CN116132818A - 用于自动驾驶的图像处理方法及系统 - Google Patents

用于自动驾驶的图像处理方法及系统 Download PDF

Info

Publication number
CN116132818A
CN116132818A CN202310050231.2A CN202310050231A CN116132818A CN 116132818 A CN116132818 A CN 116132818A CN 202310050231 A CN202310050231 A CN 202310050231A CN 116132818 A CN116132818 A CN 116132818A
Authority
CN
China
Prior art keywords
image
blocks
automatic driving
processing
importance
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.)
Granted
Application number
CN202310050231.2A
Other languages
English (en)
Other versions
CN116132818B (zh
Inventor
董中飞
贺光辉
任一帆
黄腾
罗飞
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Huixi Intelligent Technology Shanghai Co ltd
Original Assignee
Huixi Intelligent Technology Shanghai Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Huixi Intelligent Technology Shanghai Co ltd filed Critical Huixi Intelligent Technology Shanghai Co ltd
Priority to CN202310050231.2A priority Critical patent/CN116132818B/zh
Publication of CN116132818A publication Critical patent/CN116132818A/zh
Application granted granted Critical
Publication of CN116132818B publication Critical patent/CN116132818B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/10—Segmentation; Edge detection
    • G06T7/11—Region-based segmentation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10016—Video; Image sequence

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Theoretical Computer Science (AREA)
  • Computer And Data Communications (AREA)
  • Image Processing (AREA)

Abstract

本发明提供了一种用于自动驾驶的图像处理方法及系统，其中方法包括：将自动驾驶过程中一个或多个实时图像分成若干个图像块；对所述图像块根据其重要程度，以一定顺序有选择性地进行图像画面处理，同时发送一次通知；根据每一次通知，读取该通知所对应的图像块并进行图像视觉感知处理，还可以给出下一帧图像块重要性的参考意见，完成自动驾驶过程中的图像处理。本发明将图像划分为多个块，按块以重要性地进行相应的处理和传输，能够降低整个图像处理的延迟；按重要性有选择地处理图像块，可以降低系统的数据吞吐量，优化系统的性能。

Description

用于自动驾驶的图像处理方法及系统
技术领域
本发明涉及自动驾驶技术领域的一种图像处理技术，具体地，涉及一种用于自动驾驶的图像处理方法及系统，同时提供了一种相应的计算机终端及计算机可读存储介质。
背景技术
传统的自动驾驶系统中，图像处理器到视觉感知处理器的数据传输，是以帧为单位进行的。图像处理器处理一帧的图像，输出到存储器中，然后再通知视觉感知处理器从存储器中取出数据，进行人工智能视觉识别处理。这样，从图像处理器到视觉感知处理器的数据通路，就至少增加了一帧的延迟。以图像帧率为每秒30帧为例，就增加了33ms延迟。
其次，当一个图像处理器处理多个图像传感器采集的图像时，传统的图像驾驶系统一一般采用按时间轮转复用图像处理器的办法。假设图像处理器需要处理来自四个图像传感器的图像，一般按1->2->3->4->1->2…这样的顺序分时轮转使用。在这种情况下，对于每个图像传感器，连续两个图像之间的延迟是4帧，延迟大大增加了。
第三，在自动驾驶的图像处理系统中，并非所有的图像内容都是自动驾驶算法所感兴趣的。比如，某些情况下图像上半部分是天空，只需要图像的下半部分内容。某些情况下，自动驾驶系统只需要追踪路上的汽车、行人，也就是只需要整帧图像中一小部分图像块。传统的自动驾驶系统中，图像处理器和视觉感知处理器需要处理全帧图像，延迟和计算复杂度大大增加了。
最后，在图像处理和数据传输中，经常会出现图像处理到一半，发现图像损坏，就只能把当前帧的图像丢弃，从下一帧重新开始。但是视觉感知处理器可能只需要一部分图像数据。这样也增加了延迟和计算复杂度。
经过检索发现，公开号为CN208971624U的中国实用新型专利《车载摄像系统》，包括摄像头模组、解串器、处理器，所述摄像头模组、解串器、处理器依次连接；所述摄像头模组采集车辆周围环境的第一图像数据，并将第一图像数据转换为串行信号；所述解串器接收摄像头的串行信号，并将串行信号转回第二图像数据；所述处理器接收第二图像数据，并将第二图像数据进行处理。该系统仍然是以帧为单位进行图像传输，因此，该系统依旧没有解决上述技术问题。
公布号为CN111078475A与CN114679525A的专利，也是以帧为单位进行图像处理与传输。
公布号为CN113099133A虽然把图像分为若干子图像，但是它划分子图像的目的只是为了在多通道串行解串器链路上进行快速图像传输。划分子图像的方式纵向划分，并不像本发明可以把图像横向甚至网格状划分。而且并不涉及图像处理器，也不涉及视觉感知算法对图像重要性的排序与选择。
目前没有发现同本发明类似技术的说明或报道，也尚未收集到国内外类似的资料。
发明内容
本发明针对现有技术中存在的上述不足，提供了一种用于自动驾驶的图像处理方法及系统，同时提供了一种相应的计算机终端及计算机可读存储介质。
根据本发明的一个方面，提供了一种用于自动驾驶的图像处理方法，包括：
将自动驾驶过程中获取的实时图像分成若干个图像块；
按照设定的图像块重要性，对所述图像块进行选择，并对选择的图像块进行重要性从高到低的排序；
对所述选择的图像块按照所述排序进行图像画面处理并进行传输，同时每处理一个图像块发送一次通知；
根据每一次通知，读取该通知所对应的图像块并进行图像视觉感知处理，完成自动驾驶系统的图像处理流程。
可选地，采用一个或多个图像传感器，在自动驾驶过程中获取实时图像。
可选地，所述将自动驾驶过程中获取的实时图像分成若干个图像块，包括如下任意一种方式：
-将所述图像进行横向分块，获得相应的若干个图像块；
-将所述图像进行纵向分块，获得相应的若干个图像块；
-将所述图像进行纵横方向的网状分块，获得相应的若干个图像块。
可选地，所述图像块重要性按照以下任意一种方式设定：
-采用机器识别算法，获取图像块与图像视觉感知处理需求之间的关联关系，并根据所述关联关系赋予所述图像块相应的优先级，所述优先级即为所述图像块对应的图像块重要性；
-采用人工预先设定的方式，基于领域知识对图像块的重要性进行标记；
-根据图像块重要性的参考意见，对图像块的重要性进行标记。
可选地，所述对所述图像块进行选择，包括：
按照设定的图像块重要性，根据图像视觉感知处理的需求和图像视觉感知处理的结果，对往后若干帧图像块的重要性进行预测，并根据预测结果选择其中一部分用于进行后续处理的图像块。
可选地，还包括：
基于对往后若干帧图像块的重要性进行预测的结果，给出下一帧的图像块重要性的参考意见。
可选地，所述对每一个所述图像块进行图像画面处理，包括：去噪、去马赛克、锐化、去坏点、去黑电平、自动曝光、自动对焦、自动白平衡、高动态范围处理、gamma映射、色彩增强、色彩空间转换和/或图像畸变矫正。
可选地，所述根据每一次通知，读取该通知所对应的图像块并进行图像视觉感知处理，包括：行人识别、车辆识别、道路识别、场景识别、交通灯识别和/或路线规划。
根据本发明的另一个方面，提供了一种用于自动驾驶的图像处理系统，包括：
图像处理器模块，该模块用于将自动驾驶过程中获取的实时图像分成若干个图像块；按照设定的图像块重要性，对所述图像块进行选择，并对选择的图像块进行重要性从高到低的排序；对所述选择的图像块按照所述排序进行图像画面处理并进行传输，同时每处理一个图像块发送一次通知；
存储器模块，该模块用于存储所述图像处理器模块进行图像画面处理后的图像块；
视觉感知处理器模块，该模块用于根据所述图像处理起模块发出的每一次通知，从所述存储器模块中读取该通知所对应的图像块并进行图像视觉感知处理，完成自动驾驶过程中的图像处理。
可选地，该系统还包括：
图像传感器模块，该模块采用一个或多个图像传感器，用于获取自动驾驶过程中的实时图像。
根据本发明的第三个方面，提供了一种计算机终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时可用于执行上述中任一项所述的方法。
根据本发明的第四个方面，提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可用于执行上述中任一项所述的方法。
由于采用了上述技术方案，本发明与现有技术相比，具有如下至少一项的有益效果：
本发明提供的用于自动驾驶的图像处理方法及系统，将图像划分为多个块，按块进行相应的处理和传输，大大降低了自动驾驶系统的图像处理器到视觉感知处理器的延迟。
本发明提供的用于自动驾驶的图像处理方法及系统，将图像划分为多个块，对块的重要性进行定义和排序，优先其中重要性较高的图形块，降低了自动驾驶系统的图像处理器到视觉感知处理器的延迟。
本发明提供的用于自动驾驶的图像处理方法及系统，将图像划分为多个块，对块的重要性进行定义和排序，选择其中重要性较高的图形块进行处理，重要性低的不处理，大大降低了自动驾驶系统的图像处理器和视觉感知处理器的工作负载和计算复杂度。
本发明提供的用于自动驾驶的图像处理方法及系统，将图像划分为多个块，并按块进行相应的处理和传输，能够有效降低了自动驾驶系统的坏帧率，进一步降低了系统延迟。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、目的和优点将会变得更明显：
图1为本发明一优选实施例中用于自动驾驶的图像处理方法的工作流程图。
图2为本发明一优选实施例中用于自动驾驶的图像处理系统的组成模块示意图。
图3为本发明一优选实施例中图像分块示意图；其中，(a)为横向分块，(b)为纵向分块，(c)为网状分块。
图4为一种帧处理模式示意图。
图5为本发明一优选实施例中块处理模式示意图。
图6为本发明一优选实施例中图像视觉感知处理识别出的建筑、汽车和行人示意图。
具体实施方式
下面对本发明的实施例作详细说明：本实施例在以本发明技术方案为前提下进行实施，给出了详细的实施方式和具体的操作过程。应当指出的是，对本领域的普通技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些都属于本发明的保护范围。
本发明一实施例提供了一种用于自动驾驶的图像处理方法，该方法将图像划分为多个块，按照图像块的重要性，有选择地以一定顺序按块进行相应的处理和传输，能够降低图像处理器到视觉感知处理器的延迟，降低计算复杂度，降低丢帧率。
如图1所示，该实施例提供的用于自动驾驶的图像处理方法，可以包括：
S1，将自动驾驶过程中获取的实时图像分成若干个图像块；实时图像可以来自一个图像传感器，也可以来自多个图像传感器。在一优选实施例中，将自动驾驶过程中获取的实时图像分成若干个图像块，可以包括：将图像进行横向分块，获得相应的若干个图像块；在另一个优选实施例中，将自动驾驶过程中获取的实时图像分成若干个图像块，可以包括：将图像进行纵向分块，获得相应的若干个图像块；在第三个优选实施例中，将自动驾驶过程中获取的实时图像分成若干个图像块，可以包括：将图像进行纵横方向的网状分块，获得相应的若干个图像块。
S2,对每一个图像块按重要性进行选择和排序。作为选择和排序依据的图像块重要性，可以是工程人员实现按情况设定，也可以采用机器识别算法获得，还可以按图像视觉感知处理结果为依据。选择是指选择一部分图像块进行后续处理，在选择时，重要性较低的图像块或者对图像视觉感知处理没有用处的图像块可以选择不处理。在一优选实施例中，按照设定的图像块重要性，根据图像视觉感知处理的需求和图像视觉感知处理的结果，对往后若干帧图像块的重要性进行预测，并根据预测结果选择其中一部分图像块。例如，根据车辆当前行驶方向与速度，预测出图像中的物体(行人/汽车/电瓶车/车道/交通灯)在下一帧或者下几帧的图像中会出现在哪个或者哪些图像块，对预测出的图像块赋予相应的标记，对后续1帧或者几帧的图像块按照之前的标定的重要性和是否处理标记进行处理。排序是指对选择出的图像块的处理先后顺序进行排序。
对于图像块重要性设定的方式，可以采用如下任意一种：在一优选实施例中，采用人工预先设定的方式，基于领域知识对图像块的重要性进行标记。例如，程人员通过摄像头的安装位置和工程知识，对某一部分图像块赋予低优先级甚至不予处理。比如，摄像头拍到天空的那部分。在另一优选实施例中，采用机器识别算法，获取图像块与图像视觉感知处理需求之间的关联关系，并根据关联关系赋予图像块相应的优先级，优先级即为图像块对应的图像块重要性。例如，视觉感知处理器通过机器识别算法，识别出道路和道路上各种物体，比如行人/汽车/电瓶车/车道/交通灯等等。对包含这些物体的图像块赋予高优先级，对于不包含物体的道路以及道路旁的图像块赋予低优先级，对于远离道路的图像块不处理。在第三个优选实施例中，根据图像块重要性的参考意见，对图像块的重要性进行标记。例如，在自动驾驶中，与图像视觉感知处理需求关联性(用处)较大的包含有行人、汽车、道路等信息的图像块的重要性较高。
S3，对S2选择出的图像块按S2的排序进行图像画面处理并进行传输，同时每处理一个发出一次通知；在一优选实施例中，对每一个图像块进行图像画面处理，可以包括：去噪、去马赛克、锐化、去坏点、去黑电平、自动曝光、自动对焦、自动白平衡、高动态范围(WDR/HDR)处理、gamma映射、色彩增强、色彩空间转换、图像畸变矫正等。上述方法均可以采用本领域的现有技术实现，并获得相应的结果，此处不再赘述。
S4，根据每一次通知，读取该通知所对应的图像块并进行图像视觉感知处理，完成自动驾驶过程中的图像处理；在一优选实施例中，根据每一次通知，读取该通知所对应的图像块并进行图像视觉感知处理，可以包括：行人识别、车辆识别、道路识别、场景识别、交通灯识别、路线规划等。上述方法均可以采用本领域的现有技术实现，并获得相应的结果，此处不再赘述。
本发明一实施例提供了一种用于自动驾驶的图像处理系统。
如图2所示，该实施例提供的用于自动驾驶的图像处理系统，可以包括：
图像处理器模块，该模块用于将自动驾驶过程中获取的实时图像分成若干个图像块；按照设定的图像块重要性，对图像块进行选择，并对选择的图像块进行重要性从高到低的排序；对选择的图像块按照排序进行图像画面处理并进行传输，同时每处理一个图像块发送一次通知；
存储器模块，该模块用于存储图像处理器模块进行图像画面处理后的图像块；
视觉感知处理器模块，该模块用于根据图像处理起模块发出的每一次通知，从存储器模块中读取该通知所对应的图像块并进行图像视觉感知处理，完成自动驾驶过程中的图像处理。
在一优选实施例中，该系统还可以包括：
图像传感器模块，该模块采用一个或多个图像传感器，用于获取自动驾驶过程中的实时图像。
需要说明的是，本发明提供的方法中的步骤，可以利用系统中对应的模块等予以实现，本领域技术人员可以参照方法的技术方案实现系统的组成，即，方法中的实施例可理解为构建系统的优选例，在此不予赘述。
下面结合附图和具体应用实例，对本发明上述实施例提供的技术方案进一步说明。
本发明上述实施例提供的图像处理方法和系统，通过改变图像处理器到视觉感知处理器的数据处理和传输通路，将帧模式改进为块模式，并对图像块进行选择和排序，有效降低了自动驾驶系统的延迟与计算复杂度。
在本发明上述实施例中，将自动驾驶过程中的实时图像分成若干个块。对采集到的图像块进行选择和排序。图像处理器模块按照选择和排序的结果处理并传输完成每个块的图像，就向视觉感知处理器模块发一次通知。这样，图像处理器和视觉感知处理器并不需要处理所有采集到的图像。并且可以优先处理更重要的图像内容。同时，视觉感知处理器模块就可以在接收到一条通知时，就开始从存储器模块中读取该通知所对应的图像块并处理数据，不需要等待图像处理器处理完成整个帧。如图5所示。
这种方式相比于传统的帧模式，大大减轻了延迟与算法复杂度。
如图3中(a)～(c)所示，图像可以横向分块，纵向分块，也可以纵横方向网状分块。
在本发明中，视觉感知处理器模块可以只使用一部分图像内容。因此，在按块处理的模式下，即使出现了帧损坏的情况，只要组成视觉感知处理器模块感兴趣的那部分块是正常数据，自动驾驶系统就可以正常运行，不需要丢弃坏帧。
在一具体应用实例中，车辆在正常高速路段行驶，视觉感知处理器模块在大部分情况下，只需要前摄像头的下半部分图像内容，上半部分图像拍摄的是天空，视觉感知处理器模块并不需要。在这种情况下，图像处理器和视觉感知处理器就只需要处理图像下半部分的内容。
更进一步，如图6所示，视觉感知处理器识别出了图像中的行人，汽车和建筑物等物体。在图6中，将包含汽车和行人的图像块赋予高优先级标记，包含建筑的图像块赋予低优先级标记，后续一帧可以按照此标记处理。那么对于后续一段短时间内的图像，只需要处理行人，汽车和建筑物附近的图像。其中行人和汽车信息对于自动驾驶比较重要，处理的优选顺序靠前。建筑物的图像处理优先顺序可以排序靠后。其他画面可以不进行处理。这样可以降低系统延迟和计算复杂度。
另外，当视觉感知处理器模块按块模式读取和处理图像时，如果图像采集和传输在感兴趣区域之外出现问题，视觉感知处理器模块仍然可以把这帧图像当成正常帧处理，不用丢弃坏帧。这样，有效降低了自动驾驶系统的坏帧率，增强了系统的鲁棒性，降低了延迟。
本发明一实施例提供了一种计算机终端，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时可用于执行本发明上述实施例中任一项方法。
可选地，存储器，用于存储程序；存储器，可以包括易失性存储器(英文：volatilememory)，例如随机存取存储器(英文：random-access memory，缩写：RAM)，如静态随机存取存储器(英文：static random-access memory，缩写：SRAM)，双倍数据率同步动态随机存取存储器(英文：Double Data Rate Synchronous Dynamic Random Access Memory，缩写：DDR SDRAM)等；存储器也可以包括非易失性存储器(英文：non-volatile memory)，例如快闪存储器(英文：flash memory)。存储器用于存储计算机程序(如实现上述方法的应用程序、功能模块等)、计算机指令等，上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器中。并且上述的计算机程序、计算机指令、数据等可以被处理器调用。
上述的计算机程序、计算机指令等可以分区存储在一个或多个存储器中。并且上述的计算机程序、计算机指令、数据等可以被处理器调用。
处理器，用于执行存储器存储的计算机程序，以实现上述实施例涉及的方法中的各个步骤或系统各种的各个模块。具体可以参见前面方法和系统实施例中的相关描述。
处理器和存储器可以是独立结构，也可以是集成在一起的集成结构。当处理器和存储器是独立结构时，存储器、处理器可以通过总线耦合连接。
本发明一实施例还提供了一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时可用于执行本发明上述实施例中任一项方法。
本发明上述实施例提供的用于自动驾驶的图像处理方法及系统，将图像划分为多个块，按块进行相应的处理和传输，大大降低了自动驾驶系统的图像处理器到视觉感知处理器的延迟。对块的重要性进行定义和排序，优先其中重要性较高的图形块，降低了自动驾驶系统的图像处理器到视觉感知处理器的延迟。选择其中重要性较高的图形块进行处理，重要性低的不处理，大大降低了自动驾驶系统的图像处理器和视觉感知处理器的工作负载和计算复杂度。按块进行相应的处理和传输，能够有效降低了自动驾驶系统的坏帧率，进一步降低了系统延迟。
本发明上述实施例中未尽事宜均为本领域公知技术。
以上对本发明的具体实施例进行了描述。需要理解的是，本发明并不局限于上述特定实施方式，本领域技术人员可以在权利要求的范围内做出各种变形或修改，这并不影响本发明的实质内容。

Claims (12)

1.一种用于自动驾驶的图像处理方法，其特征在于，包括：
将自动驾驶过程中获取的实时图像分成若干个图像块；
按照设定的图像块重要性，对所述图像块进行选择，并对选择的图像块进行重要性从高到低的排序；
对所述选择的图像块按照所述排序进行图像画面处理并进行传输，同时每处理一个图像块发送一次通知；
根据每一次通知，读取该通知所对应的图像块并进行图像视觉感知处理，完成自动驾驶系统的图像处理流程。
2.根据权利要求1所述的用于自动驾驶的图像处理方法，其特征在于，采用一个或多个图像传感器，在自动驾驶过程中获取实时图像。
3.根据权利要求1所述的用于自动驾驶的图像处理方法，其特征在于，所述将自动驾驶过程中获取的实时图像分成若干个图像块，包括如下任意一种方式：
-将所述图像进行横向分块，获得相应的若干个图像块；
-将所述图像进行纵向分块，获得相应的若干个图像块；
-将所述图像进行纵横方向的网状分块，获得相应的若干个图像块。
4.根据权利要求1所述的用于自动驾驶的图像处理方法，其特征在于，所述图像块重要性按照以下任意一种方式设定：
-采用机器识别算法，获取图像块与图像视觉感知处理需求之间的关联关系，并根据所述关联关系赋予所述图像块相应的优先级，所述优先级即为所述图像块对应的图像块重要性；
-采用人工预先设定的方式，基于领域知识对图像块的重要性进行标记；
-根据图像块重要性的参考意见，对图像块的重要性进行标记。
5.根据权利要求1所述的用于自动驾驶的图像处理方法，其特征在于，所述对所述图像块进行选择，包括：
按照设定的图像块重要性，根据图像视觉感知处理的需求和图像视觉感知处理的结果，对往后若干帧图像块的重要性进行预测，并根据预测结果选择其中一部分图像块。
6.根据权利要求5所述的用于自动驾驶的图像处理方法，其特征在于，还包括：
基于对往后若干帧图像块的重要性进行预测的结果，给出下一帧的图像块重要性的参考意见。
7.根据权利要求1所述的用于自动驾驶的图像处理方法，其特征在于，所述对每一个所述图像块进行图像画面处理，包括：去噪、去马赛克、锐化、去坏点、去黑电平、自动曝光、自动对焦、自动白平衡、高动态范围处理、gamma映射、色彩增强、色彩空间转换和/或图像畸变矫正。
8.根据权利要求1所述的用于自动驾驶的图像处理方法，其特征在于，所述根据每一次通知，读取该通知所对应的图像块并进行图像视觉感知处理，包括：行人识别、车辆识别、道路识别、场景识别、交通灯识别和/或路线规划。
9.一种用于自动驾驶的图像处理系统，其特征在于，包括：
图像处理器模块，该模块用于将自动驾驶过程中获取的实时图像分成若干个图像块；按照设定的图像块重要性，对所述图像块进行选择，并对选择的图像块进行重要性从高到低的排序；对所述选择的图像块按照所述排序进行图像画面处理并进行传输，同时每处理一个图像块发送一次通知；
存储器模块，该模块用于存储所述图像处理器模块进行图像画面处理后的图像块；
视觉感知处理器模块，该模块用于根据所述图像处理起模块发出的每一次通知，从所述存储器模块中读取该通知所对应的图像块并进行图像视觉感知处理，完成自动驾驶过程中的图像处理。
10.根据权利要求9所述的用于自动驾驶的图像处理系统，其特征在于，还包括：
图像传感器模块，该模块采用一个或多个图像传感器，用于获取自动驾驶过程中的实时图像。
11.一种计算机终端，包括存储器、处理器及存储在存储器上并可在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程序时可用于执行权利要求1-8中任一项所述的方法，或，运行权利要求9-10中任一项所述的系统。
12.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时可用于执行权利要求1-8中任一项所述的方法，或，运行权利要求9-10中任一项所述的系统。
CN202310050231.2A 2023-02-01 2023-02-01 用于自动驾驶的图像处理方法及系统 Active CN116132818B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310050231.2A CN116132818B (zh) 2023-02-01 2023-02-01 用于自动驾驶的图像处理方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310050231.2A CN116132818B (zh) 2023-02-01 2023-02-01 用于自动驾驶的图像处理方法及系统

Publications (2)

Publication Number Publication Date
CN116132818A true CN116132818A (zh) 2023-05-16
CN116132818B CN116132818B (zh) 2024-05-24

Family

ID=86296939

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310050231.2A Active CN116132818B (zh) 2023-02-01 2023-02-01 用于自动驾驶的图像处理方法及系统

Country Status (1)

Country Link
CN (1) CN116132818B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116563172A (zh) * 2023-07-11 2023-08-08 天津智教云科技有限公司 一种vr全球化在线教育互动优化增强方法及装置

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104065967A (zh) * 2014-05-30 2014-09-24 西安空间无线电技术研究所 一种基于图像信息隐藏的卫星数据传输方法
CN104665856A (zh) * 2013-11-26 2015-06-03 上海西门子医疗器械有限公司 医学图像处理方法、医学图像处理装置及医学x线影像设备
CN108133233A (zh) * 2017-12-18 2018-06-08 中山大学 一种多标签图像识别方法及装置
CN112116567A (zh) * 2020-09-10 2020-12-22 广东电网有限责任公司广州供电局 一种无参考图像质量评价方法、装置及存储介质
WO2021017291A1 (zh) * 2019-07-31 2021-02-04 平安科技（深圳）有限公司 基于Darkflow-DeepSort的多目标追踪检测方法、装置及存储介质
CN112543934A (zh) * 2018-06-22 2021-03-23 H-Labs股份有限公司 一种确定异常程度的方法、相应的计算机可读介质和分布式癌症分析系统
CN112686259A (zh) * 2020-12-16 2021-04-20 中国石油大学(北京) 基于深度学习的岩石图像智能识别方法、装置及存储介质
CN113850753A (zh) * 2021-08-17 2021-12-28 苏州鸿熙融合智能医疗科技有限公司 医学图像信息计算方法、装置、边缘计算设备和存储介质
CN113901904A (zh) * 2021-09-29 2022-01-07 北京百度网讯科技有限公司 图像处理方法、人脸识别模型训练方法、装置及设备
CN115187952A (zh) * 2021-04-01 2022-10-14 北京图森智途科技有限公司 一种车道线检测方法、装置、电子设备及存储介质
CN115294409A (zh) * 2022-10-08 2022-11-04 南通商翼信息科技有限公司 一种用于安防监控的视频压缩方法、系统及介质
CN115514976A (zh) * 2022-07-15 2022-12-23 中国电信股份有限公司 图像编码方法、解码方法、装置、可读介质及电子设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104665856A (zh) * 2013-11-26 2015-06-03 上海西门子医疗器械有限公司 医学图像处理方法、医学图像处理装置及医学x线影像设备
CN104065967A (zh) * 2014-05-30 2014-09-24 西安空间无线电技术研究所 一种基于图像信息隐藏的卫星数据传输方法
CN108133233A (zh) * 2017-12-18 2018-06-08 中山大学 一种多标签图像识别方法及装置
CN112543934A (zh) * 2018-06-22 2021-03-23 H-Labs股份有限公司 一种确定异常程度的方法、相应的计算机可读介质和分布式癌症分析系统
WO2021017291A1 (zh) * 2019-07-31 2021-02-04 平安科技（深圳）有限公司 基于Darkflow-DeepSort的多目标追踪检测方法、装置及存储介质
CN112116567A (zh) * 2020-09-10 2020-12-22 广东电网有限责任公司广州供电局 一种无参考图像质量评价方法、装置及存储介质
CN112686259A (zh) * 2020-12-16 2021-04-20 中国石油大学(北京) 基于深度学习的岩石图像智能识别方法、装置及存储介质
CN115187952A (zh) * 2021-04-01 2022-10-14 北京图森智途科技有限公司 一种车道线检测方法、装置、电子设备及存储介质
CN113850753A (zh) * 2021-08-17 2021-12-28 苏州鸿熙融合智能医疗科技有限公司 医学图像信息计算方法、装置、边缘计算设备和存储介质
CN113901904A (zh) * 2021-09-29 2022-01-07 北京百度网讯科技有限公司 图像处理方法、人脸识别模型训练方法、装置及设备
CN115514976A (zh) * 2022-07-15 2022-12-23 中国电信股份有限公司 图像编码方法、解码方法、装置、可读介质及电子设备
CN115294409A (zh) * 2022-10-08 2022-11-04 南通商翼信息科技有限公司 一种用于安防监控的视频压缩方法、系统及介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116563172A (zh) * 2023-07-11 2023-08-08 天津智教云科技有限公司 一种vr全球化在线教育互动优化增强方法及装置
CN116563172B (zh) * 2023-07-11 2023-09-08 天津智教云科技有限公司 一种vr全球化在线教育互动优化增强方法及装置

Also Published As

Publication number Publication date
CN116132818B (zh) 2024-05-24

Similar Documents

Publication Publication Date Title
US9361670B2 (en) Method and system for image haze removal based on hybrid dark channel prior
US7006667B2 (en) Apparatus and method for detecting road white line for automotive vehicle
CN116132818B (zh) 用于自动驾驶的图像处理方法及系统
CN112417943A (zh) 利用算法天际线检测的经改进高级驾驶员辅助系统(adas)操作
US11004233B1 (en) Intelligent vision-based detection and ranging system and method
CN106971185B (zh) 一种基于全卷积网络的车牌定位方法及装置
CN103186887B (zh) 图像除雾装置和图像除雾方法
CN105206109A (zh) 一种基于红外ccd的车辆雾天识别预警系统及方法
CN107909036B (zh) 一种基于视差图的道路检测方法及装置
US9977986B2 (en) Method and apparatus for switching a region of interest
CN115761668A (zh) 摄像头的污渍识别方法、装置、车辆及存储介质
US9953235B2 (en) Image pickup device, vehicle number image pickup device, and image pickup method
CN111319560A (zh) 信息处理系统、程序和信息处理方法
CN117218576A (zh) 一种基于视频识别的毫米波雷达点云自动标注方法
CN112241963A (zh) 基于车载视频的车道线识别方法、系统和电子设备
JP2022011822A (ja) リソース管理装置及びリソース管理方法
CN116824630A (zh) 一种轻量化红外图像行人目标检测方法
JP2007058282A (ja) 画像認識処理装置
JP7052265B2 (ja) 情報処理装置、撮像装置、機器制御システム、移動体、情報処理方法、及び、情報処理プログラム
JP7383954B2 (ja) 学習用データ収集装置
CN112241004B (zh) 物体识别装置
CN107274674B (zh) 一种基于视频识别的停车区域管理方法、装置及系统
JP2004304303A (ja) 対象物認識装置および対象物認識方法
CN113139985A (zh) 消除无人机与地面站通信延迟影响的跟踪目标框选方法
CN113671458A (zh) 一种目标物体识别方法及装置

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