CN115731529B - 用于目标识别的图像填充方法、装置、终端、车辆及介质 - Google Patents
用于目标识别的图像填充方法、装置、终端、车辆及介质 Download PDFInfo
- Publication number
- CN115731529B CN115731529B CN202310030192.XA CN202310030192A CN115731529B CN 115731529 B CN115731529 B CN 115731529B CN 202310030192 A CN202310030192 A CN 202310030192A CN 115731529 B CN115731529 B CN 115731529B
- Authority
- CN
- China
- Prior art keywords
- target
- gray
- label
- road
- category
- 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
Landscapes
- Image Analysis (AREA)
Abstract
本发明提供了一种用于目标识别的图像填充方法、装置、终端、车辆及介质,首先获取语义分割网络输出的标签灰度图;然后根据指定类对应的灰度标签,从标签灰度图中查找各第一目标;再确定每个第一目标的外轮廓在标签灰度图中的类别和尺寸信息;针对每个第一目标,当该第一目标的外轮廓的类别为道路类且尺寸信息满足预设条件时,将该第一目标标记为道路空洞;最终将道路空洞的灰度标签填充为道路类目标的灰度标签,通过先选出容易出现错误识别的指定类目标,然后在指定类目标的外轮廓的类别和尺寸均满足要求时,确定其可能为阴影等干扰因素造成的误识别,使语义分割图中存在道路空洞,最终对识别出的道路空洞进行填充,从而提高目标识别的准确度。
Description
技术领域
本发明属于智能驾驶技术领域,尤其涉及一种用于目标识别的图像填充方法、装置、终端、车辆及介质。
背景技术
语义分割是场景理解的一项基本任务,在自动驾驶、机器人感应等领域中具有多种潜在应用。语义分割网络的输出结果为是单通道灰度图像,以不同的灰度级表示不同的类别的目标。
现有的语义分割需要判断每个像素点的类型来实现用于目标识别的图像填充,但若存在路面不平整,树影等特征干扰时,语义分割网络所识别的目标会出现用于目标识别的图像填充不完整或者出现某些小范围的空洞等情况,从而导致目标的识别不准确。
发明内容
有鉴于此,本发明提供了一种用于目标识别的图像填充方法、装置、终端、车辆及介质,旨在解决现有技术目标的识别不准确的问题。
本发明实施例的第一方面提供了一种用于目标识别的图像填充方法,包括:
获取语义分割网络输出的标签灰度图;其中,标签灰度图中不同类别的目标对应不同的灰度标签;标签灰度图中包括至少两种类别的灰度标签,至少两种类别中包括道路类;
根据指定类对应的灰度标签,从标签灰度图中查找属于指定类的各第一目标;其中,指定类为除道路类之外的一种或多种类别;
确定每个第一目标的外轮廓在标签灰度图中的类别和尺寸信息;
针对每个第一目标,当该第一目标的外轮廓在标签灰度图中的类别为道路类且尺寸信息满足预设条件时,将该第一目标标记为道路空洞;
将道路空洞的灰度标签填充为道路类目标对应的灰度标签。
本发明实施例的第二方面提供了一种用于目标识别的图像填充装置,其特征在于,应用于语义分割网络,装置,包括:
获取模块,用于获取语义分割网络输出的标签灰度图;其中,标签灰度图中不同类别的目标对应不同的灰度标签的像素点;标签灰度图中包括至少两种类别的灰度标签,至少两种类别中包括道路类;
搜索模块,用于根据指定类对应的灰度标签,从标签灰度图中查找属于指定类的各第一目标;其中,指定类为除道路类之外的一种或多种类别;
确定模块,用于确定每个第一目标的外轮廓在标签灰度图中的类别和尺寸信息;
判断模块,用于针对每个第一目标,当该第一目标的外轮廓在标签灰度图中的类别为道路类且尺寸信息满足预设条件时,将该第一目标标记为道路空洞;
填充模块,用于将道路空洞的灰度标签填充为道路类目标对应的灰度标签。
本发明实施例的第三方面提供了一种车载终端,包括存储器、处理器以及存储在存储器中并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上第一方面的用于目标识别的图像填充方法的步骤。
本发明实施例的第四方面提供了一种车辆,包括:摄像装置以及上第三方面的车载终端。
本发明实施例的第五方面提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现如上第一方面的用于目标识别的图像填充方法的步骤。
本发明实施例提供的用于目标识别的图像填充方法、装置、终端、车辆及介质,首先获取语义分割网络输出的标签灰度图;其中,标签灰度图中不同类别的目标对应不同的灰度标签;标签灰度图中包括至少两种类别的灰度标签,至少两种类别中包括道路类;然后根据指定类对应的灰度标签,从标签灰度图中查找属于指定类的各第一目标;其中,指定类为除道路类之外的一种或多种类别;再确定每个第一目标的外轮廓在标签灰度图中的类别和尺寸信息;针对每个第一目标,当该第一目标的外轮廓在标签灰度图中的类别为道路类且尺寸信息满足预设条件时,将该第一目标标记为道路空洞;最终将道路空洞的灰度标签填充为道路类目标对应的灰度标签,通过先选出容易出现错误识别的指定类的目标,然后在指定类目标的外轮廓的类别和尺寸均满足要求时,确定指定类目标可能为阴影等干扰因素造成的误识别,使语义分割图中存在道路空洞,最终对识别出的道路空洞进行填充,从而提高目标识别的准确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例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本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的用于目标识别的图像填充方法的应用场景图;
图2是本发明实施例提供的用于目标识别的图像填充方法的实现流程图;
图3是本发明实施示例提供的用于目标识别的图像填充方法的实现示意图;
图4是本发明实施示例提供的填充前的图像;
图5是本发明实施示例提供的填充后的图像;
图6是本发明实施例提供的用于目标识别的图像填充装置的结构示意图;
图7是本发明实施例提供的车载终端的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本发明实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本发明。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本发明的描述。
图1是本发明实施例提供的用于目标识别的图像填充方法的应用场景图。如图1所示,在一些实施例中,本发明实施例提供的用于目标识别的图像填充方法可以但不限于应用于该应用场景。在该发明实施例中,该车辆包括:摄像装置11以及车载终端12。摄像装置11与车载终端12连接。
摄像装置11设置在车辆上,用于拍摄车辆周围的图像,并发送给与其连接的车载终端12,车载终端12根据语义分割网络对摄像装置11拍摄的图像进行处理,得到语义分割图,然后对语义分割图进行道路空洞的填充,最终得到准确性较高的目标识别结果。摄像装置11可以是宽动态摄像机、录像终端等视频图像采集设备,车辆可以是商用车,也可以是乘用车,在此不作限定。
图2是本发明实施例提供的用于目标识别的图像填充方法的实现流程图。如图2所示,在一些实施例中,用于目标识别的图像填充方法,应用于图1中所示的车载终端,该方法包括:
S201,获取语义分割网络输出的标签灰度图;其中,标签灰度图中不同类别的目标对应不同的灰度标签;标签灰度图中包括至少两种类别的灰度标签,至少两种类别中包括道路类。
在本发明实施例中,语义分割网络所识别的目标可以包括但不限于道路、汽车、背景、行人、电动车。每类目标对应一种灰度标签。
S202,根据指定类对应的灰度标签,从标签灰度图中查找属于指定类的各第一目标;其中,指定类为除道路类之外的一种或多种类别。
在本发明实施例中,可以多次目标识别,确定多次识别下道路目标被误识别为其他各类目标造成道路空洞的概率,选取概率最大的一种或多种作为指定类的目标。在查找指定类目标时,可以对标签灰度图进行逐行/列搜索,根据指定类目标对应的灰度标签,查找符合条件的像素点,并在每查找到一个像素点后,以该像素点为种子点,应用区域生长的方式进行区域查找,从而查找到每个第一目标。
S203,确定每个第一目标的外轮廓在标签灰度图中的类别和尺寸信息。
在本发明实施例中,若第一目标大部分处于道路所在的区域内,则认为第一目标可能是误识别的道路目标。具体的判断条件为查找第一目标周围的外轮廓上是像素点,根据外轮廓上的像素点的类别来判断第一目标是否大部分处于道路所在的区域。由于车辆等物体在道路上停放时,所拍出的图像也可能是大部分处于道路所在的区域内,因此需要根据尺寸信息进行进一步的筛选,最终识别得到准确的空洞。
S204,针对每个第一目标,当该第一目标的外轮廓在标签灰度图中的类别为道路类且尺寸信息满足预设条件时,将该第一目标标记为道路空洞。
S205,将道路空洞的灰度标签填充为道路类目标对应的灰度标签。
在本发明实施例中,通过先选出容易出现错误识别的指定类的目标,然后在指定类目标的外轮廓的类别和尺寸均满足要求时,确定指定类目标可能为阴影等干扰因素造成的误识别,使标签灰度图中存在道路空洞,最终对识别出的道路空洞进行填充,从而提高目标识别的准确度。
在一些实施例中,S203可以包括:遍历每个第一目标内的所有像素点,确定第一目标的内轮廓点和尺寸信息;根据第一目标的内轮廓点,确定第一目标的全部外轮廓点;将灰度标签为道路类目标对应的灰度标签的外轮廓点标记为道路轮廓点;当道路轮廓点在第一目标中的全部外轮廓点中的占比大于预设比例时,将占比大于预设比例的第一目标的外轮廓在标签灰度图中的类别标记为道路类。
在本发明实施例中,每查找到一个外轮廓点时,都将查找到的外轮廓点存入外轮廓数组中,然后对外轮廓数组中外轮廓点的灰度标签进行统计,如果轮廓中的道路标签占比大于预设比例,则认为此空洞位于道路内部,即第一目标的外轮廓在标签灰度图中的类别为道路类。
在本发明实施例中,假设某个第一目标中的像素点的标签都为
m,遍历该第一目标中的所有像素点,将最外围的一圈的像素点标记为内轮廓点,然后通过内轮廓点和上述实施例中的查找方式,查找与内轮廓相邻且标签不为
m的像素点记为外轮廓点,得到该第一目标的外轮廓。
在一些实施例中,根据第一目标的内轮廓点,确定第一目标的全部外轮廓点,包括:对任一内轮廓点的邻域进行搜索,将任一内轮廓点的邻域中灰度标签与内轮廓点的灰度标签不同的像素点作为每个第一目标的第一个轮廓点;查找第一个轮廓点的邻域中灰度标签与内轮廓点的灰度标签不同的像素点作为第二个轮廓点;查找第二个轮廓点的邻域中灰度标签与内轮廓点的灰度标签不同的像素点作为第三个轮廓点,直至从第i个轮廓点的邻域中查找到灰度标签与内轮廓点的灰度标签不同的像素点作为第i+1个轮廓点时,完成第一目标的全部外轮廓点查找;其中,第i+1个轮廓点与第一个轮廓点为同一像素点,i为大于等于3的正整数。
在本发明实施例中,任取灰度标签为指定类的灰度标签a的内轮廓点
x 0,按顺时针方向查找
x 0的8邻域,当遇到灰度标签为非a值的像素点时将其标记为起始轮廓点,并记为
x 1,将其存入外轮廓数组中,然后按顺时针方向查找
x 1的8邻域,当遇到灰度标签为非a值的像素点时将其标记为
x 2,将其存入外轮廓数组中,不断循环执行上述操作,直到根据
x n查找到的
x n+1与
x 1重合时,完成外轮廓点的查找。
在一些实施例中,S204可以包括:对每个第一目标,当该第一目标的外轮廓在所述标签灰度图中的类别为道路类时,在预先建立的第一图层中对该第一目标按照第一标签进行标记;确定标记为第一标签的第一目标的尺寸信息是否满足预设条件;将满足预设条件的第一目标在第一图层中的第一标签修改为空洞标签。
在本发明实施例中,当第一目标的外轮廓在所述标签灰度图中的类别为道路类时,表明该第一目标的图像处于道路所在的区域内部,可能是路面阴影等干扰因素造成的道路空洞,一般语义识别所识别的各类目标都有其固定大小,若第一目标位于道路内部且过小,则可以认为道路该第一目标必然是道路空洞。因此在新建的第一图层中对其进行标记。其中,新建的第一图层可以便于记录填充结果。
在一些实施例中,将满足预设条件的第一目标在第一图层中的第一标签修改为空洞标签,包括:当第一目标的长度不超过预设长度且宽度不超过预设宽度时;或者,当第一目标的面积不超过预设面积时;或者,当第一目标中的像素点数目不超过预设数目时,将该第一目标在第一图层中的第一标签修改为空洞标签。
在一些实施例中,S203可以包括:遍历每个第一目标内的所有像素点,确定第一目标的内轮廓点和尺寸信息;根据第一目标的类型,将第一目标的内轮廓点划分为形状点和非形状点;在形状点的邻域进行搜索,将形状点的邻域中灰度标签与内轮廓点的灰度标签不同的像素点作为目标外轮廓点;将灰度标签为道路类目标对应的灰度标签的目标外轮廓点标记为道路轮廓点;当道路轮廓点在第一目标中的全部目标外轮廓点中的占比大于预设比例时,将占比大于预设比例的第一目标的外轮廓在标签灰度图中的类别标记为道路类。
在本发明实施例中,形状点为体现目标形状的像素点,每两个形状点之间存在多个非形状点,非形状点的增加/减少并不会影响目标的形状。各类目标通常均具有相对固定的形状,因此可以仅对其四周的形状点进行邻域搜索,从而根据搜索结果进行判断,从而减小填充过程的运算量,提高填充效率。
下面提供一个实施示例对本发明的用于目标识别的图像填充方法进行说明,但并不作为限定。图3是本发明实施示例提供的用于目标识别的图像填充方法的实现示意图。如图3所示,在该实施示例中,本发明的步骤为:
S301,获取语义分割网络输出的标签灰度图。
S302,设指定类为汽车类和背景类,按照汽车类的标签查找汽车类的第一目标,按照背景类的标签查找背景类的第一目标。
S303,查找各个第一目标的外轮廓,以确定各个第一目标的外轮廓是否为道路。若是则执行S304,否则结束对该第一目标的处理。
S304,新建汽车类图层和背景类图层,并将新建的两个图层中的标签均设置为0。其中,汽车类图层和背景类图层即上述实施例中的第一图层,汽车类图层或者背景类图层的尺寸大小、分辨率、像素点数等均与标签灰度图相同,且其每个像素点与标签灰度图中的像素点一一对应。通过新建图层的方式,能够在识别空洞的过程中不破坏原标签灰度图中记录的信息,且便于对空洞进行记录。
所不同的是,标签灰度图中将各种类型的目标分别以每种类型目标对应的灰度标签表示。例如将汽车类的第一目标均以“180”的灰度标签表示,将背景类的第一目标均以“240”的灰度标签表示,将道路类的目标以“100”的灰度标签表示。而第一图层在刚建立时所有像素点的标签都为“0”,即新建的两个图层均为纯白色的图层。
S305,对于每个的第一目标,将该第一目标的外轮廓在新建的两个图层中对应像素点的标签+2。其中,在S304中将第一图层的所有像素点的标签都赋值为“0”后,由于任一第一图层的各个像素点都分别与标签灰度图的像素点一一对应,因此根据各个第一目标的外轮廓的像素点,就可以确定外轮廓在新建的两个图层中的对应位置,从而将对应的像素点的标签+2,使新建的两个图层上显示标签“2”对应颜色的外轮廓。
S306,判断汽车类的第一目标大小是否处于汽车类对应的阈值内,或背景类的第一目标大小是否处于背景类对应的阈值内,若是则执行S307,否则结束对该第一目标的处理。
S307,若任一个汽车类的第一目标大小处于汽车类对应的阈值内,则将该任一个汽车类的第一目标在汽车类图层中的所有像素点的灰度标签改为1。即将汽车类图层中标签“2”的外轮廓内的所有像素点的标签由“0”改为“1”。
若任一个背景类的第一目标大小处于背景类对应的阈值内,则将该任一个背景类的第一目标在背景类图层中的所有像素点的灰度标签改为1。即将背景类图层中标签“2”的外轮廓内的所有像素点的标签由“0”改为“1”。
S308,查找新建图层中的标签值为“1”的像素点,在语义分割图中将对应位置的像素点的灰度标签修改为道路类的目标对应的灰度标签,即将对应位置的像素点的灰度标签由“180”或“240”修改为“100”,完成语义分割图的空洞填充,得到最终的目标识别结果。
图4是本发明实施示例提供的填充前的图像。图5是本发明实施示例提供的填充后的图像。其中,图4中识别出汽车类41、背景类42和道路类43共3类目标,在标签灰度图中分别以不同的灰度进行表示,但图示中的道路空洞44也可能被识别为汽车类41和道路类42。图4中的道路空洞44外轮廓大部分处于道路内部,且外轮廓大小小于车辆的大小,因此对其进行填充,得到图5中所示的填充结果图,可以得到,本发明的方法能够对阴影等干扰因素造成的道路空洞进行有效的填充。
综上,本发明的有益效果为:通过先选出容易出现错误识别的指定类的目标,然后在指定类目标的外轮廓的类别和尺寸均满足要求时,确定指定类目标可能为阴影等干扰因素造成的误识别,使标签灰度图中存在道路空洞,最终对识别出的道路空洞进行填充,从而提高目标识别的准确度。
图6是本发明实施例提供的用于目标识别的图像填充装置的结构示意图。如图6所示,在一些实施例中,用于目标识别的图像填充装置6,包括:
获取模块610,用于获取语义分割网络输出的标签灰度图;其中,标签灰度图中不同类别的目标对应不同的灰度标签;标签灰度图中包括至少两种类别的灰度标签,至少两种类别中包括道路类。
搜索模块620,用于根据指定类对应的灰度标签,从标签灰度图中查找属于指定类的各第一目标;其中,指定类为除道路类之外的一种或多种类别。
确定模块630,用于确定每个第一目标的外轮廓在标签灰度图中的类别和尺寸信息。
判断模块640,用于针对每个第一目标,当该第一目标的外轮廓在标签灰度图中的类别为道路类且尺寸信息满足预设条件时,将该第一目标标记为道路空洞。
填充模块650,用于将道路空洞的灰度标签填充为道路类目标对应的灰度标签。
可选的,确定模块630,具体用于遍历每个第一目标内的所有像素点,确定第一目标的内轮廓点和尺寸信息;根据第一目标的内轮廓点,确定第一目标的全部外轮廓点;将灰度标签为道路类目标对应的灰度标签的外轮廓点标记为道路轮廓点;当道路轮廓点在第一目标中的全部外轮廓点中的占比大于预设比例时,将占比大于预设比例的第一目标的外轮廓在标签灰度图中的类别标记为道路类。
可选的,确定模块630,具体用于对任一内轮廓点的邻域进行搜索,将任一内轮廓点的邻域中灰度标签与内轮廓点的灰度标签不同的像素点作为每个第一目标的第一个轮廓点;查找第一个轮廓点的邻域中灰度标签与内轮廓点的灰度标签不同的像素点作为第二个轮廓点;查找第二个轮廓点的邻域中灰度标签与内轮廓点的灰度标签不同的像素点作为第三个轮廓点,直至从第i个轮廓点的邻域中查找到灰度标签与内轮廓点的灰度标签不同的像素点作为第i+1个轮廓点时,完成第一目标的全部外轮廓点查找;其中,第i+1个轮廓点与第一个轮廓点为同一像素点,i为大于等于3的正整数。
可选的,判断模块640,具体用于对每个第一目标,当该第一目标的外轮廓在所述标签灰度图中的类别为道路类时,在预先建立的第一图层中对该第一目标按照第一标签进行标记;确定标记为第一标签的第一目标的尺寸信息是否满足预设条件;将满足预设条件的第一目标在第一图层中的第一标签修改为空洞标签。
可选的,判断模块640,具体用于当第一目标的长度不超过预设长度且宽度不超过预设宽度时;或者,当第一目标的面积不超过预设面积时;或者,当第一目标中的像素点数目不超过预设数目时,将该第一目标在第一图层中的第一标签修改为空洞标签。
可选的,确定模块630,具体用于遍历每个第一目标内的所有像素点,确定第一目标的内轮廓点和尺寸信息;根据第一目标的类型,将第一目标的内轮廓点划分为形状点和非形状点;在形状点的邻域进行搜索,将形状点的邻域中灰度标签与内轮廓点的灰度标签不同的像素点作为目标外轮廓点;将灰度标签为道路类目标对应的灰度标签的目标外轮廓点标记为道路轮廓点;当道路轮廓点在第一目标中的全部目标外轮廓点中的占比大于预设比例时,将占比大于预设比例的第一目标的外轮廓在标签灰度图中的类别标记为道路类。
本实施例提供的用于目标识别的图像填充装置,可用于执行上述方法实施例,其实现原理和技术效果类似,本实施例此处不再赘述。
图7是本发明实施例提供的车载终端的结构示意图。如图7所示,本发明的一个实施例提供的车载终端7,该实施例的车载终端7包括:处理器70、存储器71以及存储在存储器71中并可在处理器70上运行的计算机程序72。处理器70执行计算机程序72时实现上述各个用于目标识别的图像填充方法实施例中的步骤,例如图2所示的步骤210至步骤250。或者,处理器70执行计算机程序72时实现上述各系统实施例中各模块/单元的功能,例如图6所示模块610至模块650的功能。
示例性的,计算机程序72可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器71中,并由处理器70执行,以完成本发明。一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序72在车载终端7中的执行过程。
车载终端7可以是终端其中,终端可以为手机、MCU、ECU等,在此不作限定。车载终端7可包括,但不仅限于,处理器70、存储器71。本领域技术人员可以理解,图7仅仅是车载终端7的示例,并不构成对车载终端7的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如终端还可以包括输入输出设备、网络接入设备、总线等。
所称处理器70可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现场可编程门阵列 (Field-Programmable Gate Array,FPGA) 或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器71可以是车载终端7的内部存储单元,例如车载终端7的硬盘或内存。存储器71也可以是车载终端7的外部存储设备,例如车载终端7上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,存储器71还可以既包括车载终端7的内部存储单元也包括外部存储设备。存储器71用于存储计算机程序以及终端所需的其他程序和数据。存储器71还可以用于暂时地存储已经输出或者将要输出的数据。
本发明实施例提供了一种计算机可读存储介质,计算机可读存储介质存储有计算机程序,计算机程序被处理器执行时实现上述用于目标识别的图像填充方法实施例中的步骤。
计算机可读存储介质存储有计算机程序72,计算机程序72包括程序指令,程序指令被处理器70执行时实现上述实施例方法中的全部或部分流程,也可以通过计算机程序72来指令相关的硬件来完成,计算机程序72可存储于一计算机可读存储介质中,该计算机程序72在被处理器70执行时,可实现上述各个方法实施例的步骤。其中,计算机程序72包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
计算机可读存储介质可以是前述任一实施例的终端的内部存储单元,例如终端的硬盘或内存。计算机可读存储介质也可以是终端的外部存储设备,例如终端上配备的插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)等。进一步地,计算机可读存储介质还可以既包括终端的内部存储单元也包括外部存储设备。计算机可读存储介质用于存储计算机程序及终端所需的其他程序和数据。计算机可读存储介质还可以用于暂时地存储已经输出或者将要输出的数据。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本发明实施例的实施过程构成任何限定。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块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,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
在本发明所提供的实施例中,应该理解到,所揭露的装置/终端和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端实施例仅仅是示意性的,例如,模块或单元的划分,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讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
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,在本发明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。上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。
集成的模块/单元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,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例方法中的全部或部分流程,也可以通过计算机程序来指令相关的硬件来完成,的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、电载波信号、电信信号以及软件分发介质等。
以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围,均应包含在本发明的保护范围之内。
Claims (9)
1.一种用于目标识别的图像填充方法,其特征在于,包括:
获取语义分割网络输出的标签灰度图;其中,所述标签灰度图中不同类别的目标对应不同的灰度标签;所述标签灰度图中包括至少两种类别的灰度标签,所述至少两种类别中包括道路类;
根据指定类对应的灰度标签,从所述标签灰度图中查找属于所述指定类的各第一目标;其中,所述指定类为除所述道路类之外的一种或多种类别;
确定每个第一目标的外轮廓在所述标签灰度图中的类别和尺寸信息;
针对每个第一目标,当该第一目标的外轮廓在所述标签灰度图中的类别为道路类且尺寸信息满足预设条件时,将该第一目标标记为道路空洞;
将所述道路空洞的灰度标签填充为道路类目标对应的灰度标签;
其中,尺寸信息满足预设条件包括:所述第一目标的长度不超过预设长度且宽度不超过预设宽度;或者,所述第一目标的面积不超过预设面积;或者,所述第一目标中的像素点数目不超过预设数目。
2.根据权利要求1所述的用于目标识别的图像填充方法,其特征在于,确定每个第一目标的外轮廓在所述标签灰度图中的类别和尺寸信息,包括:
遍历每个第一目标内的所有像素点,确定所述第一目标的内轮廓点和尺寸信息;
根据所述第一目标的内轮廓点,确定所述第一目标的全部外轮廓点;
将灰度标签为道路类目标对应的灰度标签的外轮廓点标记为道路轮廓点;
当道路轮廓点在所述第一目标中的全部外轮廓点中的占比大于预设比例时,将占比大于预设比例的第一目标的外轮廓在所述标签灰度图中的类别标记为道路类。
3.根据权利要求2所述的用于目标识别的图像填充方法,其特征在于,根据所述第一目标的内轮廓点,确定所述第一目标的全部外轮廓点,包括:
对任一内轮廓点的邻域进行搜索,将所述任一内轮廓点的邻域中灰度标签与内轮廓点的灰度标签不同的像素点作为每个第一目标的第一个轮廓点;
查找所述第一个轮廓点的邻域中灰度标签与内轮廓点的灰度标签不同的像素点作为第二个轮廓点;
查找所述第二个轮廓点的邻域中灰度标签与内轮廓点的灰度标签不同的像素点作为第三个轮廓点,直至从第i个轮廓点的邻域中查找到灰度标签与内轮廓点的灰度标签不同的像素点作为第i+1个轮廓点时,完成所述第一目标的全部外轮廓点查找;
其中,所述第i+1个轮廓点与所述第一个轮廓点为同一像素点,i为大于等于3的正整数。
4.根据权利要求1所述的用于目标识别的图像填充方法,其特征在于,针对每个第一目标,当该第一目标的外轮廓在所述标签灰度图中的类别为道路类且尺寸信息满足预设条件时,将该第一目标标记为道路空洞,包括:
对每个第一目标,当该第一目标的外轮廓在所述标签灰度图中的类别为道路类时,在预先建立的第一图层中对该第一目标按照第一标签进行标记;
确定标记为第一标签的第一目标的尺寸信息是否满足预设条件;
将满足预设条件的第一目标在第一图层中的第一标签修改为空洞标签。
5.根据权利要求1所述的用于目标识别的图像填充方法,其特征在于,确定每个第一目标的外轮廓在所述标签灰度图中的类别和尺寸信息,包括:
遍历每个第一目标内的所有像素点,确定所述第一目标的内轮廓点和尺寸信息;
根据所述第一目标的类型,将所述第一目标的内轮廓点划分为形状点和非形状点;
在所述形状点的邻域进行搜索,将所述形状点的邻域中灰度标签与内轮廓点的灰度标签不同的像素点作为目标外轮廓点;
将灰度标签为道路类目标对应的灰度标签的目标外轮廓点标记为道路轮廓点;
当道路轮廓点在所述第一目标中的全部目标外轮廓点中的占比大于预设比例时,将占比大于预设比例的第一目标的外轮廓在所述标签灰度图中的类别标记为道路类。
6.一种用于目标识别的图像填充装置,其特征在于,应用于语义分割网络,所述装置,包括:
获取模块,用于获取语义分割网络输出的标签灰度图;其中,所述标签灰度图中不同类别的目标对应不同的灰度标签的像素点;所述标签灰度图中包括至少两种类别的灰度标签,所述至少两种类别中包括道路类;
搜索模块,用于根据指定类对应的灰度标签,从所述标签灰度图中查找属于所述指定类的各第一目标;其中,所述指定类为除所述道路类之外的一种或多种类别;
确定模块,用于确定每个第一目标的外轮廓在所述标签灰度图中的类别和尺寸信息;
判断模块,用于针对每个第一目标,当该第一目标的外轮廓在所述标签灰度图中的类别为道路类且尺寸信息满足预设条件时,将该第一目标标记为道路空洞;
填充模块,用于将所述道路空洞的灰度标签填充为道路类目标对应的灰度标签;
其中,尺寸信息满足预设条件包括:所述第一目标的长度不超过预设长度且宽度不超过预设宽度;或者,所述第一目标的面积不超过预设面积;或者,所述第一目标中的像素点数目不超过预设数目。
7.一种车载终端,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上的权利要求1至5中任一项所述用于目标识别的图像填充方法的步骤。
8.一种车辆,其特征在于,包括:摄像装置以及如上的权利要求7所述的车载终端;所述摄像装置与所述车载终端连接。
9.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如上的权利要求1至5中任一项所述用于目标识别的图像填充方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310030192.XA CN115731529B (zh) | 2023-01-10 | 2023-01-10 | 用于目标识别的图像填充方法、装置、终端、车辆及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310030192.XA CN115731529B (zh) | 2023-01-10 | 2023-01-10 | 用于目标识别的图像填充方法、装置、终端、车辆及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115731529A CN115731529A (zh) | 2023-03-03 |
CN115731529B true CN115731529B (zh) | 2023-04-18 |
Family
ID=85302076
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310030192.XA Active CN115731529B (zh) | 2023-01-10 | 2023-01-10 | 用于目标识别的图像填充方法、装置、终端、车辆及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115731529B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108776819A (zh) * | 2018-06-05 | 2018-11-09 | Oppo广东移动通信有限公司 | 一种目标识别方法、移动终端及计算机可读存储介质 |
CN113744256A (zh) * | 2021-09-09 | 2021-12-03 | 中德(珠海)人工智能研究院有限公司 | 一种深度图空洞填充方法、装置、服务器及可读存储介质 |
CN115546705A (zh) * | 2022-11-29 | 2022-12-30 | 天津所托瑞安汽车科技有限公司 | 目标识别方法、终端设备及存储介质 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112964712A (zh) * | 2021-02-05 | 2021-06-15 | 中南大学 | 一种快速检测沥青路面状态的方法 |
CN115035296A (zh) * | 2022-06-15 | 2022-09-09 | 清华大学 | 一种基于鸟瞰投影的飞行汽车3d语义分割方法及系统 |
-
2023
- 2023-01-10 CN CN202310030192.XA patent/CN115731529B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108776819A (zh) * | 2018-06-05 | 2018-11-09 | Oppo广东移动通信有限公司 | 一种目标识别方法、移动终端及计算机可读存储介质 |
CN113744256A (zh) * | 2021-09-09 | 2021-12-03 | 中德(珠海)人工智能研究院有限公司 | 一种深度图空洞填充方法、装置、服务器及可读存储介质 |
CN115546705A (zh) * | 2022-11-29 | 2022-12-30 | 天津所托瑞安汽车科技有限公司 | 目标识别方法、终端设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN115731529A (zh) | 2023-03-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20210406561A1 (en) | Systems and methods for lane detection | |
CN108229386B (zh) | 用于检测车道线的方法、装置和介质 | |
CN112581612B (zh) | 基于激光雷达和环视摄像头融合的车载栅格地图生成方法及系统 | |
CN110135318B (zh) | 过车记录的确定方法、装置、设备及存储介质 | |
CN107273838A (zh) | 交通信号灯抓拍图片的处理方法及装置 | |
CN107748882B (zh) | 一种车道线检测方法及装置 | |
CN111837158A (zh) | 图像处理方法、装置、拍摄装置和可移动平台 | |
CN112613344B (zh) | 车辆占道检测方法、装置、计算机设备和可读存储介质 | |
CN111382658B (zh) | 一种基于图像灰度梯度一致性的自然环境下道路交通标志检测方法 | |
CN113744256A (zh) | 一种深度图空洞填充方法、装置、服务器及可读存储介质 | |
CN110909598A (zh) | 一种基于深度学习的非机动车道交通违法行驶识别方法 | |
CN111723805B (zh) | 一种信号灯的前景区域识别方法及相关装置 | |
CN115372990A (zh) | 一种高精度语义地图的建图方法、装置和无人车 | |
CN111860219A (zh) | 一种高速占道判断方法、装置及电子设备 | |
CN115731529B (zh) | 用于目标识别的图像填充方法、装置、终端、车辆及介质 | |
CN111191482A (zh) | 一种刹车灯识别方法、装置及电子设备 | |
CN111709377B (zh) | 特征提取方法、目标重识别方法、装置及电子设备 | |
US11200438B2 (en) | Sequential training method for heterogeneous convolutional neural network | |
CN116721396A (zh) | 车道线检测方法、设备及存储介质 | |
CN115346184A (zh) | 一种车道信息检测方法、终端及计算机存储介质 | |
CN114898321A (zh) | 道路可行驶区域检测方法、装置、设备、介质及系统 | |
CN114298987A (zh) | 一种反光条检测方法及装置 | |
CN110741379A (zh) | 用于确定车辆行驶所在的道路的类型的方法 | |
CN109409247B (zh) | 交通标志识别方法和装置 | |
CN114565597A (zh) | 一种基于YOLOv3-tiny-DB和迁移学习的夜间道路行人检测方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |