CN113673446A - 图像识别方法、装置、电子设备和计算机可读介质 - Google Patents
图像识别方法、装置、电子设备和计算机可读介质 Download PDFInfo
- Publication number
- CN113673446A CN113673446A CN202110974348.0A CN202110974348A CN113673446A CN 113673446 A CN113673446 A CN 113673446A CN 202110974348 A CN202110974348 A CN 202110974348A CN 113673446 A CN113673446 A CN 113673446A
- Authority
- CN
- China
- Prior art keywords
- fragment
- point cloud
- image recognition
- graph
- trained
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 55
- 239000012634 fragment Substances 0.000 claims abstract description 141
- 238000011176 pooling Methods 0.000 claims description 59
- 238000012545 processing Methods 0.000 claims description 31
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 claims description 23
- 238000012549 training Methods 0.000 claims description 22
- 238000013467 fragmentation Methods 0.000 claims description 18
- 238000006062 fragmentation reaction Methods 0.000 claims description 18
- 230000002776 aggregation Effects 0.000 claims description 16
- 238000004220 aggregation Methods 0.000 claims description 16
- 230000004044 response Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 9
- 238000000605 extraction Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 abstract description 12
- 238000010586 diagram Methods 0.000 description 20
- 230000006870 function Effects 0.000 description 13
- 238000004891 communication Methods 0.000 description 6
- 238000013527 convolutional neural network Methods 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 240000004050 Pentaglottis sempervirens Species 0.000 description 4
- 239000003795 chemical substances by application Substances 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000003491 array Methods 0.000 description 1
- 230000008014 freezing Effects 0.000 description 1
- 238000007710 freezing Methods 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T3/00—Geometric image transformations in the plane of the image
- G06T3/18—Image warping, e.g. rearranging pixels individually
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Image Analysis (AREA)
Abstract
本公开的实施例公开了图像识别方法、装置、电子设备和计算机可读介质。该方法的一具体实施方式包括：从激光雷达中读取点云图像作为目标点云图像；根据上述激光雷达的雷达坐标系，构建体素网格；将上述目标点云图像投影至上述体素网格中，以生成目标鸟瞰图；对上述目标鸟瞰图进行碎片化处理，得到碎片图组；根据预设扰动概率，将上述碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果。该实施方式解决了将点云投影至RGB图像上的图像存在图像重叠的问题，提高了识别物体的准确度。进而，便于自动驾驶车辆在行驶过程中，根据图像识别结果，进行车辆控制。
Description
技术领域
本公开的实施例涉及计算机技术领域，具体涉及图像识别方法、装置、电子设备和计算机可读介质。
背景技术
目前，在自动驾驶过程中，对周围的障碍物识别，通常采用的方式为：将多帧连续的点云分别投影至相应RGB图像上，然后使用光流法在图像上识别出物体(障碍物)。
然而，当采用上述方式时，通常会存在以下技术问题：将点云投影至RGB图像上的图像是一个锥形图像，容易造成投影后的图像重叠，无法准确识别出物体。
发明内容
