CN114332802A - 基于双目相机的路面平坦度语义分割方法和系统 - Google Patents
基于双目相机的路面平坦度语义分割方法和系统 Download PDFInfo
- Publication number
- CN114332802A CN114332802A CN202210249881.5A CN202210249881A CN114332802A CN 114332802 A CN114332802 A CN 114332802A CN 202210249881 A CN202210249881 A CN 202210249881A CN 114332802 A CN114332802 A CN 114332802A
- Authority
- CN
- China
- Prior art keywords
- image
- semantic segmentation
- original
- feature
- feature map
- 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
Images
Landscapes
- Image Analysis (AREA)
Abstract
本发明公开了一种基于双目相机的路面平坦度语义分割方法和系统,所述方法包括:获取目标检测区域内的原始图像,并将所述原始图像划分为多个不同尺寸的输入图像;基于所述输入图像,在第一语义分割网络中进行特征图提取和融合,以得到粗分割结果;基于所述原始图像对应的特征图和所述粗分割结果,在第二语义分割网络中进行特征点关联,以得到最终分割结果。其解决了现有平坦度检测缺少与双目相机融合、且平坦度检测效果较差的技术问题。
Description
技术领域
本申请实施例涉及自动驾驶技术领域,具体涉及一种基于双目相机的路面平坦度语义分割方法和系统。
背景技术
随着人们对更加安全和便捷出行的需求的日益增长,智能驾驶技术正处于蓬勃发展时期,感知和理解环境的能力是汽车智能系统的基础和前提。智能车辆通过双目相机采集视图,并在感知周围环境后做出分析,通过将信息提供给控制系统,实现对路面平坦度区域的检测。
但对于路面的各种行驶环境,如路面破损、积水、井盖、减速带等,能否准确的感知到这些环境关系到行车的安全,舒适以及路面所受冲击力的大小和使用寿命,不平整的路表面会增大行车阻力,并使车辆产生附加的振动作用。这种振动作用会造成行车颠簸,影响行车的速度和安全,驾驶的平稳度和乘客的舒适程度。
传统的路面平坦度检测依赖于包括距离传感器、角度传感器等剖面仪来获得信息,进而计算出路面平坦度信息,但现有方法需要使用大量的传感器获取输入信息,缺少对双目相机的有效利用,且平坦度检测效果较差。
发明内容
为此,本申请实施例提供一种基于双目相机的路面平坦度语义分割方法和系统,以至少部分解决现有平坦度检测缺少与双目相机融合、且平坦度检测效果较差的技术问题。
为了实现上述目的,本申请实施例提供如下技术方案:
根据本申请实施例的第一方面,提供了一种基于双目相机的路面平坦度语义分割方法,其特征在于,所述方法包括:
获取目标检测区域内的原始图像,并将所述原始图像划分为多个不同尺寸的输入图像;
基于所述输入图像,在第一语义分割网络中进行特征图提取和融合,以得到粗分割结果;
基于所述原始图像对应的特征图和所述粗分割结果,在第二语义分割网络中进行特征点关联,以得到最终分割结果。
进一步地,所述获取目标检测区域内的原始图像,具体包括:
采用双目相机获取所述目标检测区域内的视差图;
将所述视差图转换为灰度图,并以所述灰度图作为所述原始图像。
进一步地,所述将所述原始图像划分为多个不同尺寸的输入图像,具体包括:
将所述原始图像划分为原尺寸图像、四分之一大小图像和十六分之一大小图像,并将原尺寸图像、四分之一大小图像和十六分之一大小图像作为输入图像。
进一步地,基于所述输入图像,在第一语义分割网络中进行特征图提取和融合,以得到粗分割结果,具体包括:
将所述十六分之一大小图像与所述四分之一大小图像进行特征融合,以得到第一特征图;
将所述四分之一大小图像与所述原尺寸图像进行特征融合,以得到第二特征图;
将所述十六分之一大小图像与所述原尺寸图像进行特征融合,以得到第三特征图;
将所述第一特征图、所述第二特征图和所述第三特征图作为所述粗分割结果。
进一步地,将所述十六分之一大小图像与所述四分之一大小图像进行特征融合,以得到第一特征图,具体包括:
将十六分之一大小图像t1上采样到四分之一大小图像,以得到融合后的特征图t11;
将四分之一大小图像t2与融合后的特征图t11中每个特征点进行加权相加,得到t21;
其中,对于t2上的每一个点,t21[i] = t2[i]*a+t11[i]*(1-a),a的值由监督信号学习得到。
进一步地,基于所述原始图像对应的特征图和所述粗分割结果,在第二语义分割网络中进行特征点关联,以得到最终分割结果,具体包括:
将粗分割结果与所述原尺寸图像的特征图做矩阵乘法,将相同类别特征点之间进行强关联,以得到强关联结果;
将强关联结果与所述原尺寸图像的特征图进行矩阵乘法,得到最终分割结果。
进一步地,所述第一语义分割网络为Encoder网络,所述第二语义分割网络为Decoder网络。
根据本申请实施例的第二方面,提供了一种基于双目相机的路面平坦度语义分割系统,其特征在于,所述系统包括:
图像获取单元,用于获取目标检测区域内的原始图像,并将所述原始图像划分为多个不同尺寸的输入图像;
图像粗分割单元,用于基于所述输入图像,在第一语义分割网络中进行特征图提取和融合,以得到粗分割结果;
图像精分割单元,用于基于所述原始图像对应的特征图和所述粗分割结果,在第二语义分割网络中进行特征点关联,以得到最终分割结果。
根据本申请实施例的第三方面,提供了一种设备,所述设备包括:数据采集装置、处理器和存储器;所述数据采集装置用于采集数据;所述存储器用于存储一个或多个程序指令;所述处理器,用于执行一个或多个程序指令,用以执行第一方面任一项所述的方法。
根据本申请实施例的第四方面,提供了一种计算机可读存储介质,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于执行如第一方面任一项所述的方法。
本申请实施例提供了一种基于双目相机的路面平坦度语义分割方法和系统,其通过获取目标检测区域内的原始图像,并将所述原始图像划分为多个不同尺寸的输入图像,基于所述输入图像,在第一语义分割网络中进行特征图提取和融合,以得到粗分割结果,基于所述原始图像对应的特征图和所述粗分割结果,在第二语义分割网络中进行特征点关联,以得到最终分割结果。这样,以双目相机为基础,并通过双重语义分割得到的分割结果,精准度较高,为平坦度检测提供了准确的数据基础,解决了现有平坦度检测缺少与双目相机融合、且平坦度检测效果较差的技术问题。
附图说明
为了更清楚地说明本发明的实施方式或现有技术中的技术方案,下面将对实施方式或现有技术描述中所需要使用的附图作简单地介绍。显而易见地,下面描述中的附图仅仅是示例性的,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,还可以根据提供的附图引伸获得其它的实施附图。
本说明书所绘示的结构、比例、大小等,均仅用以配合说明书所揭示的内容,以供熟悉此技术的人士了解与阅读,并非用以限定本发明可实施的限定条件,故不具技术上的实质意义,任何结构的修饰、比例关系的改变或大小的调整,在不影响本发明所能产生的功效及所能达成的目的下,均应仍落在本发明所揭示的技术内容能涵盖的范围内。
图1为本发明所提供的路面平坦度语义分割方法一种具体实施方式的流程图;
图2为本发明所提供的路面平坦度语义分割系统一种具体实施方式的结构框图。
具体实施方式
以下由特定的具体实施例说明本发明的实施方式,熟悉此技术的人士可由本说明书所揭露的内容轻易地了解本发明的其他优点及功效,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做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。
请参考图1,图1为本发明所提供的路面平坦度语义分割方法一种具体实施方式的流程图。
在一种具体实施方式中,本发明所提供的路面平坦度语义分割方法包括以下步骤:
S1:获取目标检测区域内的原始图像,并将所述原始图像划分为多个不同尺寸的输入图像。
上述目标检测区域为需要检测平坦度的区域,在目标检测区域内可能存在一些需要识别出来的障碍物,例如马路上的路面标识、破损、减速带、井盖、非标障碍物等。在结合双目相机时,左目相机和右目相机获取的图像均可作为原始图像。同时,可将色彩图、灰度图等作为原始图像,为了后续数据处理方便,优选将双目采集到的视差图作为原始图像。
也就是说,所述获取目标检测区域内的原始图像,具体包括:
S11:采用双目相机获取所述目标检测区域内的视差图,视差图是通过双目图像生成的,具体算法与现有技术相同,不做赘述。
S12:将所述视差图转换为灰度图,并以所述灰度图作为所述原始图像。
在路面分割任务中,由于只关心路面上的信息,而路面上的信息大多是黑白两色,因此,可以将灰度图作为输入的原始图像,这样,在处理过程中,分割网络会更加关注目标的结构形状和位置信息,而非色彩信息,以减少网络计算量,提高算法效率。
具体地,在步骤S1中,所述将所述原始图像划分为多个不同尺寸的输入图像,具体包括:
将所述原始图像划分为原尺寸图像、四分之一大小图像和十六分之一大小图像,并将原尺寸图像、四分之一大小图像和十六分之一大小图像作为输入图像。
在路面分割任务中,由于大部分的目标并不具备整体性,例如裂痕、破损是随机组合的,路面标识形状太多而且总是存在部分标识看不清的情况,减速带存在大量损坏而不完整的情况,因此,可将输入图像分成多个分支进行分割,再将各个分支输出的特征图进行像素级融合,从而解决了多个目标相互嵌入的问题,比如阴影覆盖了路面标识的问题、井盖周围的破损问题等。
在进行分支分割时,可以采用上述原尺寸、四分之一、十六分之一图像的划分方式,显然也不局限于该方式,也可以为原尺寸、二分之一、八分之一图像等划分方式。
S2:基于所述输入图像,在第一语义分割网络中进行特征图提取和融合,以得到粗分割结果。
步骤S2具体包括:
S21:将所述十六分之一大小图像与所述四分之一大小图像进行特征融合,以得到第一特征图;
S22:将所述四分之一大小图像与所述原尺寸图像进行特征融合,以得到第二特征图;
S23:将所述十六分之一大小图像与所述原尺寸图像进行特征融合,以得到第三特征图;
S24:将所述第一特征图、所述第二特征图和所述第三特征图作为所述粗分割结果。
在进行特征融合时,特征图每个点之间进行加权求和,权重经过添加监督信息学习得到,其具体包括:
将十六分之一大小图像t1上采样到四分之一大小图像,以得到融合后的特征图t11;
将四分之一大小图像t2与融合后的特征图t11中每个特征点进行加权相加,得到t21;
其中,对于t2上的每一个点,t21[i] = t2[i]*a+t11[i]*(1-a),a的值由监督信号学习得到。
在实际算法中,第二特征图和第三特征图的算法与上述第一特征图的算法相类似,文中不做赘述。
S3:基于所述原始图像对应的特征图和所述粗分割结果,在第二语义分割网络中进行特征点关联,以得到最终分割结果。
具体地,将粗分割结果与所述原尺寸图像的特征图做矩阵乘法,将相同类别特征点之间进行强关联,以得到强关联结果;将强关联结果与所述原尺寸图像的特征图进行矩阵乘法,得到最终分割结果。为了保证原始信息不丢失,将特征图与粗分割结果进行concat,以提高准确性。
从原理上来讲,在地形检测的任务中,利用深度学习模型将马路上的路面标识、破损、减速带、井盖、非标障碍物等识别出来,有利于对路面平坦度的检测。路面上有很多待检出目标都是不规则的,形状无法定义的。所以比起物体检测方案,使用语义分割方法更能描述待检出目标的形状,与任务目标更加契合。
进一步地,所述第一语义分割网络为Encoder网络,所述第二语义分割网络为Decoder网络。因为使用transformer作为decoder时,能将结果进一步提升,而且这种提升目前没有看到上限,于是我们很深的resnet网络作为encoder,让transform的decoder网络进益求精的能力得到最好的发挥。
在上述具体实施方式中,本发明所通过的基于双目相机的路面平坦度语义分割方法和系统,其通过获取目标检测区域内的原始图像,并将所述原始图像划分为多个不同尺寸的输入图像,基于所述输入图像,在第一语义分割网络中进行特征图提取和融合,以得到粗分割结果,基于所述原始图像对应的特征图和所述粗分割结果,在第二语义分割网络中进行特征点关联,以得到最终分割结果。在路面分割任务中,输入的图像,不可避免地包含路面之上的部分,在transformer中,会计算每个点之间的关系,背景点加入计算后会影响到正想要分割的部分。而通过第一阶段的粗分割结果,会分割出非路面部分,并且在第二阶段中做attention操作之前,将非路面点去掉再进行计算。这样,以双目相机为基础,并通过双重语义分割得到的分割结果,精准度较高,为平坦度检测提供了准确的数据基础,解决了现有平坦度检测缺少与双目相机融合、且平坦度检测效果较差的技术问题。
除了上述方法,根据本申请实施例的第二方面,提供了一种基于双目相机的路面平坦度语义分割系统,如图2所示,所述系统包括:
图像获取单元100,用于获取目标检测区域内的原始图像,并将所述原始图像划分为多个不同尺寸的输入图像;
图像粗分割单元200,用于基于所述输入图像,在第一语义分割网络中进行特征图提取和融合,以得到粗分割结果;
图像精分割单元300,用于基于所述原始图像对应的特征图和所述粗分割结果,在第二语义分割网络中进行特征点关联,以得到最终分割结果。
这样,该路面平坦度语义分割系统以双目相机为基础,并通过双重语义分割得到的分割结果,精准度较高,为平坦度检测提供了准确的数据基础,从而解决了现有平坦度检测缺少与双目相机融合、且平坦度检测效果较差的技术问题。
根据本申请实施例的第三方面,提供了一种设备,所述设备包括:数据采集装置、处理器和存储器;所述数据采集装置用于采集数据;所述存储器用于存储一个或多个程序指令;所述处理器,用于执行一个或多个程序指令,用以执行第一方面任一项所述的方法。
根据本申请实施例的第四方面,提供了一种计算机可读存储介质,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于执行如第一方面任一项所述的方法。
基于相同的技术构思,本申请实施例还提供了一种设备,所述设备包括:数据采集装置、处理器和存储器;所述数据采集装置用于采集数据;所述存储器用于存储一个或多个程序指令;所述处理器,用于执行一个或多个程序指令,用以执行所述的方法。
基于相同的技术构思,本申请实施例还提供了一种计算机可读存储介质,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于执行所述的方法。
本说明书中上述方法的各个实施例均采用递进的方式描述,各个实施例之间相同相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。相关之处参见方法实施例的部分说明即可。
需要说明的是,尽管在附图中以特定顺序描述了本发明方法的操作,但这并非要求或者暗示必须按照该特定顺序来执行这些操作,或是必须执行全部所示的操作才能实现期望的结果。附加地或备选地,可以省略某些步骤,将多个步骤合并为一个步骤执行,和/或将一个步骤分解为多个步骤执行。
虽然本申请提供了如实施例或流程图的方法操作步骤,但基于常规或者无创造性的手段可以包括更多或者更少的操作步骤。实施例中列举的步骤顺序仅仅为众多步骤执行顺序中的一种方式,不代表唯一的执行顺序。在实际中的装置或客户端产品执行时,可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者多线程处理的环境,甚至为分布式数据处理环境)。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、产品或者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、产品或者设备所固有的要素。在没有更多限制的情况下,并不排除在包括所述要素的过程、方法、产品或者设备中还存在另外的相同或等同要素。
上述实施例阐明的单元、装置或模块等,具体可以由计算机芯片或实体实现,或者由具有某种功能的产品来实现。为了描述的方便,描述以上装置时以功能分为各种模块分别描述。当然,在实施本申请时可以把各模块的功能在同一个或多个软件和/或硬件中实现,也可以将实现同一功能的模块由多个子模块或子单元的组合实现等。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,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。
本领域技术人员也知道,除了以纯计算机可读程序代码方式实现控制器以外,完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件,而对其内部包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至,可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述,例如程序模块。一般地,程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构、类等等。也可以在分布式计算环境中实践本申请,在这些分布式计算环境中,由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中,程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
通过以上的实施方式的描述可知,本领域的技术人员可以清楚地了解到本申请可借助软件加必需的通用硬件平台的方式来实现。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可以以软件产品的形式体现出来,该计算机软件产品可以存储在存储介质中,如ROM/RAM、磁碟、光盘等,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,移动终端,服务器,或者网络设备等)执行本申请各个实施例或者实施例的某些部分所述的方法。
本说明书中的各个实施例采用递进的方式描述,各个实施例之间相同或相似的部分互相参见即可,每个实施例重点说明的都是与其他实施例的不同之处。本申请可用于众多通用或专用的计算机系统环境或配置中。例如:个人计算机、服务器计算机、手持设备或便携式设备、平板型设备、多处理器系统、基于微处理器的系统、置顶盒、可编程的电子设备、网络PC、小型计算机、大型计算机、包括以上任何系统或设备的分布式计算环境等等。
以上所述的具体实施例,对本申请的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本申请的具体实施例而已,并不用于限定本申请的保护范围,凡在本申请的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本申请的保护范围之内。
Claims (10)
1.一种基于双目相机的路面平坦度语义分割方法,其特征在于,所述方法包括:
获取目标检测区域内的原始图像,并将所述原始图像划分为多个不同尺寸的输入图像;
基于所述输入图像,在第一语义分割网络中进行特征图提取和融合,以得到粗分割结果;
基于所述原始图像对应的特征图和所述粗分割结果,在第二语义分割网络中进行特征点关联,以得到最终分割结果。
2.如权利要求1所述的路面平坦度语义分割方法,其特征在于,所述获取目标检测区域内的原始图像,具体包括:
采用双目相机获取所述目标检测区域内的视差图;
将所述视差图转换为灰度图,并以所述灰度图作为所述原始图像。
3.如权利要求1所述的路面平坦度语义分割方法,其特征在于,所述将所述原始图像划分为多个不同尺寸的输入图像,具体包括:
将所述原始图像划分为原尺寸图像、四分之一大小图像和十六分之一大小图像,并将原尺寸图像、四分之一大小图像和十六分之一大小图像作为输入图像。
4.如权利要求3所述的路面平坦度语义分割方法,其特征在于,基于所述输入图像,在第一语义分割网络中进行特征图提取和融合,以得到粗分割结果,具体包括:
将所述十六分之一大小图像与所述四分之一大小图像进行特征融合,以得到第一特征图;
将所述四分之一大小图像与所述原尺寸图像进行特征融合,以得到第二特征图;
将所述十六分之一大小图像与所述原尺寸图像进行特征融合,以得到第三特征图;
将所述第一特征图、所述第二特征图和所述第三特征图作为所述粗分割结果。
5.如权利要求4所述的路面平坦度语义分割方法,其特征在于,将所述十六分之一大小图像与所述四分之一大小图像进行特征融合,以得到第一特征图,具体包括:
将十六分之一大小图像t1上采样到四分之一大小图像,以得到融合后的特征图t11;
将四分之一大小图像t2与融合后的特征图t11中每个特征点进行加权相加,得到t21;
其中,对于t2上的每一个点,t21[i] = t2[i]*a+t11[i]*(1-a),a的值由监督信号学习得到。
6.如权利要求5所述的路面平坦度语义分割方法,其特征在于,基于所述原始图像对应的特征图和所述粗分割结果,在第二语义分割网络中进行特征点关联,以得到最终分割结果,具体包括:
将粗分割结果与所述原尺寸图像的特征图做矩阵乘法,将相同类别特征点之间进行强关联,以得到强关联结果;
将强关联结果与所述原尺寸图像的特征图进行矩阵乘法,得到最终分割结果。
7.如权利要求1-6任一项所述的路面平坦度语义分割方法,其特征在于,所述第一语义分割网络为Encoder网络,所述第二语义分割网络为Decoder网络。
8.一种基于双目相机的路面平坦度语义分割系统,其特征在于,所述系统包括:
图像获取单元,用于获取目标检测区域内的原始图像,并将所述原始图像划分为多个不同尺寸的输入图像;
图像粗分割单元,用于基于所述输入图像,在第一语义分割网络中进行特征图提取和融合,以得到粗分割结果;
图像精分割单元,用于基于所述原始图像对应的特征图和所述粗分割结果,在第二语义分割网络中进行特征点关联,以得到最终分割结果。
9.一种设备,其特征在于,所述设备包括:数据采集装置、处理器和存储器;
所述数据采集装置用于采集数据;所述存储器用于存储一个或多个程序指令;所述处理器,用于执行一个或多个程序指令,用以执行如权利要求1-7任一项所述的方法。
10.一种计算机可读存储介质,其特征在于,所述计算机存储介质中包含一个或多个程序指令,所述一个或多个程序指令用于执行如权利要求1-7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210249881.5A CN114332802A (zh) | 2022-03-15 | 2022-03-15 | 基于双目相机的路面平坦度语义分割方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210249881.5A CN114332802A (zh) | 2022-03-15 | 2022-03-15 | 基于双目相机的路面平坦度语义分割方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114332802A true CN114332802A (zh) | 2022-04-12 |
Family
ID=81033006
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210249881.5A Pending CN114332802A (zh) | 2022-03-15 | 2022-03-15 | 基于双目相机的路面平坦度语义分割方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114332802A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972361A (zh) * | 2022-04-25 | 2022-08-30 | 北京医准智能科技有限公司 | 一种血流分割方法、装置、设备及存储介质 |
CN115205809A (zh) * | 2022-09-15 | 2022-10-18 | 北京中科慧眼科技有限公司 | 路面凹凸度检测方法和系统 |
CN117350985A (zh) * | 2023-10-24 | 2024-01-05 | 云途信息科技(杭州)有限公司 | 井盖病害检测方法、装置、计算机设备及存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110348445A (zh) * | 2019-06-06 | 2019-10-18 | 华中科技大学 | 一种融合空洞卷积和边缘信息的实例分割方法 |
CN110782466A (zh) * | 2018-07-31 | 2020-02-11 | 阿里巴巴集团控股有限公司 | 图片分割方法、装置和系统 |
CN110880183A (zh) * | 2018-09-06 | 2020-03-13 | 银河水滴科技(北京)有限公司 | 一种图像分割方法、设备和计算机可存储介质 |
CN113240632A (zh) * | 2021-04-22 | 2021-08-10 | 北京中科慧眼科技有限公司 | 基于语义分割网络的路面检测方法、系统和智能终端 |
CN113658240A (zh) * | 2021-07-15 | 2021-11-16 | 北京中科慧眼科技有限公司 | 一种主要障碍物检测方法、装置与自动驾驶系统 |
-
2022
- 2022-03-15 CN CN202210249881.5A patent/CN114332802A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110782466A (zh) * | 2018-07-31 | 2020-02-11 | 阿里巴巴集团控股有限公司 | 图片分割方法、装置和系统 |
CN110880183A (zh) * | 2018-09-06 | 2020-03-13 | 银河水滴科技(北京)有限公司 | 一种图像分割方法、设备和计算机可存储介质 |
CN110348445A (zh) * | 2019-06-06 | 2019-10-18 | 华中科技大学 | 一种融合空洞卷积和边缘信息的实例分割方法 |
CN113240632A (zh) * | 2021-04-22 | 2021-08-10 | 北京中科慧眼科技有限公司 | 基于语义分割网络的路面检测方法、系统和智能终端 |
CN113658240A (zh) * | 2021-07-15 | 2021-11-16 | 北京中科慧眼科技有限公司 | 一种主要障碍物检测方法、装置与自动驾驶系统 |
Non-Patent Citations (2)
Title |
---|
李小林等: "基于视差与灰度双层支持窗的立体匹配算法", 《电子科技》 * |
王艳然: "基于立体视觉的未知障碍物检测", 《中国优秀博硕士学位论文全文数据库(硕士)工程科技Ⅱ辑》 * |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114972361A (zh) * | 2022-04-25 | 2022-08-30 | 北京医准智能科技有限公司 | 一种血流分割方法、装置、设备及存储介质 |
CN114972361B (zh) * | 2022-04-25 | 2022-12-16 | 北京医准智能科技有限公司 | 一种血流分割方法、装置、设备及存储介质 |
CN115205809A (zh) * | 2022-09-15 | 2022-10-18 | 北京中科慧眼科技有限公司 | 路面凹凸度检测方法和系统 |
CN117350985A (zh) * | 2023-10-24 | 2024-01-05 | 云途信息科技(杭州)有限公司 | 井盖病害检测方法、装置、计算机设备及存储介质 |
CN117350985B (zh) * | 2023-10-24 | 2024-04-19 | 云途信息科技(杭州)有限公司 | 井盖病害检测方法、装置、计算机设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114332802A (zh) | 基于双目相机的路面平坦度语义分割方法和系统 | |
US10217007B2 (en) | Detecting method and device of obstacles based on disparity map and automobile driving assistance system | |
Zielke et al. | Intensity and edge-based symmetry detection with an application to car-following | |
Jog et al. | Pothole properties measurement through visual 2D recognition and 3D reconstruction | |
Heidecker et al. | An application-driven conceptualization of corner cases for perception in highly automated driving | |
Pang et al. | A method for vehicle count in the presence of multiple-vehicle occlusions in traffic images | |
Labayrade et al. | In-vehicle obstacles detection and characterization by stereovision | |
JP5223675B2 (ja) | 車両検知装置,車両検知方法並びに車両検知プログラム | |
CN111179300A (zh) | 障碍物检测的方法、装置、系统、设备以及存储介质 | |
EP3137355A1 (fr) | Dispositif de signalisation d'objets a un module de navigation de vehicule equipe de ce dispositif | |
CN106951898B (zh) | 一种车辆候选区域推荐方法及系统、电子设备 | |
CN114792416A (zh) | 一种目标检测方法及装置 | |
Rasib et al. | Pixel level segmentation based drivable road region detection and steering angle estimation method for autonomous driving on unstructured roads | |
CN112130153A (zh) | 基于毫米波雷达和摄像头实现无人驾驶汽车边缘检测方法 | |
CN110909656B (zh) | 一种雷达与摄像机融合的行人检测方法和系统 | |
CN111160132A (zh) | 障碍物所在车道的确定方法、装置、电子设备和存储介质 | |
CN113297939A (zh) | 障碍物检测方法、系统、终端设备及存储介质 | |
CN113704276A (zh) | 地图更新方法、装置、电子设备及计算机可读存储介质 | |
CN111144361A (zh) | 一种基于二值化cgan网络的公路车道检测方法 | |
CN116310748A (zh) | 一种自动驾驶场景恢复及自动驾驶原型测试方法和系统 | |
CN116724315A (zh) | 确定神经网络的编码器架构的方法 | |
CN113902047A (zh) | 图像元素匹配方法、装置、设备以及存储介质 | |
CN113793330B (zh) | 路面平坦度区域检测方法和系统 | |
US20240203107A1 (en) | Obstacle identification method, vehicle-mounted device and storage medium | |
CN113642533B (zh) | 车道级定位方法及电子设备 |
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 | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20220412 |