CN116017060A - 一种车辆图像数据处理方法以及装置 - Google Patents
一种车辆图像数据处理方法以及装置 Download PDFInfo
- Publication number
- CN116017060A CN116017060A CN202211598709.7A CN202211598709A CN116017060A CN 116017060 A CN116017060 A CN 116017060A CN 202211598709 A CN202211598709 A CN 202211598709A CN 116017060 A CN116017060 A CN 116017060A
- Authority
- CN
- China
- Prior art keywords
- image
- target
- vehicle
- images
- spliced
- 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
- 238000003672 processing method Methods 0.000 title claims abstract description 18
- 238000000034 method Methods 0.000 claims abstract description 69
- 238000012545 processing Methods 0.000 claims abstract description 58
- 238000007906 compression Methods 0.000 claims abstract description 53
- 230000006835 compression Effects 0.000 claims abstract description 33
- 230000005540 biological transmission Effects 0.000 claims abstract description 27
- 230000008569 process Effects 0.000 claims abstract description 22
- 230000004044 response Effects 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 abstract description 11
- 238000012549 training Methods 0.000 description 10
- 238000010586 diagram Methods 0.000 description 6
- 238000007405 data analysis Methods 0.000 description 4
- 238000005457 optimization Methods 0.000 description 4
- 238000004590 computer program Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Studio Devices (AREA)
- Traffic Control Systems (AREA)
Abstract
本申请公开了一种车辆图像数据处理方法以及装置，该方法包括：在获取目标车辆在目标时间点对应的多张图像之后，对多张图像进行拼接处理，获得目标车辆在目标时间点对应的目标拼接图像，对该目标拼接图像进行图像压缩处理，并将压缩后数据进行传输。该方法将目标车辆对应的多个摄像头的多次图像压缩过程融合为单次图像压缩过程，简化智能汽车图像采集过程中的图像压缩流程，可有效降低图像压缩过程的硬件资源及算力消耗；并且，将车辆的多个摄像头对应的多次图像编码流传输过程融合为单次图像编码流传输过程，可有效降低智能车辆图像传输过程的复杂度，降低智能车辆图像上传过程的网络资源消耗。
Description
技术领域
本申请涉及智能汽车技术领域，具体涉及一种车辆图像数据处理方法、装置、电子设备以及计算机可读取存储介质。本申请同时涉及一种车辆图像数据响应方法。
背景技术
在智能汽车的自动驾驶过程中，需进行图像数据采集，以满足自动驾驶策略的制定或优化需求，该过程中，需对车辆的多个摄像头摄取的图像分别进行压缩编码，并将压缩后的码流进行传输，例如，将压缩后的码流上传至云端服务器，以供云端服务器基于解码后的图像数据对车辆自动驾驶策略模型进行模型训练，以获得车辆适用的自动驾驶策略或对车辆已有的自动驾驶策略进行优化更新。然而，对车辆每个摄像头所摄取的图像分别进行压缩编码、并分别上传，使得图像压缩及传输过程较为复杂，对硬件资源及算力要求较高。
发明内容
本申请实施例提供一种车辆图像数据处理方法、装置、电子设备及计算机可读存储介质，以解决现有技术中对车辆每个摄像头所摄取的图像分别进行压缩编码、并分别上传，使得图像压缩及传输过程较为复杂，对硬件资源及算力要求较高的问题。
本申请实施例提供一种车辆图像数据处理方法，应用于智能车辆的车载图像处理设备，所述方法包括：
获取目标车辆在目标时间点对应的多张图像；
对所述多张图像进行拼接处理，获得所述目标车辆在所述目标时间点对应的目标拼接图像；
对所述目标拼接图像进行图像压缩处理，并将压缩后数据进行传输。
在一种实施方式中，所述对所述多张图像进行拼接处理，获得所述目标车辆在所述目标时间点对应的目标拼接图像，包括：将所述多张图像合并为所述目标拼接图像。
在一种实施方式中，所述将所述多张图像合并为所述目标拼接图像，包括：
获得所述目标车辆的多个摄像头之间的预设方位信息；
按照所述预设方位信息，对各所述摄像头摄取的各图像进行组合排布，获得所述目标拼接图像。
在一种实施方式中，所述将所述多张图像合并为所述目标拼接图像，包括：
将所述多张图像中包含相同摄取内容的图像作为相邻图像，并基于所述相邻图像进行组合排布，获得所述目标拼接图像。
在一种实施方式中，所述对所述目标拼接图像进行图像压缩处理，包括：
将所述多张图像中包含的相同摄取内容作为所述目标拼接图像的空间冗余信息，基于所述空间冗余信息进行帧内编码。
在一种实施方式中，所述将压缩后数据进行传输，包括：
将所述压缩后数据发送至云端服务器，以供所述云端服务器对所述压缩后数据进行解码，获得所述目标拼接图像，并基于所述目标拼接图像、对所述目标车辆对应的自动驾驶策略模型进行模型训练。
根据本发明的另一方面，提供一种车辆图像数据响应方法，应用于云端服务器，所述方法包括：
接收来自目标车辆的图像编码流；
对所述图像编码流进行解码，并从解码后的图像中获得所述目标车辆在目标时间点对应的目标拼接图像，所述目标拼接图像为对目标车辆在所述目标时间点对应的多张图像进行拼接处理后获得的图像；
基于所述目标拼接图像对目标车辆对应的自动驾驶策略进行分析。
根据本发明的另一方面，提供一种车辆图像数据处理装置，应用于智能车辆的车载图像处理设备，所述装置包括
图像获取单元，用于获取目标车辆在目标时间点对应的多张图像；
图像拼接单元，用于对所述多张图像进行拼接处理，获得所述目标车辆在所述目标时间点对应的目标拼接图像；
图像压缩及传输单元，对所述目标拼接图像进行图像压缩处理，并将压缩后数据进行传输。
根据本发明的另一方面，提供一种电子设备，包括处理器和存储器；其中，所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现上述方法。
根据本发明的另一方面，提供一种计算机可读存储介质，其上存储有一条或多条计算机指令，该指令被处理器执行以实现上述方法。
与现有技术相比，本发明具有以下优点：
本发明提供的车辆图像数据处理方法，在获取目标车辆在目标时间点对应的多张图像之后，对该多张图像进行拼接处理，获得目标车辆在目标时间点对应的目标拼接图像，对该目标拼接图像进行图像压缩处理，并将压缩后数据进行传输。该方法通过将目标车辆在相同时间点对应的多张图像进行图像拼接，对拼接后的目标拼接图像进行图像压缩处理，该方式将目标车辆对应的多个摄像头的多次图像压缩过程融合为单次图像压缩过程，简化智能汽车图像采集过程中的图像压缩流程，可有效降低图像压缩过程的硬件资源及算力消耗；并且，本发明将车辆的多个摄像头对应的多次图像编码流传输过程融合为单次图像编码流传输过程，可有效降低智能车辆图像传输过程的复杂度，降低智能车辆图像上传过程的网络资源消耗。
附图说明
图1是本申请一实施例提供的车辆图像数据处理方法流程图；
图2是本申请一实施例提供的车辆图像数据响应方法流程图；
图3是本申请一实施例提供的车辆图像数据处理装置的单元框图；
图4是本申请一实施例提供的车辆图像数据响应装置的单元框图；
图5是本申请实施例提供的电子设备的逻辑结构示意图。
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它方式来实施，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的限制。
在智能汽车的自动驾驶场景中，需进行图像数据采集，以满足自动驾驶策略的数据分析需求，例如满足自动驾驶策略的制定或优化需求，该过程中，需对车辆的多个摄像头摄取的图像分别进行压缩编码，并将压缩后的码流进行传输，例如，将压缩后的码流上传至云端服务器，以供云端服务器基于解码后的图像数据对车辆自动驾驶策略模型进行模型训练，以获得车辆适用的自动驾驶策略或对车辆已有的自动驾驶策略进行优化更新。然而，对车辆每个摄像头所摄取的图像分别进行压缩编码、并分别上传，使得图像压缩及传输过程较为复杂，且对硬件资源及算力要求较高。
针对智能汽车图像采集场景，为了避免现有技术中对车辆每个摄像头所摄取的图像分别进行压缩编码、并分别上传，使得图像压缩及传输过程较为复杂，对硬件资源、算力、以及网络资源要求较高的问题，本申请提供了一种车辆图像数据处理方法、与该方法相对应的车辆图像数据处理装置、电子设备以及计算机可读存储介质，本申请还提供一种车辆图像数据响应方法、与该方法相对应的装置、电子设备以及计算机可读存储介质。以下提供实施例对上述方法、装置、电子设备以及计算机可读存储介质进行详细说明。
本申请一实施例提供一种车辆图像数据处理方法，该方法的应用主体可以为车载图像处理应用，该车载图像处理应用可运行于智能车辆的车载图像处理设备。图1为本实施例提供的车辆图像数据处理方法的流程图，以下结合图1对本实施例提供的方法进行详细描述。以下描述所涉及的实施例是用来解释说明方法原理，不是实际使用的限定。
如图1所示，本实施例提供的车辆图像数据处理方法包括如下步骤：
S101，获取目标车辆在目标时间点对应的多张图像。
本步骤用于获取目标车辆在目标时间点对应的多张图像，例如，智能汽车的自动驾驶过程中，由车载图像处理设备对目标车辆的多个摄像头在目标时间点摄取的多张图像进行汇总，目标车辆的各方位均可设置摄像头，用于从各角度摄取能够表征目标车辆在各时间点对应的驾驶状况及周边环境状况的图像，各摄像头可基于预设的方位信息分布于目标车辆上。在本实施例中，可从上述各摄像头所摄取的视频数据中提取目标时间点对应的上述多张图像，各摄像头也可基于预设时间间隔进行图像摄取，以获得在预设的目标时间点对应的上述多张图像。上述目标时间点可以是指某一时间点，也可以指预设的多个时间点，例如，分别获取上述多个摄像头在多个时间点中的每一时间点所摄取的多张图像。
需要说明的是，上述目标车辆在目标时间点对应的多张图像可以由目标车辆的多个摄像头摄取，也可以由其它摄像头摄取，例如，可以由目标车辆的关联车辆和/或公路预设的摄像头摄取，目标车辆的关联车辆可以为与目标车辆同向或异向行驶的车辆，例如，在上述目标时间点，目标车辆与另一车辆发生会车，并且此时路边设有摄像头，则与目标车辆发生会车的车辆的摄像头和/或路边设施的摄像头均对目标车辆的驾驶状况及周边环境进行图像摄取，并基于车辆与车辆之间、车辆与路边设施之间的短时联网方式或其它近距离通信方式，由上述与目标车辆发生会车的车辆的摄像头和/或路边设施的摄像头将所摄取的多张图像传输给目标车辆的车载图像处理设备。
S102，对多张图像进行拼接处理，获得目标车辆在目标时间点对应的目标拼接图像。
在上述步骤获得目标车辆在目标时间点对应的多张图像之后，本步骤用于对上述多张图像进行图像拼接，以获得目标车辆在上述目标时间点对应的目标拼接图像。可采用多种方式实现上述对多张图像的拼接，例如，可以基于各图像中是否包含相同对象而进行有选择性的图像拼接，例如，上述多张图像中的图像1、图像2、图像3中均包含一个或多个相同对象(例如包含相同的人行横道)，则将图像1、图像2、图像3进行拼接处理；再例如，可以按照图像之间的相似度进行拼接，将相似度较高的图像进行拼接处理；再例如，可基于各图像中包含相同背景区域的比例进行图像拼接，例如，图像1、图像2、图像3中均包含A这一背景区域，且A背景区域在图像1、图像2、图像3中所占比例均超过50％，则将图像1、图像2、图像3进行拼接处理。上述基于各图像中是否包含相同对象、基于图像之间的相似度、基于各图像中包含相同背景区域的比例进行图像拼接，其目的均在于增加拼接后的目标拼接图像中相同因素的比例，从而便于后续对目标拼接图像的图像压缩处理。
需要说明的是，上述对多张图像进行拼接处理的过程可以为对各图像进行裁切后拼接，例如，将各图像中包含的相同背景部分裁切掉，仅保留各图像的不同背景部分，将对应不同背景的各图像进行拼接；或者对各图像中内容的重要性程度进行划分，将不重要的图像内容裁切掉，仅保留重要的图像内容，并对重要的图像内容进行拼接。在本实施例中，为了简化图像拼接过程，提升图像拼接效率，可不对上述多张图像进行裁切等额外处理，仅对其进行简单合并，即，将上述多张图像合并为目标拼接图像，例如，将上述多张图像按照任意方式排布组合为一张图像。
需要说明的是，当上述多张图像为目标车辆的多个摄像头摄取时，考虑到可预先设置各摄像头的方位，例如，各摄像头按照预定视场角或预定间距设置于目标车辆的周身，因此，可通过如下方式将上述多张图像合并为目标拼接图像：首先获得目标车辆的多个摄像头之间的预设方位信息，例如第一摄像头位于第一方位，用于对以车身中心为原点的0度到40度视野范围内的图像进行摄取，第二摄像头位于第二方位，用于对以车身中心为原点的40度到80度范围内的图像进行摄取，第三摄像头位于第三方位，用于对以车身中心为原点的80度到120度范围内的图像进行摄取；然后，按照上述预设方位信息，对上述各摄像头摄取的各图像进行组合排布，获得目标拼接图像，例如，从左到右依次对上述第一摄像头、第二摄像头、第三摄像头所摄取的图像进行组合排布。
在另一种实施方式中，在未预先设置各摄像头的方位的情况下，还可基于各图像是否包含相同摄取内容对其进行组合排布，具体的，可将上述多张图像中包含相同摄取内容的图像作为相邻图像，并基于该相邻图像进行组合排布，获得目标拼接图像。
S103，对目标拼接图像进行图像压缩处理，并将压缩后数据进行传输。
在上述步骤对多张图像进行拼接处理，获得目标车辆在目标时间点对应的目标拼接图像之后，本步骤用于对上述目标拼接图像进行图像压缩处理，并将压缩后获得的数据进行传输，以此完成目标车辆在目标时间点对应的图像采集过程。上述对目标图像进行图像压缩处理的具体方式可采用现有的图像编码方法，例如，基于H264、H265、MPEG等视频编码标准中的帧内预测编码方法，以降低目标拼接图像的空间冗余度，具体的，可将上述多张图像中包含的相同摄取内容作为目标拼接图像的空间冗余信息，基于该空间冗余信息进行帧内编码。
在本实施例中，上述将压缩后数据进行传输，具体可以是指将上述压缩后数据发送至云端服务器，以供上述云端服务器对上述压缩后数据进行解码，获得上述目标拼接图像，并基于该目标拼接图像对目标车辆的自动驾驶策略进行分析，例如，将目标拼接图像作为训练样本，对上述目标车辆对应的自动驾驶策略模型进行模型训练，以获得目标车辆所适用的自动驾驶策略或对目标车辆已有的自动驾驶策略进行优化更新。
本实施例提供的车辆图像数据处理方法可应用于智能车辆的车载图像处理设备，在获取目标车辆在目标时间点对应的多张图像之后，对该多张图像进行拼接处理，获得目标车辆在目标时间点对应的目标拼接图像，对该目标拼接图像进行图像压缩处理，并将压缩后数据进行传输。该方法通过将目标车辆在相同时间点对应的多张图像进行图像拼接，对拼接后的目标拼接图像进行图像压缩处理，该方式将目标车辆对应的多个摄像头的多次图像压缩过程融合为单次图像压缩过程，简化智能汽车图像采集过程中的图像压缩流程，可有效降低图像压缩过程的硬件资源及算力消耗；并且，本发明将车辆的多个摄像头对应的多次图像编码流传输过程融合为单次图像编码流传输过程，可有效降低智能车辆图像传输过程的复杂度，降低智能车辆图像上传过程的网络资源消耗。
上述实施例提供了一种车辆图像数据处理方法，与之对应的，本申请另一实施例还提供一种车辆图像数据响应方法，该车辆图像数据响应方法可应用于云端服务器，以下结合图2对本实施例提供的车辆图像数据响应方法进行详细描述。以下描述所涉及的实施例是用来解释说明方法原理，不是实际使用的限定。如图2所示，该车辆图像数据响应方法包括：
S201，接收来自目标车辆的图像编码流。
本步骤用于接收来自目标车辆的图像编码流，例如，接收经上述实施例的步骤S101、S102、S103处理后的图像编码流。
S202，对上述图像编码流进行解码，并从解码后的图像中获得目标车辆在目标时间点对应的目标拼接图像。
目标拼接图像为对目标车辆在目标时间点对应的多张图像进行拼接处理后获得的图像，例如，在车载图像处理设备获得目标车辆在目标时间点对应的多张图像(由目标车辆的多个摄像头摄取、或者由目标车辆的关联车辆和/或公路预设的摄像头摄取)之后，对上述多张图像进行图像拼接，以获得目标车辆在上述目标时间点对应的目标拼接图像，例如，可以基于各图像中是否包含相同对象而进行有选择性的图像拼接，例如，上述多张图像中的图像1、图像2、图像3中均包含一个或多个相同对象(例如包含相同的人行横道)，则将图像1、图像2、图像3进行拼接处理；再例如，可以按照图像之间的相似度进行拼接，将相似度较高的图像进行拼接处理；再例如，可基于各图像中包含相同背景区域的比例进行图像拼接，例如，图像1、图像2、图像3中均包含A这一背景区域，则A背景区域在图像1、图像2、图像3中所占比例均超过50％，则将图像1、图像2、图像3进行拼接处理，上述基于各图像中是否包含相同对象、基于图像之间的相似度、基于各图像中包含相同背景区域的比例进行图像拼接，其目的均在于增加拼接后的目标拼接图像中相同因素的比例，以提升后续对目标拼接图像进行图像压缩时的编码效率。并且，上述对多张图像进行拼接处理的过程可以为对各图像进行裁切后拼接，例如，将各图像中包含的相同背景部分裁切掉，仅保留各图像的不同背景部分，将对应不同背景的各图像进行拼接；或者对各图像中内容的重要性程度进行划分，将不重要的图像内容裁切掉，仅保留重要的图像内容，并对重要的图像内容进行拼接。为了简化图像拼接过程，提升图像拼接效率，可不对上述多张图像进行裁切等额外处理，仅对其进行简单合并，即，将上述多张图像合并为目标拼接图像，例如，将上述多张图像按照任意方式排布组合为一张图像。需要说明的是，当上述多张图像为目标车辆的多个摄像头摄取时，考虑到可预先设置各摄像头的方位，例如，各摄像头按照预定视场角或预定间距设置于目标车辆的周身，因此，可通过如下方式将上述多张图像合并为目标拼接图像：首先获得目标车辆的多个摄像头之间的预设方位信息，例如第一摄像头位于第一方位，用于对以车身中心为原点的0度到40度视野范围内的图像进行摄取，第二摄像头位于第二方位，用于对以车身中心为原点的40度到80度范围内的图像进行摄取，第三摄像头位于第三方位，用于对以车身中心为原点的80度到120度范围内的图像进行摄取；然后，按照上述预设方位信息，对上述各摄像头摄取的各图像进行组合排布，获得目标拼接图像，例如，从左到右依次对上述第一摄像头、第二摄像头、第三摄像头所摄取的图像进行组合排布。在未预先设置各摄像头的方位的情况下，还可基于各图像是否包含相同摄取内容对其进行组合排布，具体的，可将上述多张图像中包含相同摄取内容的图像作为相邻图像，并基于该相邻图像进行组合排布，获得目标拼接图像。
S203，基于目标拼接图像对目标车辆对应的自动驾驶策略进行分析。
在上述步骤对图像编码流进行解码，并从解码后的图像中获得目标车辆在目标时间点对应的目标拼接图像之后，本步骤用于基于目标拼接图像对目标车辆对应的自动驾驶策略进行分析，例如，将目标拼接图像作为训练样本，对上述目标车辆对应的自动驾驶策略模型进行模型训练，以获得目标车辆适用的自动驾驶策略或对目标车辆已有的自动驾驶策略进行优化更新。
本实施例提供的车辆图像数据响应方法，首先接收来自目标车辆的图像编码流；对该图像编码流进行解码，并从解码后的图像中获得目标车辆在目标时间点对应的目标拼接图像，该目标拼接图像为对目标车辆在所述目标时间点对应的多张图像进行拼接处理后获得的图像；最后，基于目标拼接图像对目标车辆对应的自动驾驶策略进行分析。通过使用该方法，目标车辆将其目标拼接图像上传至云端服务器后，云端服务器无需对各摄像头对应的图像编码流分别进行解压缩，也无需在对目标车辆对应的自动驾驶策略进行数据分析时再针对各图像编码流进行时间戳对齐，可有效减少云端服务器的算力消耗，提升数据分析效率。
上述实施例提供了一种车辆图像数据处理方法，与之相对应的，本申请另一实施例还提供了一种车辆图像数据处理装置，该装置应用于智能车辆的车载图像处理设备，由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可，下述对装置实施例的描述仅仅是示意性的。
请参考图3理解该实施例，图3为本实施例提供的车辆图像数据处理装置的单元框图，如图3所示，本实施例提供的车辆图像数据处理装置包括：
图像获取单元301，用于获取目标车辆在目标时间点对应的多张图像；
图像拼接单元302，用于对所述多张图像进行拼接处理，获得所述目标车辆在所述目标时间点对应的目标拼接图像；
图像压缩及传输单元303，对所述目标拼接图像进行图像压缩处理，并将压缩后数据进行传输。
在一种实施方式中，所述对多张图像进行拼接处理，获得所述目标车辆在所述目标时间点对应的目标拼接图像，包括：将所述多张图像合并为所述目标拼接图像。
在一种实施方式中，所述将所述多张图像合并为所述目标拼接图像，包括：
获得所述目标车辆的多个摄像头之间的预设方位信息；
按照所述预设方位信息，对各所述摄像头摄取的各图像进行组合排布，获得所述目标拼接图像。
在一种实施方式中，所述将所述多张图像合并为所述目标拼接图像，包括：
将所述多张图像中包含相同摄取内容的图像作为相邻图像，并基于所述相邻图像进行组合排布，获得所述目标拼接图像。
在一种实施方式中，所述对所述目标拼接图像进行图像压缩处理，包括：
将所述多张图像中包含的相同摄取内容作为所述目标拼接图像的空间冗余信息，基于所述空间冗余信息进行帧内编码。
在一种实施方式中，所述将压缩后数据进行传输，包括：
将所述压缩后数据发送至云端服务器，以供所述云端服务器对所述压缩后数据进行解码，获得所述目标拼接图像，并基于所述目标拼接图像、对所述目标车辆对应的自动驾驶策略模型进行模型训练。
本申请实施例提供的车辆图像数据处理装置，通过将目标车辆在相同时间点对应的多张图像进行图像拼接，对拼接后的目标拼接图像进行图像压缩处理，该方式将目标车辆对应的多个摄像头的多次图像压缩过程融合为单次图像压缩过程，简化智能汽车图像采集过程中的图像压缩流程，可有效降低图像压缩过程的硬件资源及算力消耗；并且，本装置将车辆的多个摄像头对应的多次图像编码流传输过程融合为单次图像编码流传输过程，可有效降低智能车辆图像传输过程的复杂度，降低智能车辆图像上传过程的网络资源消耗。
在上述的实施例中，提供了一种车辆图像数据处理方法以及一种车辆图像数据处理装置，此外，本申请另一实施例还提供一种电子设备，由于电子设备实施例基本相似于方法实施例，所以描述得比较简单，相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可，下述对电子设备实施例的描述仅仅是示意性的。该电子设备实施例如下：
请参考图5理解本实施例，图5为本实施例提供的电子设备的示意图。
如图5所示，本实施例提供的电子设备包括：处理器501和存储器502；
该存储器502用于存储数据处理的计算机指令，该计算机指令在被处理器501读取执行时，执行如下操作：
获取目标车辆在目标时间点对应的多张图像；
对所述多张图像进行拼接处理，获得所述目标车辆在所述目标时间点对应的目标拼接图像；
对所述目标拼接图像进行图像压缩处理，并将压缩后数据进行传输。
在一种实施方式中，所述对所述多张图像进行拼接处理，获得所述目标车辆在所述目标时间点对应的目标拼接图像，包括：将所述多张图像合并为所述目标拼接图像。
在一种实施方式中，所述将所述多张图像合并为所述目标拼接图像，包括：
获得所述目标车辆的多个摄像头之间的预设方位信息；
按照所述预设方位信息，对各所述摄像头摄取的各图像进行组合排布，获得所述目标拼接图像。
在一种实施方式中，所述将所述多张图像合并为所述目标拼接图像，包括：
将所述多张图像中包含相同摄取内容的图像作为相邻图像，并基于所述相邻图像进行组合排布，获得所述目标拼接图像。
在一种实施方式中，所述对所述目标拼接图像进行图像压缩处理，包括：
将所述多张图像中包含的相同摄取内容作为所述目标拼接图像的空间冗余信息，基于所述空间冗余信息进行帧内编码。
在一种实施方式中，所述将压缩后数据进行传输，包括：
将所述压缩后数据发送至云端服务器，以供所述云端服务器对所述压缩后数据进行解码，获得所述目标拼接图像，并基于所述目标拼接图像、对所述目标车辆对应的自动驾驶策略模型进行模型训练。
本实施例提供的电子设备通过将目标车辆在相同时间点对应的多张图像进行图像拼接，对拼接后的目标拼接图像进行图像压缩处理，该方式将目标车辆对应的多个摄像头的多次图像压缩过程融合为单次图像压缩过程，简化智能汽车图像采集过程中的图像压缩流程，可有效降低图像压缩过程的硬件资源及算力消耗；并且，该电子设备将车辆的多个摄像头对应的多次图像编码流传输过程融合为单次图像编码流传输过程，可有效降低智能车辆图像传输过程的复杂度，降低智能车辆图像上传过程的网络资源消耗。
在上述的实施例中，提供了一种车辆图像数据处理方法、一种车辆图像数据处理装置以及一种电子设备，此外，本申请另一实施例还提供了一种用于实现上述方法的计算机可读存储介质。本申请提供的计算机可读存储介质实施例描述得比较简单，相关部分请参见上述方法实施例的对应说明即可，下述描述的实施例仅仅是示意性的。
本实施例提供的计算机可读存储介质上存储有计算机指令，该指令被处理器执行时实现以下步骤：
获取目标车辆在目标时间点对应的多张图像；
对所述多张图像进行拼接处理，获得所述目标车辆在所述目标时间点对应的目标拼接图像；
对所述目标拼接图像进行图像压缩处理，并将压缩后数据进行传输。
在一种实施方式中，所述对所述多张图像进行拼接处理，获得所述目标车辆在所述目标时间点对应的目标拼接图像，包括：将所述多张图像合并为所述目标拼接图像。
在一种实施方式中，所述将所述多张图像合并为所述目标拼接图像，包括：
获得所述目标车辆的多个摄像头之间的预设方位信息；
按照所述预设方位信息，对各所述摄像头摄取的各图像进行组合排布，获得所述目标拼接图像。
在一种实施方式中，所述将所述多张图像合并为所述目标拼接图像，包括：
将所述多张图像中包含相同摄取内容的图像作为相邻图像，并基于所述相邻图像进行组合排布，获得所述目标拼接图像。
在一种实施方式中，所述对所述目标拼接图像进行图像压缩处理，包括：
将所述多张图像中包含的相同摄取内容作为所述目标拼接图像的空间冗余信息，基于所述空间冗余信息进行帧内编码。
在一种实施方式中，所述将压缩后数据进行传输，包括：
将所述压缩后数据发送至云端服务器，以供所述云端服务器对所述压缩后数据进行解码，获得所述目标拼接图像，并基于所述目标拼接图像、对所述目标车辆对应的自动驾驶策略模型进行模型训练。
通过执行本实施例提供的计算机可读存储介质上所存储的计算机指令，可通过将目标车辆在相同时间点对应的多张图像进行图像拼接，对拼接后的目标拼接图像进行图像压缩处理，该方式将目标车辆对应的多个摄像头的多次图像压缩过程融合为单次图像压缩过程，简化智能汽车图像采集过程中的图像压缩流程，可有效降低图像压缩过程的硬件资源及算力消耗；并且，将车辆的多个摄像头对应的多次图像编码流传输过程融合为单次图像编码流传输过程，可有效降低智能车辆图像传输过程的复杂度，降低智能车辆图像上传过程的网络资源消耗。
上述实施例提供了一种车辆图像数据响应方法，与之相对应的，本申请另一实施例还提供了一种车辆图像数据响应装置，该装置应用于云端服务器，由于装置实施例基本相似于方法实施例，所以描述得比较简单，相关的技术特征的细节部分请参见上述提供的方法实施例的对应说明即可，下述对装置实施例的描述仅仅是示意性的。
请参考图4理解该实施例，图4为本实施例提供的车辆图像数据响应装置的单元框图，如图4所示，本实施例提供的车辆图像数据响应装置包括：
图像编码流接收单元401，用于接收来自目标车辆的图像编码流；
解码单元402，用于对所述图像编码流进行解码，并从解码后的图像中获得所述目标车辆在目标时间点对应的目标拼接图像，所述目标拼接图像为对目标车辆在所述目标时间点对应的多张图像进行拼接处理后获得的图像；
自动驾驶策略分析单元403，用于基于所述目标拼接图像对目标车辆对应的自动驾驶策略进行分析。
通过使用本实施例提供的车辆图像数据响应装置，目标车辆将其目标拼接图像上传至云端服务器后，云端服务器无需对各摄像头对应的图像编码流分别进行解压缩，也无需在对目标车辆对应的自动驾驶策略进行数据分析时再针对各图像编码流进行时间戳对齐，可有效减少云端服务器的算力消耗，提升数据分析效率。
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方法、系统或计算机程序产品。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。
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。
Claims (10)
1.一种车辆图像数据处理方法，其特征在于，应用于智能车辆的车载图像处理设备，所述方法包括：
获取目标车辆在目标时间点对应的多张图像；
对所述多张图像进行拼接处理，获得所述目标车辆在所述目标时间点对应的目标拼接图像；
对所述目标拼接图像进行图像压缩处理，并将压缩后数据进行传输。
2.根据权利要求1所述的方法，其特征在于，所述对所述多张图像进行拼接处理，获得所述目标车辆在所述目标时间点对应的目标拼接图像，包括：将所述多张图像合并为所述目标拼接图像。
3.根据权利要求2所述的方法，其特征在于，所述将所述多张图像合并为所述目标拼接图像，包括：
获得所述目标车辆的多个摄像头之间的预设方位信息；
按照所述预设方位信息，对各所述摄像头摄取的各图像进行组合排布，获得所述目标拼接图像。
4.根据权利要求2所述的方法，其特征在于，所述将所述多张图像合并为所述目标拼接图像，包括：
将所述多张图像中包含相同摄取内容的图像作为相邻图像，并基于所述相邻图像进行组合排布，获得所述目标拼接图像。
5.根据权利要求1所述的方法，其特征在于，所述对所述目标拼接图像进行图像压缩处理，包括：
将所述多张图像中包含的相同摄取内容作为所述目标拼接图像的空间冗余信息，基于所述空间冗余信息进行帧内编码。
6.根据权利要求1所述的方法，其特征在于，所述将压缩后数据进行传输，包括：
将所述压缩后数据发送至云端服务器，以供所述云端服务器对所述压缩后数据进行解码，获得所述目标拼接图像，并基于所述目标拼接图像对目标车辆对应的自动驾驶策略进行分析。
7.一种车辆图像数据响应方法，其特征在于，应用于云端服务器，所述方法包括：
接收来自目标车辆的图像编码流；
对所述图像编码流进行解码，并从解码后的图像中获得所述目标车辆在目标时间点对应的目标拼接图像，所述目标拼接图像为对目标车辆在所述目标时间点对应的多张图像进行拼接处理后获得的图像；
基于所述目标拼接图像对目标车辆对应的自动驾驶策略进行分析。
8.一种车辆图像数据处理装置，其特征在于，应用于智能车辆的车载图像处理设备，所述装置包括
图像获取单元，用于获取目标车辆在目标时间点对应的多张图像；
图像拼接单元，用于对所述多张图像进行拼接处理，获得所述目标车辆在所述目标时间点对应的目标拼接图像；
图像压缩及传输单元，对所述目标拼接图像进行图像压缩处理，并将压缩后数据进行传输。
9.一种电子设备，其特征在于，包括处理器和存储器；其中，
所述存储器用于存储一条或多条计算机指令，其中，所述一条或多条计算机指令被所述处理器执行以实现如权利要求1-7中任一项所述的方法。
10.一种计算机可读存储介质，其上存储有一条或多条计算机指令，其特征在于，该指令被处理器执行以实现如权利要求1-7中任一项所述的方法。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211598709.7A CN116017060A (zh) | 2022-12-12 | 2022-12-12 | 一种车辆图像数据处理方法以及装置 |
| PCT/CN2023/134271 WO2024125281A1 (zh) | 2022-12-12 | 2023-11-27 | 一种车辆图像数据处理方法以及装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211598709.7A CN116017060A (zh) | 2022-12-12 | 2022-12-12 | 一种车辆图像数据处理方法以及装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116017060A true CN116017060A (zh) | 2023-04-25 |
Family
ID=86020106
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211598709.7A Pending CN116017060A (zh) | 2022-12-12 | 2022-12-12 | 一种车辆图像数据处理方法以及装置 |
Country Status (2)
| Country | Link |
|---|---|
| CN (1) | CN116017060A (zh) |
| WO (1) | WO2024125281A1 (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024125281A1 (zh) * | 2022-12-12 | 2024-06-20 | 蔚来软件科技(上海)有限公司 | 一种车辆图像数据处理方法以及装置 |
Family Cites Families (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108184049A (zh) * | 2017-12-13 | 2018-06-19 | 深圳进化动力数码科技有限公司 | 行车记录装置 |
| CN108495089A (zh) * | 2018-04-02 | 2018-09-04 | 北京京东尚科信息技术有限公司 | 车辆监控方法、装置、系统以及计算机可读存储介质 |
| CN112714282A (zh) * | 2020-12-22 | 2021-04-27 | 北京百度网讯科技有限公司 | 远程控制中的图像处理方法、装置、设备和程序产品 |
| CN113302648B (zh) * | 2021-04-23 | 2022-09-16 | 华为技术有限公司 | 一种全景图像的生成方法、车载图像处理装置及车辆 |
| CN114926918A (zh) * | 2022-03-16 | 2022-08-19 | 深圳市德驰微视技术有限公司 | 基于域控制器平台的车载行车记录视频存储方法及系统 |
| CN114972023A (zh) * | 2022-04-21 | 2022-08-30 | 合众新能源汽车有限公司 | 图像拼接处理方法、装置、设备及计算机存储介质 |
| CN115375887A (zh) * | 2022-08-25 | 2022-11-22 | 苏州浪潮智能科技有限公司 | 一种移动目标轨迹预测方法、装置、设备及介质 |
| CN116017060A (zh) * | 2022-12-12 | 2023-04-25 | 蔚来软件科技(上海)有限公司 | 一种车辆图像数据处理方法以及装置 |
-
2022
- 2022-12-12 CN CN202211598709.7A patent/CN116017060A/zh active Pending
-
2023
- 2023-11-27 WO PCT/CN2023/134271 patent/WO2024125281A1/zh unknown
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024125281A1 (zh) * | 2022-12-12 | 2024-06-20 | 蔚来软件科技(上海)有限公司 | 一种车辆图像数据处理方法以及装置 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2024125281A1 (zh) | 2024-06-20 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| WO2024125281A1 (zh) | 一种车辆图像数据处理方法以及装置 | |
| CN111507342B (zh) | 一种图像处理方法、装置、系统及存储介质 | |
| CN114679607B (zh) | 一种视频帧率控制方法、装置、电子设备及存储介质 | |
| CN111327921A (zh) | 视频数据处理方法及设备 | |
| CN115379189B (zh) | 一种点云媒体的数据处理方法及相关设备 | |
| KR101668930B1 (ko) | 비디오 분석 인코딩 | |
| CN110944201A (zh) | 一种视频去重压缩的方法、装置、服务器及存储介质 | |
| CN115396645B (zh) | 一种沉浸媒体的数据处理方法、装置、设备及存储介质 | |
| EP3975133A1 (en) | Processing of images captured by vehicle mounted cameras | |
| WO2023226504A1 (zh) | 一种媒体数据处理方法、装置、设备以及可读存储介质 | |
| CN115866254A (zh) | 一种传输视频帧及摄像参数信息的方法与设备 | |
| CN113808157B (zh) | 图像处理方法、装置、及计算机设备 | |
| WO2022116822A1 (zh) | 沉浸式媒体的数据处理方法、装置和计算机可读存储介质 | |
| CN109874036B (zh) | 一种视频分析方法及装置、设备、存储介质 | |
| CN113727073A (zh) | 一种基于云计算实现车载视频监控的方法及系统 | |
| Al-Shakarji et al. | Performance evaluation of semantic video compression using multi-cue object detection | |
| CN115379188B (zh) | 点云数据处理方法、装置、设备及存储介质 | |
| CN114554243B (zh) | 点云媒体的数据处理方法、装置、设备及存储介质 | |
| WO2021244116A1 (zh) | 沉浸媒体的数据处理方法、装置、设备及存储介质 | |
| US20230062933A1 (en) | Data processing method, apparatus, and device for non-sequential point cloud media | |
| US20210398322A1 (en) | Approaches for compressing and distributing image data | |
| CN116980637A (zh) | 直播数据的处理系统、电子设备、存储介质及程序产品 | |
| CN115080531A (zh) | 基于分布式存储图像处理方法、系统、设备及介质 | |
| ZHANG et al. | Recent Advances in Video Coding for Machines Standard and Technologies | |
| CN113723162A (zh) | 物体识别的方法、系统和存储介质 |
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 |