CN113378628B - 一种道路障碍物区域检测方法 - Google Patents
一种道路障碍物区域检测方法 Download PDFInfo
- Publication number
- CN113378628B CN113378628B CN202110461028.5A CN202110461028A CN113378628B CN 113378628 B CN113378628 B CN 113378628B CN 202110461028 A CN202110461028 A CN 202110461028A CN 113378628 B CN113378628 B CN 113378628B
- Authority
- CN
- China
- Prior art keywords
- obstacle
- area
- road
- image
- suspected
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
Landscapes
- Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Traffic Control Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请提供一种道路障碍物区域检测方法,所述道路障碍物区域检测方法,包括:获得待检测道路的图像;根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域;按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域。该方法通过道路障碍物检测模型和预设的筛选机制,协同对城市道路进行检测,判断待检测道路中的障碍物,确保了道路障碍物检测的准确性,大大提高了道路障碍物检测效率。
Description
技术领域
本申请涉及目标检测领域,具体涉及一种道路障碍物检测方法;本申请还涉及一种道路障碍物检测装置、电子设备以及计算机存储介质。本申请还涉及一种道路障碍物检测模型的获得方法、装置、电子设备以及计算机存储介质。
背景技术
随着城市化进程的不断加快,民众对出行环境的要求不断提升。但伴随着人们的出行和工作,城市道路中不可避免的会出现各种障碍物,例如:货车在运行途中,其运载的货物(沙土、货物等)可能会出现遗撒现象。城市道路障碍物的出现不仅给道路中行驶的车辆造成不便,而且道路障碍物的存在也带来了一定的安全隐患,且严重影响市容。
现有技术中,通常通过城市的基层管理人员巡查监管道路障碍物,这种方式不仅消耗大量的人力物力,而且很难做到对城市道路的全方位监管。
因此,如何针对道路中存在的障碍物进行检测称为本领域技术人员亟需解决的技术为。
发明内容
本申请提供一种道路障碍物检测方法、装置、电子设备以及计算机存储介质,以解决上述技术问题。本申请同时还提供一种道路障碍物检测模型的获得方法、装置、电子设备以及计算机存储介质。
本申请提供的所述道路障碍物区域检测方法,包括:
获得待检测道路的图像;
根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域;
按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域。
可选的,所述根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域,包括:
将所述待检测道路的图像输入所述道路障碍物检测模型,获得所述图像中的疑似障碍物区域。
可选的,所述方法还包括:将所述待检测道路的图像、以及所述障碍物区域的信息作为训练样本训练所述道路障碍物检测模型,获得训练后的道路障碍物检测模型。
可选的,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括:
获得所述待检测道路的图像中的预设检测区域;
确定所述预设筛选区域中的疑似障碍物区域为所述障碍物区域。
可选的,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括:
确定所述疑似障碍物区域的面积与所述图像总面积之间的比值;
判断所述疑似障碍物区域的面积与所述图像总面积之间的比值是否大于或等于预设的障碍物区域占比参数,若是,则确定所述疑似障碍物区域为所述障碍物区域。
可选的,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括:
确定所述疑似障碍物区域为所述障碍物区域的置信度;
判断所述疑似障碍物区域的置信度是否大于或等于预设的置信度阈值,若是,则确定所述疑似障碍物区域为所述图像中的障碍物区域。
可选的,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括:
确定所述图像中不同疑似障碍物区域之间的交并比;
判断所述图像中不同疑似障碍物区域之间的交并比是否大于或等于预设的交并比,若是,则确定大于或等于所述预设交并比的不同疑似障碍物区域为同一个障碍物区域。
可选的,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括:
根据所述待检测道路的图像,获得所述图像中的非障碍物对象区域;
确定所述图像中的疑似障碍物区域与所述非障碍物对象区域之间的交并比;
判断所述图像中的疑似障碍物区域与所述非障碍物对象区域之间的交并比是否小于或等于第二预设交并比,若是,则确定所述疑似障碍物区域为所述图像中的障碍物区域。
可选的,所述获得待检测道路的图像,包括:
获得针对所述待检测道路拍摄的视频流;
对所述视频流进行解析,获得所述视频流中的各个视频帧。
可选的,所述获得待检测道路的图像,包括:
向道路监测设备发送用于获得所述待检测道路的图像的请求信息;
获得所述道路监测设备返回的所述待检测道路的图像。
可选的,所述根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域,包括:
按照预设的输入时间间隔,将所述视频帧对应的图像依次输入所述道路障碍物检测模型,获得所述视频帧对应的图像中的疑似障碍物区域。
可选的,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括:
获得所述各个视频帧对应的图像中的各个疑似障碍物区域,按照预设的统计时间间隔,统计所述各个疑似障碍物区域的出现次数;
判断所述各个疑似障碍物区域的出现次数是否大于或等于预设的出现次数,若是,确定所述大于或等于预设的出现次数疑似障碍物区域为所述障碍物区域。
可选的,还包括:针对所述图像中的障碍物区域生成报警信息,将所述报警信息发送至报警单元。
可选的,还包括:根据预设的重复报警过滤时间,在所述重复报警过滤时间范围内,判断针对所述图像中的障碍物区域的报警信息是否已发送至报警单元,若是,则过滤所述针对所述图像中的障碍物区域的报警信息,若否,则将针对所述图像中的障碍物区域的报警信息发送至所述报警单元。
可选的,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括:
判断所述疑似障碍物区域的面积与所述图像总面积之间的比值是否大于或等于预设的障碍物占比参数,若是,则确定所述大于或等于预设的障碍物占比参数的疑似障碍物区域为第一候选障碍物区域,若否,则确定所述疑似障碍物区域不为所述非障碍物区域;
判断所述第一候选障碍物区域的置信度是否大于或等于预设的置信度阈值,若是,则确定所述大于或等于预设的置信度阈值的第一候选障碍物区域为第二候选障碍物区域,若否,则确定所述第一候选障碍物区域不为所述非障碍物区域;
判断所述图像中不同的第二候选障碍物区域之间的交并比是否大于或等于第一预设交并比,若是,则将所述交并比大于或等于所述第一预设交并比的不同第二候选障碍物区域作为同一个第二候选障碍物区域,若否,则确定所述第二候选障碍物区域不为所述非障碍物区域;
根据所述待检测道路的图像,获得所述图像中的非障碍物对象区域;判断所述第二障碍物区域与所述非障碍物对象区域之间的交并比是否小于或等于第二预设交并比,若是,则将所述交并比小于或等于所述第二预设交并比的第二候选障碍物区域作为第三候选障碍物区域;
按照预设的统计时间间隔,统计各个所述第三候选障碍物区域的出现次数,判断所述第三候选障碍物区域的出现次数是否大于或等于预设的出现次数,若是,确定所述出现次数大于或等于预设出现次数的第三候选障碍物区域为所述障碍物区域。
本申请还提供一种道路障碍物区域检测装置,包括:
图像获得单元,用于获得待检测道路的图像;
疑似障碍物区域识别单元,用于根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域;
筛选单元,用于按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域。
本申请还提供一种电子设备,包括:处理器;以及存储器,用于存储道路障碍物区域检测方法的程序,该设备通过处理器运行所述程序后,执行以下步骤:获得待检测道路的图像;根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域;按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域。
本申请还提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述程序被执行时,执行以下步骤:获得待检测道路的图像;根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域;按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域。
本申请还提供一种道路障碍物检测模型的获得方法,包括:
获得包含障碍物的道路样本图像;
根据所述包含障碍物的道路样本图像获得道路障碍物检测模型,所述道路障碍物检测模型用于根据待检测道路的图像,获得所述待检测道路的图像中的疑似障碍物区域;所述疑似障碍物区域用于按照预设的筛选机制,确定所述待检测道路的图像中的障碍物区域。
可选的,所述获得包含道路障碍物的样本图像,包括:
获得以下至少一种包含障碍物的道路样本图像:
互联网中公开的包含障碍物的道路图像;
日常城市道路摄像头拍摄的包含障碍物的道路视频帧;
在道路中模拟障碍物场景时所述道路摄像头拍摄的道路视频帧。
本申请还提供一种道路障碍物检测模型的获得装置,包括:
样本获得单元,用于获得包含障碍物的道路样本图像;
模型获得单元,用于根据所述包含障碍物的道路样本图像获得道路障碍物检测模型,所述道路障碍物检测模型用于根据待检测道路的图像,获得所述待检测道路的图像中的疑似障碍物区域;所述疑似障碍物区域用于按照预设的筛选机制,确定所述待检测道路的图像中的障碍物区域。
本申请还提供一种电子设备,包括:处理器;以及存储器,用于存储道路障碍物检测模型的获得方法的程序,该设备通过处理器运行所述程序后,执行以下步骤:获得包含障碍物的道路样本图像;根据所述包含障碍物的道路样本图像获得道路障碍物检测模型,所述道路障碍物检测模型用于根据待检测道路的图像,获得所述待检测道路的图像中的疑似障碍物区域;所述疑似障碍物区域用于按照预设的筛选机制,确定所述待检测道路的图像中的障碍物区域。
本申请还提供一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述程序被执行时,执行以下步骤:获得包含障碍物的道路样本图像;根据所述包含障碍物的道路样本图像获得道路障碍物检测模型,所述道路障碍物检测模型用于根据待检测道路的图像,获得所述待检测道路的图像中的疑似障碍物区域;所述疑似障碍物区域用于按照预设的筛选机制,确定所述待检测道路的图像中的障碍物区域。
与现有技术相比,本申请具有以下优点:
本申请提供的道路障碍物检测方法,包括:获得待检测道路的图像;根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域;按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域。该方法通过道路障碍物检测模型和预设的筛选机制,协同对城市道路进行检测,判断待检测道路中的障碍物,确保了道路障碍物检测的准确性,大大提高了道路障碍物检测效率。
附图说明
图1为本申请第一实施例提供的道路障碍物检测方法流程图;
图1a为本申请提供的道路障碍物检测方法的应用场景示意图;
图2为本申请第二实施例提供的道路障碍物检测装置的结构示意图;
图3为本申请第三实施例提供的电子设备的结构示意图;
图4为本申请第五实施例提供的道路障碍检测模型的获得方法流程图;
图5为本申请第六实施例提供的道路障碍物检测模型的获得装置结构示意图;
图6为本申请第七实施例提供的电子设备的结构示意图。
具体实施方式
在下面的描述中阐述了很多具体细节以便于充分理解本申请。但是,本申请能够以很多不同于在此描述的其他方式来实施,本领域技术人员可以在不违背本申请内涵的情况下做类似推广,因此,本申请不受下面公开的具体实施例的限制。
本申请分别提供了一种道路障碍物检测方法、装置、电子设备以及计算机存储介质,本申请同时还提供一种道路障碍物检测模型的获得方法、装置、电子设备以及计算机存储介质。以下对上述本申请提供的内容进行详细介绍。
本申请第一实施例提供一种道路障碍物检测方法,其核心在于,通过道路障碍物检测模型和预设的筛选机制,协同对城市道路进行检测,判断待检测道路中的障碍物。确保道路障碍物检测的准确性的同时,提高道路障碍物检测效率。
为了便于理解本申请,首先结合具体的实施场景对本申请提供的所述道路障碍物检测方法进行介绍。
请参考图1a,其为本申请提供的道路障碍物检测方法的应用场景示意图。
图1中包括:道路摄像头101、服务器102、客户端103。
道路摄像头101用于拍摄待检测道路的图像,并将所述待检测道路的图像发送至服务器 102
在本申请描述的应用场景中,服务器102是与客户端103对应的服务器。
服务器102中集成有图像获取单元、疑似障碍物区域识别单元以及筛选单元。具体的,所述图像获取单元用于接收所述道路摄像头发送的所述待检测道路的图像;所述疑似障碍物区域识别单元用于根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域;所述筛选单元,用于按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域。
服务器102中还包括障碍物区域发送单元,将所述图像中的障碍物区域发送至所述客户端103,以供所述客户端103展示所述障碍物区域,可以理解的是,为了便于清楚的展示所述障碍物区域,所述障碍物区域发送单元是在所述待检测图像中对所述障碍物区域后,在将标注有所述障碍物区域的待检测图像发送至所述客户端103。
客户端103用于接收并展示所述服务器发送的标注有所述障碍物区域的待检测图像。以供相关服务人员及时发现并清理道路中存在的障碍物。
需要说明的是,本申请并不对所述道路障碍物区域检测方法的具体应用场景进行限定,该方法还可以应用与其他场景,例如:所述道路摄像头101也可以是安装在终端设备上的摄像头,例如:安装在手机上的摄像头。所述服务器102和客户端103同样也都可以集成于所述终端设备。以上对所述道路障碍物区域检测方法的应用场景的介绍只是为了便于理解本申请,并非对其应用场景进行限定。
请参考图1,其为本申请第一实施例提供的道路障碍物检测方法流程图。所述方法包括:
步骤S101,获得待检测道路的图像。
所述步骤S101中的待检测道路可以理解为供城市、乡村内的交通运输及行人使用的道路、公路、街道等。
所述待检测道路的图像可以理解为,针对所述待检测道路拍摄的图像。例如:道路摄像头拍摄的图像,或者是用于检测道路信息的运营检测车辆拍摄的图像。
本步骤的目的在于在待检测道路的图像中,找到图像中的疑似障碍物区域,进而实现对图像中障碍物区域的筛选。
在本申请的一个可选实施例中,所述步骤S101的具体实现过程可以包括:
步骤S101-1,获得针对所述待检测道路拍摄的视频流。
步骤S101-2,对所述视频流进行解析,获得所述视频流中的各个视频帧对应的图像。
具体的,拍摄所述待检测道路的视频流的方式有多种,在本申请第一实施例中,并不对此进行限定,例如:所述视频流可以是部署在道路中的道路检测设备拍摄的道路视频流,也可以通过道路中行驶的车辆通过车载终端设备中的摄像头拍摄的视频流。其中,所述车载终端设备可以是行驶的车辆本身携带的摄像头,也可以是车辆中的驾驶人员或乘坐人员自身携带的终端设备(例如:手机、平板电脑等终端设备)。
另外,可以理解的是,所述针对所述待检测道路拍摄的视频流的视频长度可以根据实际情况进行节选。
步骤S102,根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域。
所述障碍物是指,垃圾、遗撒物(例如:沙土、砖块等)等影响道路中的车辆或行人正常行驶的物品。
所述道路障碍物检测模型是目标检测模型的一种,例如:在本申请第一实施例中,所述道路障碍物检测模型会自动识别所述待检测道路的图像,确定所述待检测道路图像中的是否存在疑似障碍物区域,将所述疑似障碍物区域以检测框的形式输出。
在本申请的一个可选实施例中,所述将所述待检测道路图像中的疑似障碍物以检测框的形式输出是指,将所述疑似障碍物作为目标实体,并以紧密包裹目标实体的矩形框为所述疑似障碍物检测模型的输出结果。可以理解的是,所述紧密包裹目标实体的检测框即可以是矩形也可以是其他形状,例如:圆形、椭圆形等等,本申请对此并不进行限制。
具体的,所述道路障碍物检测模型可以通过训练目标检测深度神经网络的方式获得,通过将大量的含有障碍物的图像和所述图像中的障碍物信息作为训练样本集对所述目标检测深度神经网络进行训练,以获得所述道路障碍物检测模型。在本申请的一个可选实施例中,用于训练所述目标检测深度神经网络的训练样本集的图像信息中,不仅包括障碍物还应包括在道路中行驶的车辆、行人,以便于所述道路障碍物检测模型更准确的区分所述待检测道路的图像中的疑似障碍物和车辆、行人,提高所述道路障碍物检测模型的准确度和识别效率。另外,在通过本申请第一实施例所述的方法获得所述待检测道路的图像中的障碍物区域后,还可以将所述待检测道路的图像、以及所述障碍物区域的信息作为训练样本训练所述道路障碍物检测模型,获得训练后的道路障碍物检测模型。
进一步的,所述根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域,包括:将所述待检测道路的图像输入所述道路障碍物检测模型,获得所述图像中的疑似障碍物区域。
步骤S103,按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域。
所述预设的筛选机制可以通过工作人员基于先验知识进行设置,具体的,相关工作人员可以通过用于设置所述筛选机制的UI界面配置所述预设的筛选机制以及所述筛选机制中的相关参数(也可使用默认的筛选机制及其对应的参数)。所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,可以理解为,对所述疑似障碍物区域进行筛选,确定所述疑似障碍物区域中的障碍物区域。
具体的,本申请第一实施例中所述预设的筛选机制包括以下几种:
第一种,筛选所述待检测道路中的预设检测区域中的障碍物区域。
具体的,包括:
步骤S103-a1:获得所述待检测道路的图像中的预设检测区域;
步骤S103-a2:确定所述预设筛选区域中的疑似障碍物区域为所述障碍物区域。
一般情况下,所述预设检测区域是指所述待检测道路的图像中除人行道、绿化带之外的所述待检测道路图像中的其他区域。具体的,所述预设检测区域还可以根据实际情况进行设定。
获得所述待检测道路的图像后,可以先将所述待检测道路的图像发送至用于设置预设检测区域的终端设备,并通过所述终端设备的UI界面展示所述待检测道路的图像,之后,所述终端设备接收相关工作人员在UI界面展示的待检测道路图像中手动划出所述预设待检测区域,获得所述预设待检测区域中各个点的坐标,进而确定所述待检测区域。
上述方法,有效的避免了对待检测道路中存在人行道、绿化带等复杂区域的误检。
第二种,根据疑似障碍物区域的面积对所述疑似障碍物区域进行筛选。
具体的,包括:
步骤S103-b1,确定所述疑似障碍物区域的面积与所述图像总面积之间的比值;
步骤S103-b2,判断所述疑似障碍物区域的面积与所述图像总面积之间的比值是否大于或等于预设的障碍物区域占比参数,若是,则确定所述疑似障碍物区域为待处理的障碍物区域。
所述根据疑似障碍物区域的面积对所述疑似障碍物区域进行筛选主要是为了在所述疑似障碍物区域中排除面积较小的疑似障碍物区域,例如:在城市街道中,不可避免的会出现落叶等障碍物,但如果落叶所占的区域较小,则并不会对正常的道路交通产生影响。因此,这一部分区域对道路交通产生的影响几乎可以忽略不计。在本申请第一实施例中,所述待处理的障碍物区域具体是指,需要对所述道路中的障碍物区域进行清理,以提高道路的安全系数以及道路质量。
另外,所述预设的障碍物区域占比参数需要根据具体的道路路段进行设置,例如:在城市道路交通这一场景中,所述预设的障碍物区域占比参数一般设置为0.05,如在1920*1080 分辨率的图像点位上设置0.05即表示排除像素面积小于1920*1080*0.05的疑似障碍物区域;而在对路况交通环境要求较高的交通场景中,所述预设障碍物区域占比参数应远远小于0.05,比如说,在隧道中,所述预设的障碍物区域占比参数一般设置为0.001,如在1920*1080分辨率的图像点位上设置0.001即表示排除像素面积小于1920*1080*0.001的疑似障碍物区域,也就是说,对隧道内的所有异物均需要进行处理。
可以理解的是,上述举例中提到的预设障碍物区域占比参数是根据绝大多数的待检测道路图像的面积列举出的,在实际应用的过程中,所述预设障碍物区域占比参数可以根据实际情况进行设定,本申请并不对此进行限定。
第三种,根据疑似障碍物区域为所述障碍物区域的置信度进行筛选。
具体的,包括:
步骤S103-c1,确定所述疑似障碍物区域为所述障碍物区域的置信度;
步骤S103-c2,判断所述疑似障碍物区域为所述障碍物区域的置信度是否大于或等于预设的置信度阈值,若是,则确定所述疑似障碍物区域为所述图像中的障碍物区域。
所述置信度是指,所述疑似障碍物区域为障碍物区域的真实程度。
所述根据疑似障碍物区域为所述障碍物区域的置信度进行筛选主要是为了排除道路中水渍等道路中遗撒的非障碍物。
第四种,对重叠的疑似障碍物区域进行筛选。
具体的,包括:
步骤S103-d1,确定所述图像中不同疑似障碍物区域之间的交并比;
步骤S103-d2,判断所述图像中不同疑似障碍物区域之间的交并比是否大于或等于预设的交并比,若是,则确定大于或等于所述预设交并比的不同疑似障碍物区域为同一个障碍物区域。
在本申请第一实施例中,所述不同疑似障碍物区域之间的交并比(IoU,Intersection-over-Union)可以理解为不同疑似障碍物区域之间的重叠度。具体的,在本申请第一实施例中,根据所述不同疑似障碍物区域之间的交并比对所述疑似障碍物区域进行处理的目的是,将交并比大于或等于预设交并比的不同疑似障碍物区域统一作为同一个障碍物区域,以减少障碍物报警的次数。
具体的,将不同疑似障碍物区域为同一个障碍物区域,可以通过以下方式实现:当所述不同疑似障碍物区域之间的交并比大于或等于预设的交并比时,确定所述不同疑似障碍物区域中置信度最高的疑似障碍物区域,将所述交并比大于或等于预设的交并比的不同疑似障碍物区域作为同一个疑似障碍物区域,即,只保留置信度最高的疑似障碍物区域。
第五种,对待检测道路图像中的干扰物进行筛选。
具体的,包括:
步骤S103-e1:根据所述待检测道路的图像,获得所述图像中的非障碍物对象区域;
所述非障碍物对象是指所述待检测道路图像中的行驶或停滞的人和车辆等毫无疑义的非障碍物对象。例如:如果在道路中出现了载杂货的三轮车或者货车,虽然,在所述待检测道路图像中,三轮车或者货车上的局部与道路垃圾表现一致,但所述三轮车或者货车上的垃圾也应被归为非障碍物对象。
所述步骤S103-e1可以通过多种方式实现,例如:利用目标检测技术,检测所述图像中的非障碍物对象,并确定所述非障碍物对象区域;又例如:通过人工标注的方式,确定所述非障碍物对象区域;又例如:将所述图像输入用于识别所述非障碍物对象的模型,获得所述非障碍物对象区域等等。
步骤S103-e2:确定所述图像中的疑似障碍物区域与所述非障碍物对象区域之间的交并比;
步骤S103-e3:判断所述图像中的疑似障碍物区域与所述非障碍物对象区域之间的交并比是否小于或等于第二预设交并比,若是,则确定所述疑似障碍物区域为所述图像中的障碍物区域。
在本申请第一实施例中,所述非障碍物对象即为识别所述图像中的障碍物时的干扰对象。本申请之所以要对待检测图像中的干扰物进行筛选,是为了排除对载有障碍物的车辆误检测。具体的,依然使用计算交并比的方式实现上述筛选过程,保证所述图像中的疑似障碍物区域与所述非障碍物对象区域之间的交并比小于或等于第二预设交并比的疑似障碍物区域中的疑似障碍物能够被识别。
可以理解的,如果所述图像中的疑似障碍物区域与所述非障碍物对象区域之间的交并比大于第二预设交并比,则可以进一步确定所述疑似障碍物区域为所述非障碍对象的一部分,例如:所述非障碍对象为垃圾车,而所述疑似障碍物区域中的疑似障碍物为垃圾车中搭载的垃圾。
第六种,对视频帧中出现次数较少的疑似障碍物区域进行过滤。
为了实现对重复出现的疑似障碍物区域进行过滤,首先,按照预设的输入时间间隔,将所述视频帧对应的图像依次输入所述道路障碍物检测模型,获得所述视频帧对应的图像中的疑似障碍物区域。
具体的,包括:
步骤S103-f1:获得所述各个视频帧对应的图像中的各个疑似障碍物区域,按照预设的统计时间间隔,统计所述各个疑似障碍物区域的出现次数;
步骤S103-f2:判断所述各个疑似障碍物区域的出现次数是否大于或等于预设的出现次数,若是,确定所述大于或等于预设的出现次数疑似障碍物区域为所述障碍物区域。
另外,本申请之所以要对视频帧中出现次数较少的疑似障碍物区域进行过滤,目的是为了避免在俯视拍摄所述道路视频时,对车辆车顶的误判,例如:大客车车顶中的空调、逃生窗等。另外,可以理解的,如果道路中存在水渍,而水渍所在的区域被认为是疑似障碍物区域时,随着车辆在道路中行驶,水渍被溅起扩散,逐渐消失。因此,上述过程也能够对一些非必要障碍物进行过滤。
可以理解的,在实际应用的过程中,上述预设的筛选机制可以根据实际情况进行设定,例如:所述预设的筛选机制可以按照上述第一种至第六种的顺序依次进行设置,也可以选择上述一种进行设置,为了便于理解上述筛选机制,以下按照上述第一种至第六种的顺序设置所述预设的筛选机制,结合具体的应用场景对所述筛选机制进行简单介绍。
另外,由于本申请是按照上述第一种至第六种进行设置的,因此,筛选机制完成之前,即在第一种至第五种机制中获得的所述障碍物区域均可看做候选障碍物区域。
首先,在一段道路中包括人行道、公路以及人行道与公路之间的绿化带,确定公路区域为所述预设检测区域,进而确定所述预设检测区域中的疑似障碍与区域为第一候选障碍物区域;
进一步的,判断所述第一候选障碍物区域的面积与所述图像总面积之间的比值是否大于或等于预设的障碍物占比参数,确定所述比值大于所述预设的障碍物占比参数的第一候选障碍物区域为第二候选障碍物区域。
进一步的,判断所述第二候选障碍物区域的置信度是否大于预设的置信度阈值,若是,则确定所述执行读大于预设的置信度阈值的第二候选障碍物区域为第三候选障碍物区域。
进一步的,确定所述第三候选障碍物区域中是否有交并比大于或等于预设的交并比的不同候选障碍物区域,若有,则将所述交并比大于或等于预设的交并比的不同候选障碍物区域作为同一个障碍物区域。
进一步的,对所述第三候选障碍物区域中的干扰物进行筛选,确定第四候选障碍物区域。
最后,筛选视频帧中重复出现多次的第四候选障碍物区域为所述障碍物区域。
需要说明的是,上述实施例中示出的所述预设的筛选机制只是本申请的一个可选实施例,在其他实施方式中,也可以采用不同的方法实施,例如:采用上述第一种至第六中过滤机制中任意几种的组合设置所述预设的筛选机制。另外,所述预设的筛选机制也不仅限于上述六种,在其他实施方式中,所述预设的筛选机制可以根据实际情况进行设定。例如:所述预设的筛选机制还可以包括:通过图像识别技术识别所述疑似障碍物区域中的疑似障碍物的尖锐程度,和/或硬度,和/或高度,设定对应的尖锐程度阈值,和/或硬度阈值,和/或高度阈值,将大于等于预设尖锐程度阈值,和/或硬度阈值,和/或高度阈值的疑似障碍对应的所述疑似障碍物区域作为所述障碍物区域。
根据上述通过道路障碍检测模型和预设的筛选机制对疑似障碍物区域进行筛选,获得障碍物区域后,还需要针对所述图像中的障碍物区域生成报警信息,并将所述报警信息发送至报警单元,以完成对障碍物区域的报警。
所述报警单元既可以部署在道路中行驶车辆的终端设备中,以提醒车辆驾驶人员注意行车安全;也可以部署在道路服务人员的终端设备中,以提醒道路服务人员对路面进行清理。
为了避免对同一障碍物区域的频繁的重复报警,本申请第一实施例所述的方法还包括:根据预设的重复报警过滤时间,在所述重复报警过滤时间范围内,判断针对所述图像中的障碍物区域的报警信息是否已发送至报警单元,若是,则过滤所述针对所述图像中的障碍物区域的报警信息,若否,则将针对所述图像中的障碍物区域的报警信息发送至所述报警单元。
具体的,判断针对所述图像中的障碍物区域的报警信息是否已发送至报警单元,包括:
在所述重复报警过滤时间范围内,计算所述障碍物区域与历史记录各报警区域之间的交并比是否大于等于阈值,进行所述图像中的目标区域的报警信息是否已发送至报警单元的判定。
综上所述,上述方法通过道路障碍物检测模型和预设的筛选机制,协同对城市道路进行检测,判断待检测道路中的障碍物,确保了道路障碍物检测的准确性,大大提高了道路障碍物检测效率。
上述实施例介绍了一种道路障碍物检测方法,与之相应的,本申请第二实施例还提供一种道路障碍物检测装置。由于该装置实施例基本相似与上述方法实施例,所以描述的比较简单,相关之处参见上述方法实施例的部分说明即可。下面描述的装置实施例仅仅是示意性的。
请参考图2,其为本申请第二实施例提供的道路障碍物检测装置的结构示意图。该装置包括:
图像获得单元201,用于获得待检测道路的图像;
疑似障碍物区域识别单元202,用于根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域;
筛选单元203,用于按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域。
可选的,所述根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域,包括:
将所述待检测道路的图像输入所述道路障碍物检测模型,获得所述图像中的疑似障碍物区域。
可选的,所述装置还包括:
模型训练单元,用于将所述待检测道路的图像、以及所述障碍物区域的信息作为训练样本训练所述道路障碍物检测模型,获得训练后的道路障碍物检测模型。
可选的,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括:
获得所述待检测道路的图像中的预设检测区域;
确定所述预设筛选区域中的疑似障碍物区域为所述障碍物区域。
可选的,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括:
确定所述疑似障碍物区域的面积与所述图像总面积之间的比值;
判断所述疑似障碍物区域的面积与所述图像总面积之间的比值是否大于或等于预设的障碍物区域占比参数,若是,则确定所述疑似障碍物区域为待处理的障碍物区域。
可选的,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括:
确定所述疑似障碍物区域为所述障碍物区域的置信度;
判断所述疑似障碍物区域为所述障碍物区域的置信度是否大于或等于预设的置信度阈值,若是,则确定所述疑似障碍物区域为所述图像中的障碍物区域。
可选的,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括:
确定所述图像中不同疑似障碍物区域之间的交并比;
判断所述图像中不同疑似障碍物区域之间的交并比是否大于或等于预设的交并比,若是,则确定大于或等于所述预设交并比的不同疑似障碍物区域为同一个障碍物区域。
可选的,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括:
根据所述待检测道路的图像,获得所述图像中的非障碍物对象区域;
确定所述图像中的疑似障碍物区域与所述非障碍物对象区域之间的交并比;
判断所述图像中的疑似障碍物区域与所述非障碍物对象区域之间的交并比是否小于或等于第二预设交并比,若是,则确定所述疑似障碍物区域为所述图像中的障碍物区域。
可选的,图像获得单元201,包括:
视频获得子单元,用于获得针对所述待检测道路拍摄的视频流;
视频解析子单元,用于对所述视频流进行解析,获得所述视频流中的各个视频帧。
可选的,图像获得单元201,包括:
图像请求子单元,用于向道路监测设备发送用于获得所述待检测道路的图像的请求信息;
图像接收子单元,用于获得所述道路监测设备返回的所述待检测道路的图像。
可选的,所述根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域,包括:
按照预设的输入时间间隔,将所述视频帧对应的图像依次输入所述道路障碍物检测模型,获得所述视频帧对应的图像中的疑似障碍物区域。
可选的,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括:
获得所述各个视频帧对应的图像中的各个疑似障碍物区域,按照预设的统计时间间隔,统计所述各个疑似障碍物区域的出现次数;
判断所述各个疑似障碍物区域的出现次数是否大于或等于预设的出现次数,若是,确定所述大于或等于预设的出现次数疑似障碍物区域为所述障碍物区域。
可选的,所述装置还包括:
第一报警子单元,用于针对所述图像中的障碍物区域生成报警信息,将所述报警信息发送至报警单元。
可选的,所述装置还包括:
第二报警子单元,用于根据预设的重复报警过滤时间,在所述重复报警过滤时间范围内,判断针对所述图像中的障碍物区域的报警信息是否已发送至报警单元,若是,则过滤所述针对所述图像中的障碍物区域的报警信息,若否,则将针对所述图像中的障碍物区域的报警信息发送至所述报警单元。
上述实施例介绍了一种道路障碍物检测方法,与之相应的,本申请第三实施例还提供一种电子设备。由于本申请第三实施例提供的电子设备基本相似于上述方法实施例,所以描述的比较简单,相关之处参见上述方法实施例的部分说明即可。下面描述的电子设备仅仅是示意性的。
请参考图3,其为本申请第三实施例提供的电子设备的结构示意图,该电子设备,包括:
处理器301;以及
存储器302,用于存储道路障碍物区域检测方法的程序,该设备通过处理器运行所述程序后,执行以下步骤:获得待检测道路的图像;根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域;按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域。
另外,本申请第四实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述程序被执行时,执行以下步骤:获得待检测道路的图像;根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域;按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域。
需要说明的是,本申请第四实施例提供的计算机存储介质的详细描述,可以参考对本申请提供的第一实施例的相关描述,这里不再赘述。
本申请第五实施例还提供一种道路障碍物检测模型的获得方法,由于该方法实施例基本相似与本申请第一实施例,所以描述的比较简单,相关之处参见上述第一实施例的部分说明即可,下面描述的所述道路障碍物检测模型的获得方法仅仅是示意性的。
请参考图4,其为本申请第五实施例提供的道路障碍检测模型的获得方法流程图。该方法包括:
步骤S401,获得包含障碍物的道路样本图像;
步骤S402,根据所述包含障碍物的道路样本图像获得道路障碍物检测模型,所述道路障碍物检测模型用于根据待检测道路的图像,获得所述待检测道路的图像中的疑似障碍物区域;所述疑似障碍物区域用于按照预设的筛选机制,确定所述待检测道路的图像中的障碍物区域。
可选的,所述获得包含道路障碍物的样本图像,包括:
获得以下至少一种包含障碍物的道路样本图像:
互联网中公开的包含障碍物的道路图像;
日常城市道路摄像头拍摄的包含障碍物的道路视频帧;
模拟城市道路摄像头拍摄的包含障碍物的道路图像。
本申请第六实施例还提供一种道路障碍物检测模型的获得装置。由于该装置实施例基本相似与上述方法实施例,所以描述的比较简单,相关之处参见上述方法实施例的部分说明即可。下面描述的装置实施例仅仅是示意性的。
请参考图5,其为本申请第六实施例提供的道路障碍物检测模型的获得装置结构示意图,包括:
样本获得单元501,用于获得包含障碍物的道路样本图像;
模型获得单元502,用于根据所述包含障碍物的道路样本图像获得道路障碍物检测模型,所述道路障碍物检测模型用于根据待检测道路的图像,获得所述待检测道路的图像中的疑似障碍物区域;所述疑似障碍物区域用于按照预设的筛选机制,确定所述待检测道路的图像中的障碍物区域。
可选的,所述获得包含道路障碍物的样本图像,包括:
获得以下至少一种包含障碍物的道路样本图像:
互联网中公开的包含障碍物的道路图像;
日常城市道路摄像头拍摄的包含障碍物的道路视频帧;
模拟城市道路摄像头拍摄的包含障碍物的道路图像。
上述实施例介绍了一种道路障碍物检测模型的获得方法,与之相应的,本申请第七实施例还提供一种电子设备。由于本申请第七实施例提供的电子设备基本相似于上述方法实施例,所以描述的比较简单,相关之处参见上述方法实施例的部分说明即可。下面描述的电子设备仅仅是示意性的。
请参考图6,其为本申请第七实施例提供的电子设备的结构示意图。所述电子设备,包括:
处理器601;以及
存储器602,用于存储道路障碍物检测模型的获得方法的程序,该设备通过处理器运行所述程序后,执行以下步骤:获得包含障碍物的道路样本图像;根据所述包含障碍物的道路样本图像获得道路障碍物检测模型,所述道路障碍物检测模型用于根据待检测道路的图像,获得所述待检测道路的图像中的疑似障碍物区域;所述疑似障碍物区域用于按照预设的筛选机制,确定所述待检测道路的图像中的障碍物区域。
另外,本申请第八实施例还提供了一种计算机存储介质,所述计算机存储介质存储有计算机程序,所述程序被执行时,执行以下步骤:获得包含障碍物的道路样本图像;根据所述包含障碍物的道路样本图像获得道路障碍物检测模型,所述道路障碍物检测模型用于根据待检测道路的图像,获得所述待检测道路的图像中的疑似障碍物区域;所述疑似障碍物区域用于按照预设的筛选机制,确定所述待检测道路的图像中的障碍物区域。
需要说明的是,本申请第八实施例提供的计算机存储介质的详细描述,可以参考对本申请提供的第五实施例的相关描述,这里不再赘述。
本申请虽然以较佳实施例公开如上,但其并不是用来限定本申请,任何本领域技术人员在不脱离本申请的精神和范围内,都可以做出可能的变动和修改,因此本申请的保护范围应当以本申请权利要求所界定的范围为准。
在一个典型的配置中,计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器,随机存取存储器(RAM)和/或非易失性内存等形式,如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
1、计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括,但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器 (CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带,磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质,可用于存储可以被计算设备访问的信息。按照本文中的界定,计算机可读介质不包括非暂存电脑可读媒体(transitory media),如调制的数据信号和载波。
2、本领域技术人员应明白,本申请的实施例可提供为系统或电子设备。因此,本申请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,本申请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。
Claims (14)
1.一种道路障碍物区域检测方法,其特征在于,包括:
获得待检测道路的图像;
根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域,其中,将所述图像中的疑似障碍物作为目标实体,以紧密包裹目标实体的检测框为所述道路障碍物检测模型的输出结果;
按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括以下至少一种方式:
根据所述疑似障碍物区域的面积对所述疑似障碍物区域进行筛选;
根据所述疑似障碍物区域为所述障碍物区域的置信度进行筛选,所述置信度是用于排除所述待检测道路中遗撒的非障碍物的置信度;
对重叠的所述疑似障碍物区域进行筛选;
对所述图像中的非障碍物对象进行筛选,所述非障碍物对象是指所述图像中的人和车辆;
判断各个疑似障碍物区域的出现次数是否大于或等于预设的出现次数,若是,确定大于或等于预设的出现次数的疑似障碍物区域为所述障碍物区域;
其中,所述待检测道路中的障碍物是指影响道路中的车辆或行人正常行驶的垃圾或遗撒物,所述障碍物区域为所述待检测道路中需要清理的区域。
2.根据权利要求1所述的方法,其特征在于,所述根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域,包括:
将所述待检测道路的图像输入所述道路障碍物检测模型,获得所述图像中的疑似障碍物区域。
3.根据权利要求1所述的方法,其特征在于,所述方法还包括:
将所述待检测道路的图像、以及所述障碍物区域的信息作为训练样本训练所述道路障碍物检测模型,获得训练后的道路障碍物检测模型。
4.根据权利要求1所述的方法,其特征在于,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,包括:
获得所述待检测道路的图像中的预设检测区域;
确定所述预设检测区域中的疑似障碍物区域为所述障碍物区域。
5.根据权利要求1所述的方法,其特征在于,所述根据所述疑似障碍物区域的面积对所述疑似障碍物区域进行筛选,包括:
确定所述疑似障碍物区域的面积与所述图像总面积之间的比值;
判断所述疑似障碍物区域的面积与所述图像总面积之间的比值是否大于或等于预设的障碍物区域占比参数;
若是,则确定所述疑似障碍物区域为所述障碍物区域。
6.根据权利要求1所述的方法,其特征在于,所述根据所述疑似障碍物区域为所述障碍物区域的置信度进行筛选,包括:
确定所述疑似障碍物区域为所述障碍物区域的置信度;
判断所述疑似障碍物区域为所述障碍物区域的置信度是否大于或等于预设的置信度阈值,若是,则确定所述疑似障碍物区域为所述图像中的障碍物区域。
7.根据权利要求1所述的方法,其特征在于,所述对重叠的所述疑似障碍物区域进行筛选,包括:
确定所述图像中不同疑似障碍物区域之间的交并比;
判断所述图像中不同疑似障碍物区域之间的交并比是否大于或等于第一预设交并比,若是,则确定大于或等于所述预设交并比的不同疑似障碍物区域为同一个障碍物区域。
8.根据权利要求1所述的方法,其特征在于,所述对所述图像中的非障碍物对象进行筛选,包括:
根据所述待检测道路的图像,获得所述图像中的非障碍物对象区域;
确定所述图像中的疑似障碍物区域与所述非障碍物对象区域之间的交并比;
判断所述图像中的疑似障碍物区域与所述非障碍物对象区域之间的交并比是否小于或等于第二预设交并比,若是,则确定所述疑似障碍物区域为所述图像中的障碍物区域。
9.根据权利要求1所述的方法,其特征在于,所述获得待检测道路的图像,包括:
获得针对所述待检测道路拍摄的视频流;
对所述视频流进行解析,获得所述视频流中的各个视频帧。
10.根据权利要求1所述的方法,其特征在于,所述获得待检测道路的图像,包括:
向道路监测设备发送用于获得所述待检测道路的图像的请求信息;
获得所述道路监测设备返回的所述待检测道路的图像。
11.根据权利要求9所述的方法,其特征在于,所述根据所述待检测道路的图像和用于识别所述图像中的疑似障碍物区域的道路障碍物检测模型,获得所述图像中的疑似障碍物区域,包括:
按照预设的输入时间间隔,将所述视频帧对应的图像依次输入所述道路障碍物检测模型,获得所述视频帧对应的图像中的疑似障碍物区域。
12.根据权利要求11所述的方法,其特征在于,还包括:
获得所述各个视频帧对应的图像中的各个疑似障碍物区域,按照预设的统计时间间隔,统计所述各个疑似障碍物区域的出现次数。
13.根据权利要求1所述的方法,其特征在于,所述按照预设的筛选机制筛选所述疑似障碍物区域,获得所述图像中的障碍物区域,具体包括:
判断所述疑似障碍物区域的面积与所述图像总面积之间的比值是否大于或等于预设的障碍物占比参数,若是,则确定所述大于或等于预设的障碍物占比参数的疑似障碍物区域为第一候选障碍物区域,若否,则确定所述疑似障碍物区域不为所述非障碍物区域;
判断所述第一候选障碍物区域的置信度是否大于或等于预设的置信度阈值,若是,则确定所述大于或等于预设的置信度阈值的第一候选障碍物区域为第二候选障碍物区域,若否,则确定所述第一候选障碍物区域不为所述非障碍物区域;
判断所述图像中不同的第二候选障碍物区域之间的交并比是否大于或等于第一预设交并比,若是,则将所述交并比大于或等于所述第一预设交并比的不同第二候选障碍物区域作为同一个第二候选障碍物区域,若否,则确定所述第二候选障碍物区域不为所述非障碍物区域;
根据所述待检测道路的图像,获得所述图像中的非障碍物对象区域;判断所述第二候选障碍物区域与所述非障碍物对象区域之间的交并比是否小于或等于第二预设交并比,若是,则将所述交并比小于或等于所述第二预设交并比的第二候选障碍物区域作为第三候选障碍物区域;
按照预设的统计时间间隔,统计各个所述第三候选障碍物区域的出现次数,判断所述第三候选障碍物区域的出现次数是否大于或等于预设的出现次数,若是,确定所述出现次数大于或等于预设出现次数的第三候选障碍物区域为所述障碍物区域。
14.一种道路障碍物检测模型的获得方法,其特征在于,包括:
获得包含障碍物的道路样本图像;
根据所述包含障碍物的道路样本图像获得道路障碍物检测模型,所述道路障碍物检测模型用于根据待检测道路的图像,获得所述待检测道路的图像中的疑似障碍物区域,其中,将所述图像中的疑似障碍物作为目标实体,以紧密包裹目标实体的检测框为所述道路障碍物检测模型的输出结果;
所述疑似障碍物区域用于按照预设的筛选机制,确定所述待检测道路的图像中的障碍物区域,包括以下至少一种方式:
根据所述疑似障碍物区域的面积对所述疑似障碍物区域进行筛选;
根据所述疑似障碍物区域为所述障碍物区域的置信度进行筛选,所述置信度是用于排除所述待检测道路中遗撒的非障碍物的置信度;
对重叠的所述疑似障碍物区域进行筛选;
对所述图像中的非障碍物对象进行筛选,所述非障碍物对象是指所述图像中的人和车辆;
判断各个疑似障碍物区域的出现次数是否大于或等于预设的出现次数,若是,确定大于或等于预设的出现次数的疑似障碍物区域为所述障碍物区域;
其中,所述待检测道路中的障碍物是指影响道路中的车辆或行人正常行驶的垃圾或遗撒物,所述障碍物区域为所述待检测道路中需要清理的区域。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110461028.5A CN113378628B (zh) | 2021-04-27 | 2021-04-27 | 一种道路障碍物区域检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110461028.5A CN113378628B (zh) | 2021-04-27 | 2021-04-27 | 一种道路障碍物区域检测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113378628A CN113378628A (zh) | 2021-09-10 |
CN113378628B true CN113378628B (zh) | 2023-04-14 |
Family
ID=77570158
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110461028.5A Active CN113378628B (zh) | 2021-04-27 | 2021-04-27 | 一种道路障碍物区域检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113378628B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114973664A (zh) * | 2022-05-17 | 2022-08-30 | 保银信科信息技术(湖北)有限公司 | 一种基于机器视觉的城市交通在线智能监测预警管理系统 |
Family Cites Families (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
AT507035B1 (de) * | 2008-07-15 | 2020-07-15 | Airbus Defence & Space Gmbh | System und verfahren zur kollisionsvermeidung |
US10891499B2 (en) * | 2016-08-23 | 2021-01-12 | Suteng Innovation Technology Co., Ltd. | Target detection method and system |
CN107909010B (zh) * | 2017-10-27 | 2022-03-18 | 北京中科慧眼科技有限公司 | 一种道路障碍物检测方法与装置 |
CN108596012B (zh) * | 2018-01-19 | 2022-07-15 | 海信集团有限公司 | 一种障碍物框合并方法、装置及终端 |
DE112018007484T5 (de) * | 2018-04-16 | 2021-02-25 | Mitsubishi Electric Corporation | Hindernis-Detektionsvorrichtung, automatische Bremsvorrichtung unter Verwendung einer Hindernis-Detektionsvorrichtung, Hindernis-Detektionsverfahren und automatisches Bremsverfahren unter Verwendung eines Hindernis-Detektionsverfahrens |
CN109739232B (zh) * | 2018-12-29 | 2022-06-07 | 百度在线网络技术(北京)有限公司 | 障碍物追踪方法、装置、车载终端及存储介质 |
CN110502983B (zh) * | 2019-07-11 | 2022-05-06 | 平安科技(深圳)有限公司 | 一种检测高速公路中障碍物的方法、装置及计算机设备 |
CN111563474A (zh) * | 2020-05-18 | 2020-08-21 | 北京茵沃汽车科技有限公司 | 运动背景下的基于车载鱼眼镜头的障碍物检测方法、系统 |
CN112101316B (zh) * | 2020-11-17 | 2022-03-25 | 北京中科原动力科技有限公司 | 一种目标检测方法及系统 |
CN112528773B (zh) * | 2020-11-27 | 2023-04-07 | 深兰科技(上海)有限公司 | 障碍物信息融合方法、装置、电子设备和存储介质 |
-
2021
- 2021-04-27 CN CN202110461028.5A patent/CN113378628B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113378628A (zh) | 2021-09-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Thornton et al. | Automated parking surveys from a LIDAR equipped vehicle | |
US11361556B2 (en) | Deterioration diagnosis device, deterioration diagnosis system, deterioration diagnosis method, and storage medium for storing program | |
US20100246890A1 (en) | Detection of objects in images | |
WO2008130233A1 (en) | Method of and apparatus for producing road information | |
US10762782B2 (en) | On-street parking map generation | |
CN107590999B (zh) | 一种基于卡口数据的交通状态判别方法 | |
CN105702152A (zh) | 地图生成方法和装置 | |
Yu et al. | Pavement roughness index estimation and anomaly detection using smartphones | |
CN113378628B (zh) | 一种道路障碍物区域检测方法 | |
CN110660211B (zh) | 使用占用行为异常检测器的停车区域地图改善 | |
Kotha et al. | Potsense: Pothole detection on indian roads using smartphone sensors | |
CN111768630A (zh) | 一种违章废图检测方法、装置及电子设备 | |
CN115834838A (zh) | 一种隧道内的监控方法、设备和介质 | |
US11676397B2 (en) | System and method for detecting an object collision | |
CN112507874B (zh) | 一种用于检测机动车加塞行为的方法与设备 | |
CN114882709A (zh) | 车辆拥堵检测方法、装置及计算机存储介质 | |
CN109389643B (zh) | 车位主方向判断方法、系统以及存储介质 | |
CN114627400A (zh) | 一种车道拥堵检测方法、装置、电子设备和存储介质 | |
CN113378629A (zh) | 一种排烟异常车辆的检测方法、装置 | |
US11989949B1 (en) | Systems for detecting vehicle following distance | |
WO2023166555A1 (ja) | 路面標示劣化分析装置、方法、及びコンピュータ可読媒体 | |
CN117087675B (zh) | 一种车辆通过性的检测方法、装置、设备及介质 | |
US11625924B2 (en) | Vehicle parking monitoring systems and methods | |
KR102145409B1 (ko) | 차량속도 측정이 가능한 시정거리 측정 시스템 | |
Mustafa et al. | The Development of Recognizing Type of Vehicle System for Carbon Emission Monitoring |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40058720 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |