者至少部分地解决上述问题的一种数据处理的方法和装置,包括:
一种数据处理的方法,所述方法包括:
在检测到车辆检测事件时,获取针对所述车辆检测事件的原始图像数据;其中,所述原始图像数据具有针对当前行车环境中物体对象的物体光团信息;
从所述物体光团信息中,确定目标光团信息;
确定所述目标光团信息的对象类型信息,并根据所述对象类型信息,得到所述车辆检测事件的检测结果。
可选地,所述从所述物体光团信息中,确定目标光团信息,包括:
获取预设的第一光团判断信息;
根据所述第一光团判断信息,从所述物体光团信息中,确定候选光团信息;
从所述候选光团信息中,确定目标光团信息。
可选地,所述根据所述第一光团判断信息,从所述物体光团信息中,确定候选光团信息,包括:
根据所述第一光团判断信息,对所述原始图像数据进行二值化处理和连通域检测处理;
从所述物体光团信息中,确定候选光团信息。
可选地,在所述从所述物体光团信息中,确定目标光团信息之前,还包括:
对所述原始图像数据进行图像预处理。
可选地,所述从所述候选光团信息中,确定目标光团信息,包括:
获取预设的第二光团判断信息;
根据所述第二光团判断信息,从所述候选光团信息中,确定目标光团信息;
所述确定所述目标光团信息的对象类型信息,包括:
采用所述第二光团判断信息,生成针对所述目标光团信息的对象属性值信息;
根据所述对象属性值信息,确定所述目标光团信息的对象类型信息。
可选地,所述采用所述第二光团判断信息,生成针对所述目标光团信息的对象属性值信息,包括:
获取预先训练的光团数据模型;
根据所述第二光团判断信息和所述光团数据模型,生成针对所述目标光团信息的对象属性值信息。
可选地,所述根据所述对象属性值信息,确定所述目标光团信息的对象类型信息,包括:
在所述对象属性值信息与车辆对象属性信息相匹配时,确定所述目标光团信息的对象类型信息为车辆对象信息;
在所述对象属性值信息与车辆对象属性信息不相匹配时,确定所述目标光团信息的对象类型信息为非车辆对象信息。
一种数据处理的装置,所述装置包括:
原始图像数据获取模块,用于在检测到车辆检测事件时,获取针对所述车辆检测事件的原始图像数据;其中,所述原始图像数据具有针对当前行车环境中物体对象的物体光团信息;
目标光团信息确定模块,用于从所述物体光团信息中,确定目标光团信息;
对象类型信息确定模块,用于确定所述目标光团信息的对象类型信息,并根据所述对象类型信息,得到所述车辆检测事件的检测结果。
一种车辆,包括处理器、存储器及存储在所述存储器上并能够在所述处理器上运行的计算机程序,所述计算机程序被所述处理器执行时实现如上所述的数据处理的方法。
一种计算机可读存储介质,所述计算机可读存储介质上存储计算机程序,所述计算机程序被处理器执行时实现如上所述的数据处理的方法。
本发明实施例具有以下优点:
在本发明实施例中,通过在检测到车辆检测事件时,获取针对车辆检测事件的原始图像数据,原始图像数据具有针对当前行车环境中物体对象的物体光团信息,然后从物体光团信息中,确定目标光团信息,进而确定目标光团信息的对象类型信息,并根据对象类型信息,得到车辆检测事件的检测结果,实现了对远距离车辆的检测,通过获取原始图像数据,根据当前行车环境中物体对象的物体光团信息,确定目标光团信息,进而根据目标光团信息的对象类型信息,得到车辆检测事件的检测结果,能够基于图像数据进行物体光团的检测,以判断远距离物体类型,解决了在照明不足的行车环境下,无法检测和判断远距离车辆的问题,提高了行车安全性。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
参照图1,示出了本发明一实施例提供的一种数据处理的方法的步骤流程图,具体可以包括如下步骤:
步骤101,在检测到车辆检测事件时,获取针对所述车辆检测事件的原始图像数据;其中,所述原始图像数据具有针对当前行车环境中物体对象的物体光团信息;
其中,车辆检测事件可以为针对指定行车环境下的车辆对象检测,例如,在照明不足的行车环境下,可以针对远距离的车辆对象进行检测。
作为一示例,原始图像数据可以为通过车载设备采集的图像数据,其可以具有针对当前行车环境中物体对象的物体光团信息,例如,在行车过程中,可以通过车载摄像头采集当前行车环境的图像,该图像中可以显示当前行车环境中物体对象的物体光团。
在照明不足的行车环境下,可以在检测到车辆检测事件时,获取针对车辆检测事件的原始图像数据,该原始图像数据可以具有针对当前行车环境中物体对象的物体光团信息,以进一步基于物体光团信息进行远距离车辆的判断。
在一示例中,针对车辆在夜间照明不足的环境下行驶时,由于驾驶员难以看清远距离的物体(如300米以外的物体),且辅助驾驶系统也较难进行识别,如雷达检测为基于近距离物体的检测,无法检测300米以外的远距离物体,则可以通过车载摄像头采集当前行车环境的图像,进而可以基于图像中物体对象的光团进行检测,以判断远距离车辆。
步骤102,从所述物体光团信息中,确定目标光团信息;
在获取原始图像数据后,可以通过针对原始图像数据进行光团信息检测,从当前行车环境中物体对象的物体光团信息中,确定目标光团信息,该目标光团信息可以为经过光团信息检测和分类后的光团信息,以进一步判断目标光团信息的对象类型是否为车辆对象。
例如,可以通过针对原始图像数据进行光团信息检测和分类,得到已分类光团信息,进而可以进一步判断该已分类光团信息是否满足车辆对象属性。
步骤103,确定所述目标光团信息的对象类型信息,并根据所述对象类型信息,得到所述车辆检测事件的检测结果。
在得到目标光团信息后,可以确定该目标光团信息的对象类型信息,进而可以根据对象类型信息,得到车辆检测事件的检测结果,从而实现了对远距离车辆的检测。
在一示例中,在照明不足的行车环境下,可以根据车辆检测事件的检测结果,判断是否存在远距离车辆,进而可以进一步控制自车远光灯的使用,也可以基于检测结果,针对行车过程中远距离物体,使得辅助驾驶系统具备一定的感知距离、增加了反应时间,提高了行车安全性。
在本发明实施例中,通过在检测到车辆检测事件时,获取针对车辆检测事件的原始图像数据,原始图像数据具有针对当前行车环境中物体对象的物体光团信息,然后从物体光团信息中,确定目标光团信息,进而确定目标光团信息的对象类型信息,并根据对象类型信息,得到车辆检测事件的检测结果,实现了对远距离车辆的检测,通过获取原始图像数据,根据当前行车环境中物体对象的物体光团信息,确定目标光团信息,进而根据目标光团信息的对象类型信息,得到车辆检测事件的检测结果,能够基于图像数据进行物体光团的检测,以判断远距离物体类型,解决了在照明不足的行车环境下,无法检测和判断远距离车辆的问题,提高了行车安全性。
参照图2,示出了本发明一实施例提供的另一种数据处理的方法的步骤流程图,具体可以包括如下步骤:
步骤201,在检测到车辆检测事件时,获取针对所述车辆检测事件的原始图像数据;其中,所述原始图像数据具有针对当前行车环境中物体对象的物体光团信息;
在照明不足的行车环境下,可以在检测到车辆检测事件时,获取针对车辆检测事件的原始图像数据,该原始图像数据可以具有针对当前行车环境中物体对象的物体光团信息,以进一步基于物体光团信息进行远距离车辆的判断。
在本发明一实施例中,在步骤202之前,还可以包括如下步骤:
对所述原始图像数据进行图像预处理。
在实际应用中,可以对原始图像数据进行图像预处理,如针对获取的原始图像数据进行去噪操作。
在一示例中,可以通过图像预处理模块,针对车载摄像头采集的原始图像数据进行去噪操作,例如,可以采用白噪声处理,去除原始图像数据中噪声影响,为后续图像处理消除当前行车环境中无相关性的物体因素。
步骤202,获取预设的第一光团判断信息;
在具体实现中,可以通过获取预设的第一光团判断信息,该第一光团判断信息可以用于针对原始图像数据进行初步光团信息检测,以从当前行车环境中物体对象的物体光团信息中,筛选出候选光团信息,如待分类光团信息。
在一示例中,可以根据图像像素值强度、光团大小、光团颜色等信息,预设第一光团判断信息,例如,可以基于远距离的车灯光团大小、车灯光团颜色进行预设,判断信息还可以为多种,本发明实施例对此不作限定。
步骤203,根据所述第一光团判断信息,从所述物体光团信息中,确定候选光团信息;
在获取第一光团判断信息后,可以根据该第一光团判断信息,对原始图像数据进行初步光团信息检测,进而可以从物体光团信息中,确定候选光团信息。
具体的,可以根据第一光团判断信息,对原始图像数据中物体光团信息进行初步光团信息检测,例如,可以基于远距离的车灯光团大小,排除太小的物体光团,也可以根据基本车灯颜色,排除非基本车灯颜色的物体光团,进而可以得到粗筛的车辆对象候选光团。
在本发明一实施例中,步骤203可以包括如下子步骤:
根据所述第一光团判断信息,对所述原始图像数据进行二值化处理和连通域检测处理;从所述物体光团信息中,确定候选光团信息。
在实际应用中,可以根据第一光团判断信息,对获取的原始图像数据进行二值化处理和连通域检测处理,进而可以从物体光团信息中,确定候选光团信息。
例如,可以通过光团检测器,根据第一光团判断信息,对经预处理后的原始图像数据进行二值化操作,然后可以进行连通域检测,进而可以得到待分类光团(即候选光团信息),即可以通过针对原始图像数据进行初步光团信息检测,筛选出与车辆对象的光团信息相似的待分类光团信息,进而可以根据待分类光团信息,进一步判断是否为车辆对象。
步骤204,从所述候选光团信息中,确定目标光团信息;
在得到候选光团信息后,可以通过进一步的光团信息检测,从候选光团信息中,确定目标光团信息,该目标光团信息可以为经过光团信息检测和分类后的光团信息,以进一步判断目标光团信息的对象类型是否为车辆对象。
步骤205,确定所述目标光团信息的对象类型信息,并根据所述对象类型信息,得到所述车辆检测事件的检测结果。
在得到目标光团信息后,可以确定该目标光团信息的对象类型信息,进而可以根据对象类型信息,得到车辆检测事件的检测结果,从而实现了对远距离车辆的检测。
参照图3,示出了本发明一实施例提供的再一种数据处理的方法的步骤流程图,具体可以包括如下步骤:
步骤301,在检测到车辆检测事件时,获取针对所述车辆检测事件的原始图像数据;其中,所述原始图像数据具有针对当前行车环境中物体对象的物体光团信息;
在照明不足的行车环境下,可以在检测到车辆检测事件时,获取针对车辆检测事件的原始图像数据,该原始图像数据可以具有针对当前行车环境中物体对象的物体光团信息,以进一步基于物体光团信息进行远距离车辆的判断。
步骤302,获取预设的第一光团判断信息;
在具体实现中,可以通过获取预设的第一光团判断信息,该第一光团判断信息可以用于针对原始图像数据进行初步光团信息检测,以从当前行车环境中物体对象的物体光团信息中,筛选出候选光团信息,如待分类光团信息。
步骤303,根据所述第一光团判断信息,从所述物体光团信息中,确定候选光团信息;
在获取第一光团判断信息后,可以根据该第一光团判断信息,对原始图像数据进行初步光团信息检测,进而可以从物体光团信息中,确定候选光团信息。
步骤304,获取预设的第二光团判断信息;
在具体实现中,可以通过获取预设的第二光团判断信息,该第二光团判断信息可以用于针对原始图像数据进行进一步的光团信息检测,以从候选光团信息中,确定目标光团信息,如已分类光团信息。
在一示例中,可以根据图像像素值强度、光团大小、光团形状等信息,预设第二光团判断信息,例如,可以基于车灯光团形状进行预设,判断信息还可以为多种,本发明实施例对此不作限定。
在又一示例中,第二光团判断信息可以与第一光团判断信息具有相同类型的判断信息,但可以各自对应有不同的阈值,即第一光团判断信息的阈值设置可以针对初步光团信息进行检测,而第二光团判断信息的阈值设置可以针对进一步光团信息进行检测。
步骤305,根据所述第二光团判断信息,从所述候选光团信息中,确定目标光团信息;
在获取第二光团判断信息后,可以根据该第二光团判断信息,对原始图像数据进行进一步的光团信息检测,进而可以从候选光团信息中,确定目标光团信息。
步骤306,采用所述第二光团判断信息,生成针对所述目标光团信息的对象属性值信息;
在获取第二光团判断信息后,可以采用该第二光团判断信息,生成针对目标光团信息的对象属性值信息,以进一步根据对象属性值信息,判断目标光团信息的对象类型是否为车辆对象。
在本发明一实施例中,步骤306可以包括如下子步骤:
获取预先训练的光团数据模型;根据所述第二光团判断信息和所述光团数据模型,生成针对所述目标光团信息的对象属性值信息。
在实际应用中,可以通过获取预先训练的光团数据模型,进而可以根据第二光团判断信息和光团数据模型,生成针对目标光团信息的对象属性值信息。
例如,可以通过光团分类器,根据第二光团判断信息,对待分类光团信息利用机器学习或深度学习进行车辆属性值计算(即对象属性值信息),如采用预先训练的光团数据模型进行模型处理,得到光团信息对应的车辆属性值,进而可以基于该车辆属性值判断光团信息是否满足车辆对象属性。
步骤307,根据所述对象属性值信息,确定所述目标光团信息的对象类型信息,并根据所述对象类型信息,得到所述车辆检测事件的检测结果。
在得到对象属性值信息后,可以根据该对象属性值信息,确定目标光团信息的对象类型信息,并可以根据对象类型信息,得到车辆检测事件的检测结果,从而实现了对远距离车辆的检测。
在一示例中,可以预先训练光团数据模型,该光团数据模型可以为基于多种灯的光团图像进行训练的数据模型,进而可以输入图像数据,通过光团数据模型处理,可以输出针对图像数据中光团对应的灯光类型,如车灯灯光类型(前灯,尾灯),路灯灯光类型,房灯灯光类型。
在又一示例中,通过光团数据模型处理,可以针对车灯灯光类型,判断其为车辆前灯或车辆尾灯,进而可以根据检测到的车辆前灯或车辆尾灯,确定远距离车辆为对向车或同向车。
在本发明一实施例中,步骤307可以包括如下子步骤:
在所述对象属性值信息与车辆对象属性信息相匹配时,确定所述目标光团信息的对象类型信息为车辆对象信息;在所述对象属性值信息与车辆对象属性信息不相匹配时,确定所述目标光团信息的对象类型信息为非车辆对象信息。
在实际应用中,可以根据对象属性值信息与车辆对象属性信息是否相匹配,确定目标光团信息的对象类型信息为车辆对象信息或非车辆对象信息,即可以在车辆属性值满足车辆对象属性时,判定检测到远距离车辆。
在一示例中,如图4所示,可以通过车载摄像头采集原始图像(即原始图像数据),并可以针对该原始图像进行图像预处理(去噪),然后可以采用光团检测器,根据图像像素值强度、光团大小、光团颜色等信息(即第一光团判断信息)对原始图像进行初步光团信息检测,得到待分类光团信息(即候选光团信息),进而可以采用光团分类器,根据图像像素值强度、光团大小、光团形状等信息(即第二光团判断信息)对原始图像进一步光团信息检测,得到已分类光团信息(即目标光团信息),可以针对已分类光团信息,判断是否满足车辆属性(即车辆对象属性信息),以判定远距离物体为车辆(即车辆对象信息)或非车辆(即非车辆对象信息)。
需要说明的是,对于方法实施例,为了简单描述,故将其都表述为一系列的动作组合,但是本领域技术人员应该知悉,本发明实施例并不受所描述的动作顺序的限制,因为依据本发明实施例,某些步骤可以采用其他顺序或者同时进行。其次,本领域技术人员也应该知悉,说明书中所描述的实施例均属于优选实施例,所涉及的动作并不一定是本发明实施例所必须的。
参照图5,示出了本发明一实施例提供的一种数据处理的装置的结构示意图,具体可以包括如下模块:
原始图像数据获取模块501,用于在检测到车辆检测事件时,获取针对所述车辆检测事件的原始图像数据;其中,所述原始图像数据具有针对当前行车环境中物体对象的物体光团信息;
目标光团信息确定模块502,用于从所述物体光团信息中,确定目标光团信息;
对象类型信息确定模块503,用于确定所述目标光团信息的对象类型信息,并根据所述对象类型信息,得到所述车辆检测事件的检测结果。
在本发明一实施例中,所述目标光团信息确定模块502包括:
第一光团判断信息获取子模块,用于获取预设的第一光团判断信息;
候选光团信息确定子模块,用于根据所述第一光团判断信息,从所述物体光团信息中,确定候选光团信息;
目标光团信息确定子模块,用于从所述候选光团信息中,确定目标光团信息。
在本发明一实施例中,所述候选光团信息确定子模块包括:
二值化处理和连通域检测处理单元,用于根据所述第一光团判断信息,对所述原始图像数据进行二值化处理和连通域检测处理;
候选光团信息确定单元,用于从所述物体光团信息中,确定候选光团信息。
在本发明一实施例中,还包括:
图像预处理模块,用于对所述原始图像数据进行图像预处理。
在本发明一实施例中,所述目标光团信息确定子模块包括:
第二光团判断信息获取单元,用于获取预设的第二光团判断信息;
目标光团信息确定单元,用于根据所述第二光团判断信息,从所述候选光团信息中,确定目标光团信息;
所述对象类型信息确定模块503包括:
对象属性值信息生成子模块,用于采用所述第二光团判断信息,生成针对所述目标光团信息的对象属性值信息;
对象类型信息确定子模块,用于根据所述对象属性值信息,确定所述目标光团信息的对象类型信息。
在本发明一实施例中,所述对象属性值信息生成子模块包括:
光团数据模型获取单元,用于获取预先训练的光团数据模型;
对象属性值信息生成单元,用于根据所述第二光团判断信息和所述光团数据模型,生成针对所述目标光团信息的对象属性值信息。
在本发明一实施例中,所述对象类型信息确定子模块包括:
第一对象类型信息确定单元,用于在所述对象属性值信息与车辆对象属性信息相匹配时,确定所述目标光团信息的对象类型信息为车辆对象信息;
第二对象类型信息确定单元,用于在所述对象属性值信息与车辆对象属性信息不相匹配时,确定所述目标光团信息的对象类型信息为非车辆对象信息。
在本发明实施例中,通过在检测到车辆检测事件时,获取针对车辆检测事件的原始图像数据,原始图像数据具有针对当前行车环境中物体对象的物体光团信息,然后从物体光团信息中,确定目标光团信息,进而确定目标光团信息的对象类型信息,并根据对象类型信息,得到车辆检测事件的检测结果,实现了对远距离车辆的检测,通过获取原始图像数据,根据当前行车环境中物体对象的物体光团信息,确定目标光团信息,进而根据目标光团信息的对象类型信息,得到车辆检测事件的检测结果,能够基于图像数据进行物体光团的检测,以判断远距离物体类型,解决了在照明不足的行车环境下,无法检测和判断远距离车辆的问题,提高了行车安全性。
本发明一实施例还提供了一种车辆,可以包括处理器、存储器及存储在存储器上并能够在处理器上运行的计算机程序,计算机程序被处理器执行时实现如上数据处理的方法。
本发明一实施例还提供了一种计算机可读存储介质,计算机可读存储介质上存储计算机程序,计算机程序被处理器执行时实现如上数据处理的方法。
对于装置实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。
本领域内的技术人员应明白,本发明实施例可提供为方法、装置、或计算机程序产品。因此,本发明实施例可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明实施例可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明实施例是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上,使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
尽管已描述了本发明实施例的优选实施例,但本领域内的技术人员一旦得知了基本创造性概念,则可对这些实施例做出另外的变更和修改。所以,所附权利要求意欲解释为包括优选实施例以及落入本发明实施例范围的所有变更和修改。
最后,还需要说明的是,在本文中,诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者终端设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者终端设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者终端设备中还存在另外的相同要素。
以上对所提供的一种数据处理的方法和装置,进行了详细介绍,本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处,综上所述,本说明书内容不应理解为对本发明的限制。