本公开的内容部分用于以简要的形式介绍构思，这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征，也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了图像识别方法、装置、电子设备和计算机可读介质，来解决以上背景技术部分提到的技术问题。
第一方面，本公开的一些实施例提供了一种图像识别方法，该方法包括：从激光雷达中读取点云图像作为目标点云图像；根据上述激光雷达的雷达坐标系，构建体素网格；将上述目标点云图像投影至上述体素网格中，以生成目标鸟瞰图；对上述目标鸟瞰图进行碎片化处理，得到碎片图组；根据预设扰动概率，将上述碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果。
可选地，上述根据预设扰动概率，将上述碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果，包括：根据上述预设扰动概率，对上述碎片图组中的每个碎片图进行扰动处理以生成碎片扰动图，得到碎片扰动图组；对上述碎片扰动图组中的每个碎片扰动图进行特征提取处理以生成碎片特征图，得到碎片特征图组；对上述碎片特征图组中的每个碎片特征图进行池化处理以生成碎片池化特征图，得到碎片池化特征图组；对上述碎片池化特征图组所包括的碎片池化特征图进行特征聚合处理，得到聚合特征图。
可选地，上述将上述碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果，还包括：对上述聚合特征图进行解码处理，以生成解码图作为图像识别结果。
可选地，上述对上述碎片特征图组中的每个碎片特征图进行池化处理以生成碎片池化特征图，包括：对上述碎片特征图进行池化处理以生成碎片池化子特征图组；将上述碎片池化子特征图组所包括的碎片池化子特征图进行拼接处理，以生成碎片池化特征图。
可选地，上述点云图像识别模型是通过以下步骤训练得到的：将点云图像投影至上述体素网格中，以生成鸟瞰图作为样本图；将上述样本图输入至待训练网络模型中，得到样本重建图；基于预设的损失函数，确定上述样本图所包括的像素点的像素值和对应上述样本重建图所包括的像素点的像素值的误差值；响应于上述误差值大于等于预设阈值，调整待训练网络模型中的网络参数。
可选地，上述步骤还包括：响应于上述误差值小于上述预设阈值，将上述待训练网络模型确定为点云图像识别模型。
可选地，上述响应于上述误差值大于等于预设阈值，调整待训练网络模型中的网络参数，包括：响应于上述误差值大于等于上述预设阈值，记录上述待训练网络模型的训练次数；响应于上述训练次数满足预设调整条件，调整上述待训练网络模型中的随机扰动模块的扰动概率。
第二方面，本公开的一些实施例提供了一种图像识别装置，装置包括：读取单元，被配置成从激光雷达中读取点云图像作为目标点云图像；构建单元，被配置成根据上述激光雷达的雷达坐标系，构建体素网格；投影单元，被配置成将上述目标点云图像投影至上述体素网格中，以生成目标鸟瞰图；碎片化单元，被配置成对上述目标鸟瞰图进行碎片化处理，得到碎片图组；图像识别单元，被配置成根据预设扰动概率，将上述碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果。
可选地，图像识别单元被进一步配置成：根据上述预设扰动概率，对上述碎片图组中的每个碎片图进行扰动处理以生成碎片扰动图，得到碎片扰动图组；对上述碎片扰动图组中的每个碎片扰动图进行特征提取处理以生成碎片特征图，得到碎片特征图组；对上述碎片特征图组中的每个碎片特征图进行池化处理以生成碎片池化特征图，得到碎片池化特征图组；对上述碎片池化特征图组所包括的碎片池化特征图进行特征聚合处理，得到聚合特征图。
可选地，图像识别单元被进一步配置成：对上述聚合特征图进行解码处理，以生成解码图作为图像识别结果。
可选地，图像识别单元被进一步配置成：对上述碎片特征图进行池化处理以生成碎片池化子特征图组；将上述碎片池化子特征图组所包括的碎片池化子特征图进行拼接处理，以生成碎片池化特征图。
可选地，装置还包括：点云图像识别模型训练单元；上述点云图像识别模型训练单元包括：投影子单元、输入子单元、第一确定子单元、调整子单元。其中，投影子单元被配置成将点云图像投影至上述体素网格中，以生成鸟瞰图作为样本图；输入子单元被配置成将上述样本图输入至待训练网络模型中，得到样本重建图；第一确定子单元被配置成基于预设的损失函数，确定上述样本图所包括的像素点的像素值和对应上述样本重建图所包括的像素点的像素值的误差值；调整子单元被配置成响应于上述误差值大于等于预设阈值，调整待训练网络模型中的网络参数。
可选地，上述点云图像识别模型训练单元还包括：第二确定子单元，被配置成响应于上述误差值小于上述预设阈值，将上述待训练网络模型确定为点云图像识别模型。
可选地，第一确定子单元被进一步配置成：响应于上述误差值大于等于上述预设阈值，记录上述待训练网络模型的训练次数；响应于上述训练次数满足预设调整条件，调整上述待训练网络模型中的随机扰动模块的扰动概率。
第三方面，本公开的一些实施例提供了一种电子设备，包括：一个或多个处理器；存储装置，其上存储有一个或多个程序，当一个或多个程序被一个或多个处理器执行，使得一个或多个处理器实现上述第一方面任一实现方式所描述的方法。
第四方面，本公开的一些实施例提供了一种计算机可读介质，其上存储有计算机程序，其中，程序被处理器执行时实现上述第一方面任一实现方式所描述的方法。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的图像识别方法，解决了将点云投影至RGB图像上的图像存在图像重叠的问题，提高了识别物体的准确度。具体来说，造成识别物体的准确度不高的原因在于：将点云投影至RGB图像上的图像是一个锥形图像，容易造成投影后的图像重叠。基于此，本公开的一些实施例的图像识别方法，首先，从激光雷达中读取点云图像作为目标点云图像。由此，为后续识别出点云图像中的物体，提供了数据基础。其次，根据上述激光雷达的雷达坐标系，构建体素网格。由此，依靠激光雷达的雷达坐标系构建体素网格，便于保留后续投影至体素网格中的点云图像所表征的物体的实际尺寸。从而，便于提高识别图像中的物体的准确度。接着，将上述目标点云图像投影至上述体素网格中，以生成目标鸟瞰图。由此，使得目标点云图像中所表征的物体在鸟瞰图中的尺寸得以保留，解决了图像重叠的问题。然后，对上述目标鸟瞰图进行碎片化处理，得到碎片图组。由此，便于提高对图像纹理的识别。最后，根据预设扰动概率，将上述碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果。由此，可以准确识别出鸟瞰图中的物体。从而，解决了将点云投影至RGB图像上的图像存在图像重叠的问题，提高了识别物体的准确度。进而，便于自动驾驶车辆在行驶过程中，根据图像识别结果，进行车辆控制。
附图说明
结合附图并参考以下具体实施方式，本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中，相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的，元件和元素不一定按照比例绘制。
图1-图2是本公开的一些实施例的图像识别方法的一个应用场景的示意图；
图3是根据本公开的图像识别方法的一些实施例的流程图；
图4是根据本公开的图像识别方法中将目标鸟瞰图输入至预先训练的点云图像识别模型的应用场景示意图；
图5是根据本公开的图像识别方法中训练点云图像识别模型的一些实施例的流程图；
图6是根据本公开的图像识别装置的一些实施例的结构示意图；
图7是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例，然而应当理解的是，本公开可以通过各种形式来实现，而且不应该被解释为限于这里阐述的实施例。相反，提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是，本公开的附图及实施例仅用于示例性作用，并非用于限制本公开的保护范围。
另外还需要说明的是，为了便于描述，附图中仅示出了与有关发明相关的部分。在不冲突的情况下，本公开中的实施例及实施例中的特征可以相互组合。
需要注意，本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分，并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意，本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的，本领域技术人员应当理解，除非在上下文另有明确指出，否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的，而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
图1-图2是根据本公开一些实施例的图像识别方法的一个应用场景的示意图。
在图1的应用场景中，首先，计算设备101可以从激光雷达中读取点云图像作为目标点云图像102(如图2中的102所示)。其次，计算设备101可以根据上述激光雷达的雷达坐标系，构建体素网格103。接着，计算设备101可以将上述目标点云图像102投影至上述体素网格103中，以生成目标鸟瞰图104(如图2中的104所示，这里，图2中的104为鸟瞰图)。然后，计算设备101可以对上述目标鸟瞰图104进行碎片化处理，得到碎片图组105。最后，计算设备101可以根据预设扰动概率，将上述碎片图组105输入至预先训练的点云图像识别模型106中，得到图像识别结果107。
需要说明的是，上述计算设备101可以是硬件，也可以是软件。当计算设备为硬件时，可以实现成多个服务器或终端设备组成的分布式集群，也可以实现成单个服务器或单个终端设备。当计算设备体现为软件时，可以安装在上述所列举的硬件设备中。其可以实现成例如用来提供分布式服务的多个软件或软件模块，也可以实现成单个软件或软件模块。在此不做具体限定。
应该理解，图1中的计算设备的数目仅仅是示意性的。根据实现需要，可以具有任意数目的计算设备。
继续参考图3，示出了根据本公开的图像识别方法的一些实施例的流程300。该图像识别方法，包括以下步骤：
步骤301，从激光雷达中读取点云图像作为目标点云图像。
在一些实施例中，图像识别方法的执行主体(例如图1所示的计算设备101)可以从激光雷达中读取上述激光雷达采集的点云图像，以作为目标点云图像。这里，激光雷达可以是指自动驾驶车辆上安装的激光雷达。例如，激光雷达可以是16线激光雷达。
步骤302，根据上述激光雷达的雷达坐标系，构建体素网格。
在一些实施例中，上述执行主体可以以激光雷达的雷达坐标系为基准，以预设长度为体素单元，对上述雷达坐标系进行网格化处理，以生成体素网格。例如，雷达坐标系可以为：x∈[-30，30]，y∈[-15，15](单位为米)。以预设长度0.05米建立一个体素单元(VoxelUnit)，对上述雷达坐标系进行网格化处理。从而，生成体素网格。
步骤303，将上述目标点云图像投影至上述体素网格中，以生成目标鸟瞰图。
在一些实施例中，对于目标点云图像中每个点云，上述执行主体可以按照上述点云的点云坐标，将上述点云投影至上述体素网格中与点云坐标相同的位置。从而，生成目标鸟瞰图。
步骤304，对上述目标鸟瞰图进行碎片化处理，得到碎片图组。
在一些实施例中，上述执行主体可以对上述目标鸟瞰图进行碎片化处理，得到碎片图组。这里，碎片化处理可以是指图像分割处理。这里，碎片化处理还可以是指将目标鸟瞰图输入至上述碎片生成模块中进行碎片化的处理。实践中，上述执行主体可以将目标鸟瞰图输入至上述碎片生成模块中，得到碎片图组。这里，碎片生成模块可以是指碎片生成器(Shred Generator)。这里，每个碎片的大小随机确定，碎片长边的范围可以为[w/4，w/2]，碎片短边的范围可以为[h/4，h/2]。其中，w可以为目标鸟瞰图的短边，h可以为目标鸟瞰图的长边。
步骤305，根据预设扰动概率，将上述碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果。
