CN116168360A - 基于图像的感知场景判断方法、装置及电子设备、存储介质 - Google Patents

基于图像的感知场景判断方法、装置及电子设备、存储介质 Download PDF

Info

Publication number
CN116168360A
CN116168360A CN202310028962.7A CN202310028962A CN116168360A CN 116168360 A CN116168360 A CN 116168360A CN 202310028962 A CN202310028962 A CN 202310028962A CN 116168360 A CN116168360 A CN 116168360A
Authority
CN
China
Prior art keywords
image
current frame
preset
images
dark
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
Application number
CN202310028962.7A
Other languages
English (en)
Inventor
阮善恩
程垚
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.)
Zhidao Network Technology Beijing Co Ltd
Original Assignee
Zhidao Network Technology Beijing 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 Zhidao Network Technology Beijing Co Ltd filed Critical Zhidao Network Technology Beijing Co Ltd
Priority to CN202310028962.7A priority Critical patent/CN116168360A/zh
Publication of CN116168360A publication Critical patent/CN116168360A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Multimedia (AREA)
  • Theoretical Computer Science (AREA)
  • Image Analysis (AREA)

Abstract

本申请公开了一种基于图像的感知场景判断方法、装置及电子设备、存储介质，所述方法包括实时获取相机拍摄图像中的连续帧图像；根据所述连续帧图像的每一帧图像中的预设图像块的占比，判断当前帧图像是否为目标图像；如果判断当前帧图像为目标图像，则监测所述目标图像是否连续出现；如果判断所述目标图像连续出现，则判断相机拍摄图像处于黑暗感知场景。通过本申请排除了局部亮块在黑暗场景中的干扰，使得基于图像对黑暗感知场景的判断更加精准。

Description

基于图像的感知场景判断方法、装置及电子设备、存储介质
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种基于图像的感知场景判断方法、装置及电子设备、存储介质。
背景技术
自动驾驶中的视觉感知模块通过图像或视频数据来了解车辆周围环境，具体的任务包括物体检测和跟踪(2D或3D物体)，语义分割(2D或3D场景)等。在自动驾驶中检测图像是否过暗具有重要的意义，可以判断图像是否过暗进行相应的操作切换或在融合阶段降低置信度。同时，检测图像是否过暗对于车路协同中路侧端也具有重要的意义。路侧端通常背景固定，因此受到外部场景的亮度的影响较大，如果受到亮度影响时图像感知的置信度同样会降低。
相关技术中，通常是通过对图像进行灰度判断，如果灰度阈值小于一定阈值，则认为图像处于暗光状态。但是这样的全局判断往往存在缺陷，比如局部明亮(亮点)的区域会平均整体灰度，使得判断出现错误。
发明内容
本申请实施例提供了基于图像的感知场景判断方法、装置及电子设备、存储介质，以实时判读黑暗感知场景。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种基于图像的感知场景判断方法，其中，所述方法包括：
实时获取相机拍摄图像中的连续帧图像；
根据所述连续帧图像的每一帧图像中的预设图像块的占比，判断当前帧图像是否为目标图像；
如果判断当前帧图像为目标图像，则监测所述目标图像是否连续出现；
如果判断所述目标图像连续出现，则判断相机拍摄图像处于黑暗感知场景。
在一些实施例中，如果判断所述相机拍摄图像处于黑暗感知场景，则向感知融合模块发出报警信号，其中所述感知融合模块可部署在路侧端和/或车端；
根据所述报警信号，降低所述感知融合模块中对于所述相机拍摄图像处于黑暗感知场景下时对应的感知结果的置信度或权重。
在一些实施例中，所述判断相机拍摄图像处于黑暗感知场景，包括：在路侧端和/或车端实时判断所述目标图像连续出现的次数是否达到预设次数。
在一些实施例中，所述判断当前帧图像是否为目标图像，包括：在路侧端和/或车端实时判断当前帧图像中出现的预设图像块中属于暗块以及非暗块的占比是否达到预设占比。
在一些实施例中，所述根据所述连续帧图像的每一帧图像中的预设图像块的占比，判断当前帧图像是否为目标图像，包括：
将所述连续帧图像的每一帧图像进行网格划分，得到M*N个网格块；
如果所述当前帧图像中的所述网格块中的灰度平均值小于第一预设门限阈值，则判断所述当前帧图像中的所述网格块为预设图像块；
根据所述预设图像块在所述当前帧图像中的占比，判断当前帧图像是否为目标图像。
在一些实施例中，所述根据所述预设图像块在所述当前帧图像中的占比，判断当前帧图像是否为目标图像，包括：
统计所述当前帧图像中的全部的所述预设图像块的数量；
如果所述当前帧图像中全部的所述预设图像块的数量占比大于第二预设门限阈值，则判断当前帧图像为目标图像。
在一些实施例中，所述实时获取相机拍摄图像中的连续帧图像，包括：
对相机拍摄图像中的连续帧图像进行降采样处理，并对降采样处理后的图像进行图像灰度处理，之后获取所述连续帧图像。
第二方面，本申请实施例还提供一种基于图像的感知场景判断装置，其中，所述装置包括：
图像帧获取模块，用于实时获取相机拍摄图像中的连续帧图像；
判断模块，用于根据所述连续帧图像的每一帧图像中的预设图像块的占比，判断当前帧图像是否为目标图像；
监测模块，用于在如果判断当前帧图像为目标图像时，则监测所述目标图像是否连续出现；
第二判断模块，用于在如果判断所述目标图像连续出现时，则判断相机拍摄图像处于黑暗感知场景。
第三方面，本申请实施例还提供一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：实时获取相机拍摄图像中的连续帧图像之后根据所述连续帧图像的每一帧图像中的预设图像块的占比，判断当前帧图像是否为目标图像，接着判断当前帧图像为目标图像且是否连续出现，如果连续出现则认为相机摄图像处于黑暗感知场景。实时判断出感知场景之后，可以对下游感知融合模块进行报警，即相机采集的图像信息当前不可用或者不可靠，降低图像中出现的局部亮点出现在黑暗场景中时对于融合结果的影响。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为基于图像的感知场景判断方法的流程示意图；
图2为基于图像的感知场景判断装置的结构示意图；
图3为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，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，都属于本申请保护的范围。
自动驾驶中环境感知是自动驾驶的核心技术之一，其核心作用是感知车辆周围的行人、车辆、障碍物、车道线以及红绿灯等交通标志。在L3及以上级别的自动驾驶系统中，基于摄像头、激光雷达等多传感器的融合感知方案是当下主流方案。
多传感器融合感知方法可以弥补单一传感器的不足，相机虽然能感知丰富的纹理以及颜色信息，但与障碍物之间的距离的感知能力较弱，同时容易受到光照条件影响。只有保证了各传感器感知时的正常使用，减少干扰，才能够使得传感器的融合可以发挥各自优势，为自动驾驶车或路侧端提供更为冗余的信息。如果能够对黑暗环境进行实时判断，而不是等到融合阶段再进行判别，可以提高多传感器融合的效率和准确度。
针对上述不足，本申请实施例中的基于图像的感知场景判断方法，排除了亮块在黑暗场景中的干扰，使得暗场景判断更加精准。由于计算量小，能在实时环境中使用。实时的感知场景判断对于自动驾驶以及车路协同中的路侧端具有很大意义。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种基于图像的感知场景判断方法，如图1所示，提供了本申请实施例中基于图像的感知场景判断方法流程示意图，所述方法至少包括如下的步骤S110至步骤S140：
步骤S110，实时获取相机拍摄图像中的连续帧图像。
相机可以部署在车端或者路侧端。
自动驾驶的车端，对于实时性的要求较高，需要实时获取相机拍摄图像中的连续帧图像并用于之后的实时处理。如果获取的相机拍摄图像并非实时的，则无法实时判断感知场景，进一步会影响之后多传感器融合结果。
需要注意的是，为了保证判断的精度，需要对所有的连续帧图像都进行实时获取并用于之后的图像块占比计算。
步骤S120，根据所述连续帧图像的每一帧图像中的预设图像块的占比，判断当前帧图像是否为目标图像。
对于连续帧图像中的每一帧图像都会进行判断，首先计算出每一帧图像中的预设图像块的占比。
这里的“预设图像块”并不是像素图像块，而是按照预设网格划分得到的图像块。对于这些图像块在每一帧的图像中都有一个数量占比。当然“预设图像块”并不仅指代一种图像类型的图像块。
根据预设图像块的占比，进一步判断当前帧图像是否为受到其他外部环境因素影响的目标图像。可以理解，这里的目标图像即表示对应那一帧中的图像。
步骤S130，如果判断当前帧图像为目标图像，则监测所述目标图像是否连续出现。
对于判断为目标图像的情况，会继续监测所述目标图像是否在一定时间内连续出现或者说是否在连续帧内连续出现。这样可以避免错检的情况发生，同时均衡局部亮度或亮点带来的干扰。
可以理解，监测是否连续出现所述目标图像的方式即是监控连续帧中的预设图像块的占比。
步骤S140，如果判断所述目标图像连续出现，则判断相机拍摄图像处于黑暗感知场景。
对于判断为目标图像且连续出现的情况，则判断结果是相机拍摄图像处于黑暗感知场景，则会对下游多传感器融合阶段进行报警，避免对处于黑暗感知场景的相机拍摄图像的使用。或者，判断相机感知结果为失效。
对于不可靠的黑暗感知场景，即判断感知环境是否可以作为相机的感知环境。
通过上述方法，一方面能够排除了局部亮块在黑暗场景中的干扰，使得基于图像对黑暗感知场景的判断更加精准。
另一方面整体计算量较少，相较于基于深度学习的检测方法，避免了数据的采集；而相较于计算平均灰度的传统的方法，提高了检测的准确率。
在本申请的一个实施例中，所述方法还包括：如果判断所述相机拍摄图像处于黑暗感知场景，则向感知融合模块发出报警信号，其中所述感知融合模块可部署在路侧端和/或车端；根据所述报警信号，降低所述感知融合模块中对于所述相机拍摄图像处于黑暗感知场景下时对应的感知结果的置信度或权重。
如果判断相机拍摄图像处于黑暗感知场景时，会向不同端的感知融合模块发出报警信号，根据报警信息降低相机在拍摄图像处于黑暗感知场景时的感知结果的置信度或者权重。这样一来，减少或降低了局部亮点或者光，对于相机拍摄图像的影响。
在车端而言，对于实时性的要求较高，所以根据实时判断结果决定融合感知结果中的相机感知结果是否可用。特别地，降低了对于局部亮点或亮光的出现的干扰，提高感知结果的精确度。
在路端而言，通常对于实时性的要求虽然不高，但是在有目标跟踪任务的场景下仍需要感知结果的实时性。比如，对于经过路口的车辆进行目标跟踪时，可降低了对于局部亮点或亮光的出现的干扰，提高感知结果的精确度。
在本申请的一个实施例中，所述判断相机拍摄图像处于黑暗感知场景，包括：在路侧端和/或车端实时判断所述目标图像连续出现的次数是否达到预设次数。
如果连续出现目标图像的次数达到了预设的次数比如3次(帧)，则认为判断出相机拍摄图像处于黑暗感知场景。如果不大于3次，则认为相机拍摄图像并非处于黑暗感知场景。
可以理解，预设次数根据实际需要的精度进行调节，在本申请的实施例中并不进行具体限定。
在本申请的一个实施例中，所述判断当前帧图像是否为目标图像，包括：在路侧端和/或车端实时判断当前帧图像中出现的预设图像块中属于暗块以及非暗块的占比是否达到预设占比。
对于预设图像块中属于暗块的占比，是指按照预设网格划分得到的图像块，并非像素图像网格中的像素占比。这里使用属于暗块以及非暗块的占比是否达到预设占比，主要也是考虑局部亮点/亮光的影响，如果仍用平均灰度值计算，则无法发现或者滤除掉局部亮点的影响。
在本申请的一个实施例中，所述根据所述连续帧图像的每一帧图像中的预设图像块的占比，判断当前帧图像是否为目标图像，包括：将所述连续帧图像的每一帧图像进行网格划分，得到M*N个网格块；如果所述当前帧图像中的所述网格块中的灰度平均值小于第一预设门限阈值，则判断所述当前帧图像中的所述网格块为预设图像块；根据所述预设图像块在所述当前帧图像中的占比，判断当前帧图像是否为目标图像。
将经过预处理之后的多帧连续图像中的每一帧图像进行网格划分，分成M*N个bin即网格块。
优选地，本申请实施例中设定一个bin的大小为32*32。
同时初始化一个M*N矩阵Matrix。
在每一个bin中统计每一个bin的灰度平均值。以第k(i，j)个位列，第K个位列bin的平均灰度：
Figure BDA0004045899200000071
计算所有图块的平均灰度可知，图像中有多少个预设图像块是黑块，有多少预设图像块的不黑块。
判断每一个bin是否是黑暗块，设定黑暗阈值th 1(第一预设门限阈值)为20，如果第k个bin的平均灰度小于黑暗块阈值，则将第k个bin记为1,即Matrix(k)＝1；
在本申请的一个实施例中，所述根据所述预设图像块在所述当前帧图像中的占比，判断当前帧图像是否为目标图像，包括：统计所述当前帧图像中的全部的所述预设图像块的数量；如果所述当前帧图像中全部的所述预设图像块的数量占比大于第二预设门限阈值，则判断当前帧图像为目标图像。
在所有bin中统计黑暗块个数，并求黑块比例：
Figure BDA0004045899200000081
黑暗感知场景判断时，根据设定暗块比例阈值th 2(第二预设门限阈值)＝0.8。如果上述计算结果ratio>th2,则认为图像处于黑暗感知场景。
在本申请的一个实施例中，所述实时获取相机拍摄图像中的连续帧图像，包括：对相机拍摄图像中的连续帧图像进行降采样处理，并对降采样处理后的图像进行图像灰度处理，之后获取所述连续帧图像。
优选地，为了提高检测速度，先对图像进行降采样。根据相机的采集实际频率选择是否进行降采样。
采用降采样，即是采样点数减少。对于一幅N*M的图像来说，如果降采样系数为k,则即是在原图中每行每列每隔L个点取一个点组成一幅图像。
本申请的实施例中每一帧图像降采样4倍，并且在降采样的同时可以进行对图像灰度处理。之后经过灰度之后的每一帧图像中的预设图像块的占比，。
本申请实施例还提供了基于图像的感知场景判断装置200，如图2所示，提供了本申请实施例中基于图像的感知场景判断装置的结构示意图，所述装置200至少包括：图像帧获取模块210、第一判断模块220、监测模块230以及第二判断模块240，其中：
在本申请的一个实施例中，所述图像帧获取模块210具体用于：实时获取相机拍摄图像中的连续帧图像。
相机可以部署在车端或者路侧端。
对于自动驾驶的车端而言，对于实时性的要求较高，需要实时获取相机拍摄图像中的连续帧图像并用于之后的实时处理。如果获取的相机拍摄图像并非实时的，则无法实时判断感知场景，进一步会影响之后多传感器融合结果。
需要注意的是，为了保证判断的精度，需要对所有的连续帧图像都进行实时获取并用于之后的计算。
在本申请的一个实施例中，所述第一判断模块220具体用于：根据所述连续帧图像的每一帧图像中的预设图像块的占比，判断当前帧图像是否为目标图像。
对于连续帧图像中的每一帧图像都会进行判断，首先计算出每一帧图像中的预设图像块的占比。
这里的“预设图像块”并不是像素图像块，而是按照预设网格划分得到的图像块。对于这些图像块在每一帧的图像中都有一个数量占比。当然“预设图像块”并不仅指代一种图像类型的图像块。
根据预设图像块的占比，进一步判断当前帧图像是否为受到其他外部环境因素影响的目标图像。可以理解，这里的目标图像即表示对应那一帧中的图像。
在本申请的一个实施例中，所述监测模块230具体用于：如果判断当前帧图像为目标图像，则监测所述目标图像是否连续出现。
对于判断为目标图像的情况，会继续监测所述目标图像是否在一定时间内连续出现或者说是否在连续帧内连续出现。这样可以避免错检的情况发生，同时均衡局部亮度或亮点带来的干扰。
可以理解，监测是否连续出现所述目标图像的方式即是监控连续帧中的预设图像块的占比。
在本申请的一个实施例中，所述第二判断模块240具体用于：如果判断所述目标图像连续出现，则判断相机拍摄图像处于黑暗感知场景。
对于判断为目标图像且连续出现的情况，则判断结果是相机拍摄图像处于黑暗感知场景，则会对下游多传感器融合阶段进行报警，避免对处于黑暗感知场景的相机拍摄图像的使用。或者，判断相机感知结果为失效。
对于不可靠的黑暗感知场景，即判断感知环境是否可以作为相机的感知环境。
能够理解，上述基于图像的感知场景判断装置，能够实现前述实施例中提供的基于图像的感知场景判断方法的各个步骤，关于基于图像的感知场景判断方法的相关阐释均适用于基于图像的感知场景判断装置，此处不再赘述。
图3是本申请的一个实施例电子设备的结构示意图。请参考图3，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图3中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成基于图像的感知场景判断装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
实时获取相机拍摄图像中的连续帧图像；
根据所述连续帧图像的每一帧图像中的预设图像块的占比，判断当前帧图像是否为目标图像；
如果判断当前帧图像为目标图像，则监测所述目标图像是否连续出现；
如果判断所述目标图像连续出现，则判断相机拍摄图像处于黑暗感知场景。
上述如本申请图1所示实施例揭示的基于图像的感知场景判断装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(CentralProcessing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific IntegratedCircuit，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。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。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。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中基于图像的感知场景判断装置执行的方法，并实现基于图像的感知场景判断装置在图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中基于图像的感知场景判断装置执行的方法，并具体用于执行：
实时获取相机拍摄图像中的连续帧图像；
根据所述连续帧图像的每一帧图像中的预设图像块的占比，判断当前帧图像是否为目标图像；
如果判断当前帧图像为目标图像，则监测所述目标图像是否连续出现；
如果判断所述目标图像连续出现，则判断相机拍摄图像处于黑暗感知场景。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明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，本发明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。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
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。
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暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
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。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。

Claims (10)

1.一种基于图像的感知场景判断方法，所述方法包括：
实时获取相机拍摄图像中的连续帧图像；
根据所述连续帧图像的每一帧图像中的预设图像块的占比，判断当前帧图5像是否为目标图像；
如果判断当前帧图像为目标图像，则监测所述目标图像是否连续出现；
如果判断所述目标图像连续出现，则判断相机拍摄图像处于黑暗感知场景。
2.如权利要求1所述方法，其中，所述方法还包括：
0如果判断所述相机拍摄图像处于黑暗感知场景，则向感知融合模块发出报警信号，其中所述感知融合模块可部署在路侧端和/或车端；
根据所述报警信号，降低所述感知融合模块中对于所述相机拍摄图像处于黑暗感知场景下时对应的感知结果的置信度或权重。
3.如权利要求2所述方法，其中，所述判断相机拍摄图像处于黑暗感知5场景，包括：在路侧端和/或车端实时判断所述目标图像连续出现的次数是否达到预设次数。
4.如权利要求2所述方法，其中，所述判断当前帧图像是否为目标图像，
包括：
在路侧端和/或车端实时判断当前帧图像中出现的预设图像块中属于暗块0以及非暗块的占比是否达到预设占比。
5.如权利要求1所述方法，其中，所述根据所述连续帧图像的每一帧图像中的预设图像块的占比，判断当前帧图像是否为目标图像，包括：
将所述连续帧图像的每一帧图像进行网格划分，得到M*N个网格块；
如果所述当前帧图像中的所述网格块中的灰度平均值小于第一预设门限5阈值，则判断所述当前帧图像中的所述网格块为预设图像块；
根据所述预设图像块在所述当前帧图像中的占比，判断当前帧图像是否为目标图像。
6.如权利要求5所述方法，其中，所述根据所述预设图像块在所述当前帧图像中的占比，判断当前帧图像是否为目标图像，包括：
统计所述当前帧图像中的全部的所述预设图像块的数量；
如果所述当前帧图像中全部的所述预设图像块的数量占比大于第二预设门限阈值，则判断当前帧图像为目标图像。
7.如权利要求1所述方法，其中，所述实时获取相机拍摄图像中的连续帧图像，包括：
对相机拍摄图像中的连续帧图像进行降采样处理，并对降采样处理后的图像进行图像灰度处理，之后获取所述连续帧图像。
8.一种基于图像的感知场景判断装置，其中，所述装置包括：
图像帧获取模块，用于实时获取相机拍摄图像中的连续帧图像；
第一判断模块，用于根据所述连续帧图像的每一帧图像中的预设图像块的占比，判断当前帧图像是否为目标图像；
监测模块，用于在如果判断当前帧图像为目标图像时，则监测所述目标图像是否连续出现；
第二判断模块，用于在如果判断所述目标图像连续出现时，则判断相机拍摄图像处于黑暗感知场景。
9.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1～7之任一所述方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述方法。
CN202310028962.7A 2023-01-09 2023-01-09 基于图像的感知场景判断方法、装置及电子设备、存储介质 Pending CN116168360A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310028962.7A CN116168360A (zh) 2023-01-09 2023-01-09 基于图像的感知场景判断方法、装置及电子设备、存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310028962.7A CN116168360A (zh) 2023-01-09 2023-01-09 基于图像的感知场景判断方法、装置及电子设备、存储介质

Publications (1)

Publication Number Publication Date
CN116168360A true CN116168360A (zh) 2023-05-26

Family

ID=86412624

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310028962.7A Pending CN116168360A (zh) 2023-01-09 2023-01-09 基于图像的感知场景判断方法、装置及电子设备、存储介质

Country Status (1)

Country Link
CN (1) CN116168360A (zh)

Similar Documents

Publication Publication Date Title
CN111047908B (zh) 跨线车辆的检测装置、方法及视频监控设备
CN111967396A (zh) 障碍物检测的处理方法、装置、设备及存储介质
CN112287805B (zh) 运动物体的检测方法、装置、可读存储介质及电子设备
CN116872957A (zh) 智能驾驶车辆的预警方法、装置及电子设备、存储介质
CN115761668A (zh) 摄像头的污渍识别方法、装置、车辆及存储介质
CN112528944B (zh) 一种图像识别方法、装置、电子设备及存储介质
CN111950501B (zh) 障碍物检测方法、装置以及电子设备
CN113361299B (zh) 一种异常停车的检测方法、装置、存储介质及电子设备
CN116168360A (zh) 基于图像的感知场景判断方法、装置及电子设备、存储介质
JP2006059183A (ja) 画像処理装置
CN116758736A (zh) 违停检测方法、装置及电子设备
CN112215042A (zh) 一种车位限位器识别方法及其系统、计算机设备
CN113591543B (zh) 交通标志识别方法、装置、电子设备及计算机存储介质
CN115063764A (zh) 交通信号灯的状态估计方法、装置及电子设备
CN116152691A (zh) 图像检测方法、装置、设备和存储介质
CN113538546A (zh) 用于自动驾驶的目标检测方法、装置及设备
JP2022021517A (ja) 危険運転判定装置及び危険運転判定方法
CN115311217B (zh) 相机镜头遮挡的监测方法、装置、系统及介质
CN111756987A (zh) 一种车载摄像头的控制方法、装置及车载图像捕捉系统
CN115761616B (zh) 一种基于存储空间自适应的控制方法及系统
EP4387219A1 (en) Vehicle window color fringe processing method and apparatus, storage medium, and electronic device
CN118351510A (zh) 交通灯检测方法、装置及电子设备、计算机可读存储介质
CN117218109B (zh) 车辆侧向拼接图像完整度检测方法、系统、设备和介质
CN115019284A (zh) 交通灯检测方法、装置及电子设备、计算机可读存储介质
CN116664668A (zh) 一种目标持续跟踪方法和装置、电子设备和存储介质

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