在一些实施例中，首先，上述执行主体可以按照预设扰动概率，对碎片图组中的每个碎片图进行扰动。然后，上述执行主体可以将扰动后的碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果。这里，扰动的方式可以包括但不限于：垂直翻转(Vertical Flip)、旋转(Rotation)、点云缺失(Dropout)(位置大小随机)、噪声(Noise)、水平翻转(Horizontal Flip)以及其他扰动(Do Nothing)。这里，预先训练的点云图像识别模型可以指自监督图神经网络。
在一些实施例中的一些可选的实现方式中，上述点云图像识别模型可以包括：随机扰动模块402、权值编码器403、解码器404。其中，权值编码器403可以包括卷积编码器4031和池化网络4032。如图4所示，上述执行主体将上述目标鸟瞰图输入至预先训练的点云图像识别模型，可以包括以下步骤：
第一步，根据上述预设扰动概率，对上述碎片图组中的每个碎片图进行扰动处理以生成碎片扰动图，得到碎片扰动图组。实践中，上述执行主体可以将上述碎片图组401中的每个碎片图输入至随机扰动模块402中，以生成碎片扰动图，得到碎片扰动图组。这里，随机扰动模块402可以是随机扰动器(Radom Disturbance Module)。这里，对于随机扰动模块402中扰动概率的设定，不作限制。这里，随机扰动模块402支持的扰动方式可以包括但不限于：垂直翻转(Vertical Flip)、旋转(Rotation)、点云缺失(Dropout)(位置大小随机)、噪声(Noise)、水平翻转(Horizontal Flip)以及其他扰动(Do Nothing)。这里，扰动概率可以是指对每个碎片图进行扰动的概率。
第二步，对上述碎片扰动图组中的每个碎片扰动图进行特征提取处理以生成碎片特征图，得到碎片特征图组。实践中，上述执行主体可以通过卷积编码器4031对上述碎片扰动图组中的每个碎片扰动图进行特征提取处理以生成碎片特征图，得到碎片特征图组。这里，卷积编码器4031可以是指卷积神经网络编码器。例如，卷积编码器4051可以是2D卷积神经网络编码器(2D CNN Encoder)。
第三步，对上述碎片特征图组中的每个碎片特征图进行池化处理以生成碎片池化特征图，得到碎片池化特征图组。
实践中，对上述碎片特征图组中的每个碎片特征图进行池化处理以生成碎片池化特征图，包括以下子步骤：
第一子步骤，对上述碎片特征图进行池化处理以生成碎片池化子特征图组。实践中，上述执行主体可以将上述碎片特征图输入至池化网络4032中，得到碎片池化子特征图组。这里，池化网络4032可以是指SPP(Spatial Pyramid Pooling，空间金字塔池化)。这里，池化网络4032可以包括至少六个不同尺寸的池化核。这里，池化核的尺寸可以是[1X1，2X2，4X4，8X8，16x16，32x32]。实践中，碎片特征图输入至池化网络4032的每个池化核中，以生成碎片池化子特征图，得到碎片池化子特征图组。
第二子步骤，将上述碎片池化子特征图组所包括的碎片池化子特征图进行拼接处理，以生成碎片池化特征图。
第四步，对上述碎片池化特征图组所包括的碎片池化特征图进行特征聚合处理，得到聚合特征图。这里，特征聚合处理可以是指拼接处理。
第五步，对上述聚合特征图进行解码处理，以生成解码图作为图像识别结果。实践中，上述执行主体可以将聚合特征图输入至解码器404中，以生成解码图405作为图像识别结果。这里，解码器404可以是指卷积神经网络解码器。例如，解码器404可以是2D卷积神经网络解码器(2D CNN Decoder)。
本公开的上述各个实施例具有如下有益效果：通过本公开的一些实施例的图像识别方法，解决了将点云投影至RGB图像上的图像存在图像重叠的问题，提高了识别物体的准确度。具体来说，造成识别物体的准确度不高的原因在于：将点云投影至RGB图像上的图像是一个锥形图像，容易造成投影后的图像重叠。
基于此，本公开的一些实施例的图像识别方法，首先，从激光雷达中读取点云图像作为目标点云图像。由此，为后续识别出点云图像中的物体，提供了数据基础。其次，根据上述激光雷达的雷达坐标系，构建体素网格。由此，依靠激光雷达的雷达坐标系构建体素网格，便于保留后续投影至体素网格中的点云图像所表征的物体的实际尺寸。从而，便于提高识别图像中的物体的准确度。接着，将上述目标点云图像投影至上述体素网格中，以生成目标鸟瞰图。由此，使得目标点云图像中所表征的物体在鸟瞰图中的尺寸得以保留，解决了图像重叠的问题。然后，对上述目标鸟瞰图进行碎片化处理，得到碎片图组。由此，便于提高对图像纹理的识别。最后，根据预设扰动概率，将上述碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果。由此，可以准确识别出鸟瞰图中的物体。从而，解决了将点云投影至RGB图像上的图像存在图像重叠的问题，提高了识别物体的准确度。进而，便于自动驾驶车辆在行驶过程中，根据图像识别结果，进行车辆控制。
进一步参考图5，示出了根据本公开的图像识别方法中训练点云图像识别模型的一些实施例的流程图。该点云图像识别模型训练方法，包括以下步骤：
步骤501，将点云图像投影至体素网格中，以生成鸟瞰图作为样本图。
在一些实施例中，图像识别方法的执行主体(例如图1所示的计算设备101)可以将点云图像投影至体素网格中，以生成鸟瞰图作为样本图。这里，点云图像可以是从终端设备中获取的点云图像。
步骤502，将上述样本图输入至待训练网络模型中，得到样本重建图。
在一些实施例中，上述执行主体可以将上述样本图输入至待训练网络模型中，得到样本重建图。这里，待训练网络模型可以是指未训练的自监督图神经网络(GRAPH-BERT)。
步骤503，基于预设的损失函数，确定上述样本图所包括的像素点的像素值和对应上述样本重建图所包括的像素点的像素值的误差值。
在一些实施例中，上述执行主体可以通过以下损失函数公式，确定上述样本图所包括的像素点的像素值和对应上述样本重建图所包括的像素点的像素值的误差值：
其中，MSE表示上述样本图所包括的像素点的像素值和对应上述样本重建图所包括的像素点的像素值之间的误差值。n表示上述样本重建图所包括的像素点的数量。i表示上述样本重建图所包括的像素点的序号。Ri表示上述样本重建图中第i个像素点的像素值。Qi表示上述样本重建图中第i个像素点对应的样本图所包括的像素点的像素值。
步骤504，响应于上述误差值大于等于预设阈值，调整待训练网络模型中的网络参数。
在一些实施例中，上述执行主体可以响应于上述误差值大于等于预设阈值，调整待训练网络模型中的网络参数。这里，对于预设阈值的设定，不作限制。例如，可以对误差值和预设阈值求差值，得到损失差值。在此基础上，利用反向传播、随机梯度下降等方法将误差值从模型的最后一层向前传递，以调整每一层的参数。当然根据需要，也可以采用网络冻结(dropout)的方法，对其中的一些层的网络参数保持不变，不进行调整，对此，不做任何限定。
在一些实施例的一些可选的实现方式中，响应于上述误差值大于等于预设阈值，上述执行主体可以通过以下步骤调整待训练网络模型中的网络参数：
第一步，响应于上述误差值大于等于上述预设阈值，记录上述待训练网络模型的训练次数。
第二步，响应于上述训练次数满足预设调整条件，调整上述待训练网络模型中的随机扰动模块的扰动概率。这里，预设调整条件可以是“训练次数大于等于预设次数”。这里，调整上述待训练网络模型中的随机扰动模块的扰动概率可以是增大扰动概率。对于扰动概率的增大幅度，不作限制。例如，扰动概率的增大幅度可以为0.01。
步骤505，响应于上述误差值小于上述预设阈值，将上述待训练网络模型确定为点云图像识别模型。
在一些实施例中，上述执行主体可以响应于上述误差值小于上述预设阈值，将上述待训练网络模型确定为点云图像识别模型。
从图5可以看出，与图3对应的一些实施例的描述相比，图5对应的一些实施例中的流程500通过对点云图像识别模型的训练和调整，使得点云图像识别模型可以准确识别鸟瞰图中物体的纹理，提高了点云图像识别模型识别鸟瞰图的准确度。
进一步参考图6，作为对上述各图所示方法的实现，本公开提供了一种图像识别装置的一些实施例，这些装置实施例与图3所示的那些方法实施例相对应，该装置具体可以应用于各种电子设备中。
如图6所示，一些实施例的图像识别装置600包括：读取单元601、构建单元602、投影单元603、碎片化单元604和图像识别单元605。其中，读取单元601被配置成从激光雷达中读取点云图像作为目标点云图像；构建单元602被配置成根据上述激光雷达的雷达坐标系，构建体素网格；投影单元603被配置成将上述目标点云图像投影至上述体素网格中，以生成目标鸟瞰图；碎片化单元604被配置成对上述目标鸟瞰图进行碎片化处理，得到碎片图组；图像识别单元605被配置成根据预设扰动概率，将上述碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果。
可选地，图像识别单元605被进一步配置成：根据上述预设扰动概率，对上述碎片图组中的每个碎片图进行扰动处理以生成碎片扰动图，得到碎片扰动图组；对上述碎片扰动图组中的每个碎片扰动图进行特征提取处理以生成碎片特征图，得到碎片特征图组；对上述碎片特征图组中的每个碎片特征图进行池化处理以生成碎片池化特征图，得到碎片池化特征图组；对上述碎片池化特征图组所包括的碎片池化特征图进行特征聚合处理，得到聚合特征图。
可选地，图像识别单元605被进一步配置成：对上述聚合特征图进行解码处理，以生成解码图作为图像识别结果。
可选地，图像识别单元605被进一步配置成：对上述碎片特征图进行池化处理以生成碎片池化子特征图组；将上述碎片池化子特征图组所包括的碎片池化子特征图进行拼接处理，以生成碎片池化特征图。
可选地，装置600还包括：点云图像识别模型训练单元；上述点云图像识别模型训练单元包括：投影子单元、输入子单元、第一确定子单元、调整子单元。其中，投影子单元被配置成将点云图像投影至上述体素网格中，以生成鸟瞰图作为样本图；输入子单元被配置成将上述样本图输入至待训练网络模型中，得到样本重建图；第一确定子单元被配置成基于预设的损失函数，确定上述样本图所包括的像素点的像素值和对应上述样本重建图所包括的像素点的像素值的误差值；调整子单元被配置成响应于上述误差值大于等于预设阈值，调整待训练网络模型中的网络参数。
可选地，上述点云图像识别模型训练单元还包括：第二确定子单元，被配置成响应于上述误差值小于上述预设阈值，将上述待训练网络模型确定为点云图像识别模型。
可选地，第一确定子单元被进一步配置成：响应于上述误差值大于等于上述预设阈值，记录上述待训练网络模型的训练次数；响应于上述训练次数满足预设调整条件，调整上述待训练网络模型中的随机扰动模块的扰动概率。
可以理解的是，该装置600中记载的诸单元与参考图3描述的方法中的各个步骤相对应。由此，上文针对方法描述的操作、特征以及产生的有益效果同样适用于装置600及其中包含的单元，在此不再赘述。
下面参考图7，其示出了适于用来实现本公开的一些实施例的电子设备(例如图1中的计算设备101)700的结构示意图。本公开的一些实施例中的电子设备可以包括但不限于诸如移动电话、笔记本电脑、数字广播接收器、PDA(个人数字助理)、PAD(平板电脑)、PMP(便携式多媒体播放器)、车载终端(例如车载导航终端)等等的移动终端以及诸如数字TV、台式计算机等等的固定终端。图7示出的电子设备仅仅是一个示例，不应对本公开的实施例的功能和使用范围带来任何限制。
如图7所示，电子设备700可以包括处理装置(例如中央处理器、图形处理器等)701，其可以根据存储在只读存储器(ROM)702中的程序或者从存储装置708加载到随机访问存储器(RAM)703中的程序而执行各种适当的动作和处理。在RAM 703中，还存储有电子设备700操作所需的各种程序和数据。处理装置701、ROM702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
通常，以下装置可以连接至I/O接口705：包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置706；包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置707；包括例如磁带、硬盘等的存储装置708；以及通信装置709。通信装置709可以允许电子设备700与其他设备进行无线或有线通信以交换数据。虽然图7示出了具有各种装置的电子设备700，但是应理解的是，并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图7中示出的每个方框可以代表一个装置，也可以根据需要代表多个装置。
特别地，根据本公开的一些实施例，上文参考流程图描述的过程可以被实现为计算机软件程序。例如，本公开的一些实施例包括一种计算机程序产品，其包括承载在计算机可读介质上的计算机程序，该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中，该计算机程序可以通过通信装置709从网络上被下载和安装，或者从存储装置708被安装，或者从ROM702被安装。在该计算机程序被处理装置701执行时，执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是，本公开的一些实施例中记载的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的系统、装置或器件，或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于：具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中，计算机可读存储介质可以是任何包含或存储程序的有形介质，该程序可以被指令执行系统、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中，计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号，其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式，包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质，该计算机可读信号介质可以发送、传播或者传输用于由指令执行系统、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输，包括但不限于：电线、光缆、RF(射频)等等，或者上述的任意合适的组合。
在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol，超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信，并且可以与任意形式或介质的数字数据通信(例如，通信网络)互连。通信网络的示例包括局域网(“LAN”)，广域网(“WAN”)，网际网(例如，互联网)以及端对端网络(例如，ad hoc端对端网络)，以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的；也可以是单独存在，而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序，当上述一个或者多个程序被该电子设备执行时，使得该电子设备：从激光雷达中读取点云图像作为目标点云图像；根据上述激光雷达的雷达坐标系，构建体素网格；将上述目标点云图像投影至上述体素网格中，以生成目标鸟瞰图；对上述目标鸟瞰图进行碎片化处理，得到碎片图组；根据预设扰动概率，将上述碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码，上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++，还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图，图示了按照本公开各种实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分，该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意，在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个接连地表示的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或操作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现，也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中，例如，可以描述为：一种处理器包括读取单元、构建单元、投影单元、碎片化单元和图像识别单元。其中，这些单元的名称在某种情况下并不构成对该单元本身的限定，例如，投影单元还可以被描述为“将上述目标点云图像映射至上述体素网格中，以生成目标鸟瞰图的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如，非限制性地，可以使用的示范类型的硬件逻辑部件包括：现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上系统(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解，本公开的实施例中所涉及的发明范围，并不限于上述技术特征的特定组合而成的技术方案，同时也应涵盖在不脱离上述发明构思的情况下，由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (10)
1.一种图像识别方法，包括：
从激光雷达中读取点云图像作为目标点云图像；
根据所述激光雷达的雷达坐标系，构建体素网格；
将所述目标点云图像投影至所述体素网格中，以生成目标鸟瞰图；
对所述目标鸟瞰图进行碎片化处理，得到碎片图组；
根据预设扰动概率，将所述碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果。
2.根据权利要求1所述的方法，其中，所述根据预设扰动概率，将所述碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果，包括：
根据所述预设扰动概率，对所述碎片图组中的每个碎片图进行扰动处理以生成碎片扰动图，得到碎片扰动图组；
对所述碎片扰动图组中的每个碎片扰动图进行特征提取处理以生成碎片特征图，得到碎片特征图组；
对所述碎片特征图组中的每个碎片特征图进行池化处理以生成碎片池化特征图，得到碎片池化特征图组；
对所述碎片池化特征图组所包括的碎片池化特征图进行特征聚合处理，得到聚合特征图。
3.根据权利要求2所述的方法，其中，所述将所述碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果，还包括：
对所述聚合特征图进行解码处理，以生成解码图作为图像识别结果。
4.根据权利要求2所述的方法，其中，所述对所述碎片特征图组中的每个碎片特征图进行池化处理以生成碎片池化特征图，包括：
对所述碎片特征图进行池化处理以生成碎片池化子特征图组；
将所述碎片池化子特征图组所包括的碎片池化子特征图进行拼接处理，以生成碎片池化特征图。
5.根据权利要求1所述的方法，其中，所述点云图像识别模型是通过以下步骤训练得到的：
将点云图像投影至所述体素网格中，以生成鸟瞰图作为样本图；
将所述样本图输入至待训练网络模型中，得到样本重建图；
基于预设的损失函数，确定所述样本图所包括的像素点的像素值和对应所述样本重建图所包括的像素点的像素值的误差值；
响应于所述误差值大于等于预设阈值，调整待训练网络模型中的网络参数。
6.根据权利要求5所述的方法，其中，所述步骤还包括：
响应于所述误差值小于所述预设阈值，将所述待训练网络模型确定为点云图像识别模型。
7.根据权利要求5所述的方法，其中，所述响应于所述误差值大于等于预设阈值，调整待训练网络模型中的网络参数，包括：
响应于所述误差值大于等于所述预设阈值，记录所述待训练网络模型的训练次数；
响应于所述训练次数满足预设调整条件，调整所述待训练网络模型中的随机扰动模块的扰动概率。
8.一种图像识别装置，包括：
读取单元，被配置成从激光雷达中读取点云图像作为目标点云图像；
构建单元，被配置成根据所述激光雷达的雷达坐标系，构建体素网格；
投影单元，被配置成将所述目标点云图像投影至所述体素网格中，以生成目标鸟瞰图；
碎片化单元，被配置成对所述目标鸟瞰图进行碎片化处理，得到碎片图组；
图像识别单元，被配置成根据预设扰动概率，将所述碎片图组输入至预先训练的点云图像识别模型中，得到图像识别结果。
9.一种电子设备，包括：
一个或多个处理器；
存储装置，其上存储有一个或多个程序；
当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现如权利要求1-7中任一所述的方法。
10.一种计算机可读介质，其上存储有计算机程序，其中，所述程序被处理器执行时实现如权利要求1-7中任一所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110974348.0A CN113673446A (zh) | 2021-08-24 | 2021-08-24 | 图像识别方法、装置、电子设备和计算机可读介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110974348.0A CN113673446A (zh) | 2021-08-24 | 2021-08-24 | 图像识别方法、装置、电子设备和计算机可读介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN113673446A true CN113673446A (zh) | 2021-11-19 |
Family
ID=78545565
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110974348.0A Pending CN113673446A (zh) | 2021-08-24 | 2021-08-24 | 图像识别方法、装置、电子设备和计算机可读介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113673446A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115546767A (zh) * | 2022-11-30 | 2022-12-30 | 广汽埃安新能源汽车股份有限公司 | 数据发送方法、装置、设备和计算机可读介质 |
| CN116310566A (zh) * | 2023-03-23 | 2023-06-23 | 华谱科仪(北京)科技有限公司 | 色谱数据图处理方法、计算机设备和计算机可读存储介质 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001197453A (ja) * | 2000-01-05 | 2001-07-19 | Canon Inc | 画像処理方法及びその装置と記憶媒体 |
| CN109583369A (zh) * | 2018-11-29 | 2019-04-05 | 北京邮电大学 | 一种基于目标区域分割网络的目标识别方法及装置 |
| CN111429514A (zh) * | 2020-03-11 | 2020-07-17 | 浙江大学 | 一种融合多帧时序点云的激光雷达3d实时目标检测方法 |
| CN111476822A (zh) * | 2020-04-08 | 2020-07-31 | 浙江大学 | 一种基于场景流的激光雷达目标检测与运动跟踪方法 |
| CN111598779A (zh) * | 2020-05-14 | 2020-08-28 | Oppo广东移动通信有限公司 | 图像超分辨率处理方法和装置、电子设备及存储介质 |
| CN111639607A (zh) * | 2020-06-01 | 2020-09-08 | 广州虎牙科技有限公司 | 模型训练、图像识别方法和装置、电子设备及存储介质 |
| CN112651916A (zh) * | 2020-12-25 | 2021-04-13 | 上海交通大学 | 自监督模型预训练方法、系统及介质 |
-
2021
- 2021-08-24 CN CN202110974348.0A patent/CN113673446A/zh active Pending
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2001197453A (ja) * | 2000-01-05 | 2001-07-19 | Canon Inc | 画像処理方法及びその装置と記憶媒体 |
| CN109583369A (zh) * | 2018-11-29 | 2019-04-05 | 北京邮电大学 | 一种基于目标区域分割网络的目标识别方法及装置 |
| CN111429514A (zh) * | 2020-03-11 | 2020-07-17 | 浙江大学 | 一种融合多帧时序点云的激光雷达3d实时目标检测方法 |
| CN111476822A (zh) * | 2020-04-08 | 2020-07-31 | 浙江大学 | 一种基于场景流的激光雷达目标检测与运动跟踪方法 |
| CN111598779A (zh) * | 2020-05-14 | 2020-08-28 | Oppo广东移动通信有限公司 | 图像超分辨率处理方法和装置、电子设备及存储介质 |
| CN111639607A (zh) * | 2020-06-01 | 2020-09-08 | 广州虎牙科技有限公司 | 模型训练、图像识别方法和装置、电子设备及存储介质 |
| CN112651916A (zh) * | 2020-12-25 | 2021-04-13 | 上海交通大学 | 自监督模型预训练方法、系统及介质 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115546767A (zh) * | 2022-11-30 | 2022-12-30 | 广汽埃安新能源汽车股份有限公司 | 数据发送方法、装置、设备和计算机可读介质 |
| CN115546767B (zh) * | 2022-11-30 | 2023-04-07 | 广汽埃安新能源汽车股份有限公司 | 数据发送方法、装置、设备和计算机可读介质 |
| CN116310566A (zh) * | 2023-03-23 | 2023-06-23 | 华谱科仪(北京)科技有限公司 | 色谱数据图处理方法、计算机设备和计算机可读存储介质 |
| CN116310566B (zh) * | 2023-03-23 | 2023-09-15 | 华谱科仪(北京)科技有限公司 | 色谱数据图处理方法、计算机设备和计算机可读存储介质 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109829432B (zh) | 用于生成信息的方法和装置 | |
| CN112733820B (zh) | 障碍物信息生成方法、装置、电子设备和计算机可读介质 | |
| CN108491816A (zh) | 在视频中进行目标跟踪的方法和装置 | |
| CN115690382B (zh) | 深度学习模型的训练方法、生成全景图的方法和装置 | |
| CN113255619B (zh) | 车道线识别及定位方法、电子设备和计算机可读介质 | |
| CN113673446A (zh) | 图像识别方法、装置、电子设备和计算机可读介质 | |
| CN110211017B (zh) | 图像处理方法、装置及电子设备 | |
| CN116164770B (zh) | 路径规划方法、装置、电子设备和计算机可读介质 | |
| CN111402122A (zh) | 图像的贴图处理方法、装置、可读介质和电子设备 | |
| CN115326099A (zh) | 局部路径规划方法、装置、电子设备和计算机可读介质 | |
| WO2023193639A1 (zh) | 图像渲染方法、装置、可读介质及电子设备 | |
| CN113190613A (zh) | 车辆路线信息显示方法、装置、电子设备和可读介质 | |
| CN114419322B (zh) | 一种图像实例分割方法、装置、电子设备及存储介质 | |
| CN113269168B (zh) | 障碍物数据处理方法、装置、电子设备和计算机可读介质 | |
| WO2024060708A1 (zh) | 目标检测方法和装置 | |
| EP4343717A1 (en) | Image layering method and apparatus, electronic device, and storage medium | |
| CN109816791B (zh) | 用于生成信息的方法和装置 | |
| CN115100536B (zh) | 建筑物识别方法、装置、电子设备和计算机可读介质 | |
| CN116188251A (zh) | 模型构建方法、虚拟形象生成方法、装置、设备、介质 | |
| CN115880526A (zh) | 图像处理方法、装置、电子设备及存储介质 | |
| CN115408609A (zh) | 泊车路线推荐方法、装置、电子设备和计算机可读介质 | |
| CN114419298A (zh) | 虚拟物体的生成方法、装置、设备及存储介质 | |
| CN112070903A (zh) | 虚拟对象的展示方法、装置、电子设备及计算机存储介质 | |
| CN115661238B (zh) | 可行驶区域生成方法、装置、电子设备和计算机可读介质 | |
| CN116630436B (zh) | 相机外参修正方法、装置、电子设备和计算机可读介质 |
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 |