TWI755214B - 區分物件的方法、電腦裝置及儲存介質 - Google Patents

區分物件的方法、電腦裝置及儲存介質 Download PDF

Info

Publication number
TWI755214B
TWI755214B TW109145590A TW109145590A TWI755214B TW I755214 B TWI755214 B TW I755214B TW 109145590 A TW109145590 A TW 109145590A TW 109145590 A TW109145590 A TW 109145590A TW I755214 B TWI755214 B TW I755214B
Authority
TW
Taiwan
Prior art keywords
image
coordinates
segmented
obtaining
divided
Prior art date
Application number
TW109145590A
Other languages
English (en)
Other versions
TW202226153A (zh
Inventor
郭錦斌
孫國欽
張粵
吳宗祐
Original Assignee
鴻海精密工業股份有限公司
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 鴻海精密工業股份有限公司 filed Critical 鴻海精密工業股份有限公司
Priority to TW109145590A priority Critical patent/TWI755214B/zh
Application granted granted Critical
Publication of TWI755214B publication Critical patent/TWI755214B/zh
Publication of TW202226153A publication Critical patent/TW202226153A/zh

Links

Images

Landscapes

  • Traffic Control Systems (AREA)
  • Image Analysis (AREA)

Abstract

本發明提供一種區分物件的方法，包括：將第一物件在測試圖像中所占的區域與該測試圖像中的其他區域分割，獲得第一分割圖像；將第二物件在所述測試圖像中所占的區域與該測試圖像中的其他區域分割，獲得第二分割圖像；基於所述第一物件在所述第一分割圖像中的座標；及/或所述第二物件在所述第二分割圖像中的座標，對所述第一物件和所述第二物件進行分割，獲得第三分割圖像。本發明還提供實現所述區分物件的方法的電腦裝置和儲存介質。本發明可基於圖像對車行道、人行道，及車行道和人行道之間的間隙分割，實現道路檢測。

Description

區分物件的方法、電腦裝置及儲存介質
本發明涉及一種影像處理技術領域，尤其涉及一種區分物件的方法、電腦裝置及儲存介質。
道路檢測是汽車輔助駕駛等領域最基礎、最重要的研究內容之一。如何提升檢測速度與檢測精度，顯得尤為重要。
鑒於以上內容，有必要提供一種區分物件的方法、電腦裝置及儲存介質，可基於即時圖像對車行道和人行道進行分割，實現道路檢測的同時提升圖像分割效果。
所述區分物件的方法，包括：利用第一圖像分割模型將第一物件在測試圖像中所占的區域與該測試圖像中的其他區域分割，由此獲得第一分割圖像；利用第二圖像分割模型將第二物件在所述測試圖像中所占的區域與該測試圖像中的其他區域分割，由此獲得第二分割圖像；基於所述第一物件在所述第一分割圖像中的座標；及/或所述第二物件在所述第二分割圖像中的座標，對所述第一物件和所述第二物件進行分割，由此獲得第三分割圖像。
優選地，該方法還包括：收集多張樣本圖像，所述多張樣本圖像中的每張樣本圖像包括所述第一物件以及所述第二物件；對所述多張樣本圖像中的每張樣本圖像作第一標記操作，由此獲得作了所述第一標記操作的多張樣本 圖像，將作了所述第一標記操作的所述多張樣本圖像作為第一訓練樣本集，其中，所述第一標記操作是指對所述樣本圖像所包括的第一物件進行標記；對所述多張樣本圖像中的每張樣本圖像作第二標記操作，由此獲得作了所述第二標記操作的多張樣本圖像，將作了所述第二標記操作的所述多張樣本圖像作為第二訓練樣本集，其中，所述第二標記操作是指對所述樣本圖像所包括的第二物件進行標記；利用所述第一訓練樣本集訓練神經網路獲得所述第一圖像分割模型；以及利用所述第二訓練樣本集訓練所述神經網路獲得所述第二圖像分割模型。
優選地，所述第一物件包括兩個子物件；所述第二物件不同於所述第一物件；所述第二物件為在所述測試圖像中，位置介於所述兩個子物件分別所在位置之間的物件。
優選地，所述基於所述第一物件在所述第一分割圖像中的座標；及/或所述第二物件在所述第二分割圖像中的座標，對所述第一物件和所述第二物件進行分割，由此獲得第三分割圖像包括：獲取所述第一物件在所述第一分割圖像中的座標；基於所述第一物件在所述第一分割圖像中的座標，在所述第二分割圖像中對所述第一物件進行標記，將標記後的所述第二分割圖像作為所述第三分割圖像。
優選地，所述基於所述第一物件在所述第一分割圖像中的座標；及/或所述第二物件在所述第二分割圖像中的座標，對所述第一物件和所述第二物件進行分割，由此獲得第三分割圖像包括：獲取所述第二物件在所述第二分割圖像中的座標；基於所述第二物件在所述第二分割圖像中的座標，在所述第一分割圖像中對所述第二物件進行標記，將標記後的所述第一分割圖像作為所述第三分割圖像。
優選地，所述基於所述第一物件在所述第一分割圖像中的座標；及/或所述第二物件在所述第二分割圖像中的座標，對所述第一物件和所述第二物件進行分割，由此獲得第三分割圖像包括：創建一張參照圖像；獲取所述第一 物件在所述第一分割圖像中的座標；獲取所述第二物件在所述第二分割圖像中的座標；基於所述第一物件在所述第一分割圖像中的座標，及所述第二物件在所述第二分割圖像中的座標，在所述參照圖像中對所述第一物件及所述第二物件進行標記，將作了標記後的所述參照圖像作為所述第三分割圖像。
優選地，所述參照圖像的尺寸與所述測試圖像的尺寸相同，所述參照圖像的各個圖元點的RGB值相同。
優選地，所述在所述參照圖像中對所述第一物件及所述第二物件進行標記包括：將所述參照圖像中的第一目標座標所對應的圖元點的RGB值調整為第一預設值，其中，所述第一目標座標是指所述參照圖像中，與所述第一物件在所述第一分割圖像中的座標相同的座標；及將所述參照圖像中的第二目標座標所對應的圖元點的RGB值調整為第二預設值，其中，所述第二目標座標是指所述參照圖像中，與所述第二物件在所述第二分割圖像中的座標相同的座標。
所述電腦裝置包括儲存器和至少一個處理器，所述儲存器中儲存有至少一個指令，所述至少一個指令被所述至少一個處理器執行時實現所述的區分物件的方法。
所述電腦可讀儲存介質儲存有至少一個指令，所述至少一個指令被處理器執行時實現所述的區分物件的方法。
相較於習知技術，所述區分物件的方法、電腦裝置及儲存介質，可基於即時圖像對車行道和人行道進行分割，實現道路檢測的同時提升圖像分割效果。
3:電腦裝置
31:儲存器
32:處理器
33:攝像頭
34:顯示幕
30:區分物件的系統
301:分割模組
302:執行模組
4:測試圖像
41:車行道
42:人行道
43:間隙
51:第一分割圖像
52:第二分割圖像
53:第三分割圖像
圖1是本發明較佳實施例的電腦裝置的架構圖。
圖2是本發明較佳實施例的區分物件的系統的功能模組圖。
圖3是本發明較佳實施例的區分物件的方法的流程圖。
圖4A舉例說明測試圖像。
圖4B舉例說明將車行道和人行道在該測試圖像中分別所占的區域與該測試圖像的其他區域進行分割。
圖4C舉例說明將車行道和人行道之間的間隙與該測試圖像的其他區域進行分割。
圖4D舉例說明對車行道、人行道，以及車行道和人行道之間的間隙進行分割。
為了能夠更清楚地理解本發明的上述目的、特徵和優點，下面結合附圖和具體實施例對本發明進行詳細描述。需要說明的是，在不衝突的情況下，本發明的實施例及實施例中的特徵可以相互組合。
在下面的描述中闡述了很多具體細節以便於充分理解本發明，所描述的實施例僅僅是本發明一部分實施例，而不是全部的實施例。
除非另有定義，本文所使用的所有的技術和科學術語與屬於本發明的技術領域的技術人員通常理解的含義相同。本文中在本發明的說明書中所使用的術語只是為了描述具體的實施例的目的，不是旨在於限制本發明。
參閱圖1所示，為本發明較佳實施例提供的電腦裝置的架構圖。
本實施例中，電腦裝置3包括互相之間電氣連接的儲存器31、至少一個處理器32、攝像頭33、顯示幕34。所述電腦裝置3可以是指車載電腦。
本領域技術人員應該瞭解，圖1示出的電腦裝置3的結構並不構成本發明實施例的限定，所述電腦裝置3還可以包括比圖1更多或更少的其他硬體或者軟體，或者不同的部件佈置。
需要說明的是，所述電腦裝置3僅為舉例，其他現有的或今後可能出現的電腦裝置如可適應於本發明，也應包含在本發明的保護範圍以內，並以引用方式包含於此。
在一些實施例中，所述儲存器31可以用於儲存電腦程式的程式碼和各種資料。例如，所述儲存器31可以用於儲存安裝在所述電腦裝置3中的區分物件的系統30，並在電腦裝置3的運行過程中實現高速、自動地完成程式或資料的存取。所述儲存器31可以是包括唯讀儲存器(Read-Only Memory，ROM)、可程式設計唯讀儲存器(Programmable Read-Only Memory，PROM)、可抹除可程式設計唯讀儲存器(Erasable Programmable Read-Only Memory，EPROM)、一次可程式設計唯讀儲存器(One-time Programmable Read-Only Memory，OTPROM)、電子抹除式可複寫唯讀儲存器(Electrically-Erasable Programmable Read-Only Memory，EEPROM)、唯讀光碟(Compact Disc Read-Only Memory，CD-ROM)或其他光碟儲存器、磁碟儲存器、磁帶儲存器、或者任何其他能夠用於攜帶或儲存資料的非易失性的電腦可讀的儲存介質。
在一些實施例中，所述至少一個處理器32可以由積體電路組成。例如，可以由單個封裝的積體電路所組成，也可以是由多個相同功能或不同功能封裝的積體電路所組成，包括一個或者多個中央處理器(Central Processing unit，CPU)、微處理器、數位訊號處理器、圖形處理器及各種控制晶片的組合等。所述至少一個處理器32是所述電腦裝置3的控制核心(Control Unit)，利用各種介面和線路連接整個電腦裝置3的各個部件，透過執行儲存在所述儲存器31內的程式或者模組或者指令，以及調用儲存在所述儲存器31內的資料，以執行電腦裝置3的各種功能和處理資料，例如，對圖像中的不同物件(如街景圖像中的車行道和人行道，以及車行道和人行道之間的間隙)進行區分的功能。具體細節參後面對圖3的介紹。
在本實施例中，區分物件的系統30可以包括一個或多個模組，所述一個或多個模組儲存在所述儲存器31中，並由至少一個或多個處理器(本實施例為處理器32)執行，以實現對圖像中的不同物件(如街景圖像中的車行道和人行道，以及車行道和人行道之間的間隙)進行區分的功能。具體細節參後面對圖3的介紹。
在本實施例中，所述區分物件的系統30根據其所執行的功能，可以被劃分為多個模組。參閱圖2所示，所述多個模組包括分割模組301、執行模組302。本發明所稱的模組是指一種能夠被至少一個處理器(例如處理器32)所執行並且能夠完成固定功能的一系列電腦可讀的指令段，其儲存在儲存器(例如電腦裝置3的儲存器31)中。在本實施例中，關於各模組的功能將在後續結合圖3詳述。
本實施例中，以軟體功能模組的形式實現的集成的單元，可以儲存在一個非易失性可讀取儲存介質中。上述軟體功能模組包括一個或多個電腦可讀指令，所述電腦裝置3或一個處理器(processor)透過執行所述一個或多個電腦可讀指令實現本發明各個實施例的方法的部分，例如圖3所示的對圖像中的不同物件(如街景圖像中的車行道和人行道，以及車行道和人行道之間的間隙)進行區分的方法。
在進一步的實施例中，結合圖2，所述至少一個處理器32可執行所述電腦裝置3中所安裝的各類應用程式(如所述的區分物件的系統30)、程式碼等。
在進一步的實施例中，所述儲存器31中儲存有電腦程式的程式碼，且所述至少一個處理器32可調用所述儲存器31中儲存的程式碼以執行相關的功能。例如，圖2中所述區分物件的系統30的各個模組是儲存在所述儲存器31中的程式碼，並由所述至少一個處理器32所執行，從而實現所述各個模組的功能以達到對圖像中的不同物件(如街景圖像中的車行道和人行道，以及車行道和人行道之間的間隙)進行區分的目的。詳見下文中對圖3的描述。
在本發明的一個實施例中，所述儲存器31儲存一個或多個電腦可讀指令，所述一個或多個電腦可讀指令被所述至少一個處理器32所執行以實現對圖像中的不同物件(如街景圖像中的車行道和人行道，以及車行道和人行道之間的間隙)進行區分的目的。具體地，所述至少一個處理器32對上述電腦可讀指令的具體實現方法詳見下文中對圖3的描述。
圖3是本發明較佳實施例提供的區分物件的方法的流程圖。
在本實施例中，所述區分物件的方法可以應用於電腦裝置3中，對於需要對圖像中的不同物件(如街景圖像中的車行道和人行道，以及車行道和人行道之間的間隙)進行區分的電腦裝置3，可以直接在該電腦裝置3上集成本發明的方法所提供的用於區分物件的功能，或者以軟體開發套件(Software Development Kit，SDK)的形式運行在所述電腦裝置3上。
如圖3所示，所述區分物件的方法具體包括以下步驟，根據不同的需求，該流程圖中步驟的順序可以改變，某些步驟可以省略。
步驟S1、分割模組301利用第一圖像分割模型將第一物件在測試圖像中所占的區域與該測試圖像中的其他區域分割，由此獲得第一分割圖像。
需要說明的是，本步驟中所提及的“該測試圖像中的其他區域”是指所述測試圖像中，除所述第一物件所占的區域之外的區域。
本實施例中，所述第一物件包括兩個子物件。
在一個實施例中，所述測試圖像可以為所述電腦裝置3利用攝像頭33即時抓怕的圖像。
以所述電腦裝置3為車載電腦為例，該測試圖像可以為所述攝像頭33所拍攝的車輛所在行車環境中的街景圖像(例如圖4A所示測試圖像4)。該車載電腦安裝於該車輛(圖中未示出)中。
以所述測試圖像為街景圖像為例，所述第一物件所包括的兩個子物件可以為車行道和人行道。
本實施例中，所述第一圖像分割模型將所述兩個子物件分別在所述測試圖像中所占的區域與所述測試圖像的其他區域進行分割。該測試圖像的其他區域是指所述測試圖像中除所述兩個子物件之外的區域。
例如，參閱圖4B所示，所述第一圖像分割模型將車行道41和人行道42在測試圖像4中分別所占的區域與該測試圖像4的其他區域進行分割，由此獲得第一分割圖像51。
本實施例中，所述第一圖像分割模型為圖像語義分割模型。所述分割模組301利用訓練樣本訓練獲得所述第一圖像分割模型的步驟將在後面介紹。
步驟S2、所述分割模組301利用第二圖像分割模型將第二物件在所述測試圖像中所占的區域與該測試圖像中的其他區域分割，由此獲得第二分割圖像。
需要說明的是，本步驟中所提及的“該測試圖像中的其他區域”是指所述測試圖像中，除所述第二物件所占的區域之外的區域。
本實施例中，所述第二物件不同於所述第一物件。所述第二物件是指在所述測試圖像中，位置介於所述兩個子物件分別所在位置之間的物件。
同樣地，以所述測試圖像為街景圖像為例，所述第二物件可以為車行道和人行道之間的間隙。
例如，參閱圖4C所示，所述第二圖像分割模型將車行道和人行道之間的間隙43與該測試圖像4的其他區域進行分割，由此獲得第二分割圖像52。
本實施例中，所述第二圖像分割模型也可以是圖像語義分割模型。本實施例中，所述分割模組301可以利用訓練樣本訓練神經網路獲得所述第一圖像分割模型和所述第二圖像分割模型。
具體地，所述利用訓練樣本訓練神經網路獲得所述第一圖像分割模型和所述第二圖像分割模型的步驟包括(a1)-(a4)：
(a1)收集多張樣本圖像，所述多張樣本圖像中的每張樣本圖像包括所述第一物件以及所述第二物件。
本實施例中，所述第一物件包括兩個子物件。所述第二物件不同於所述第一物件。所述第二物件為在所述樣本圖像中，位置介於所述兩個子物件分別所在位置之間的物件。
以每張樣本圖像為街景圖像為例，每張樣本圖像對應的所述第一物件包括兩個子物件，分別是車行道和人行道，每張樣本圖像所包括的所述第二 物件可以是指車行道和人行道之間的間隙。
(a2)對所述多張樣本圖像中的每張樣本圖像作第一標記操作，由此獲得作了所述第一標記操作的多張樣本圖像，將作了所述第一標記操作的所述多張樣本圖像作為第一訓練樣本集，其中，所述第一標記操作是指對所述樣本圖像所包括的所述第一物件進行標記。
需要說明的是，當所述第一物件包括兩個子物件時，則對所述樣本圖像所包括的兩個子物件分別進行標記，即兩個子物件所對應的標記不同。
(a3)對所述多張樣本圖像中的每張樣本圖像作第二標記操作，由此獲得作了所述第二標記操作的多張樣本圖像，將作了所述第二標記操作的所述多張樣本圖像作為第二訓練樣本集，其中，所述第二標記操作是指對所述樣本圖像所包括的所述第二物件進行標記。
需要說明的是，本步驟中，是對(a1)中所收集的每張樣本圖像作所述第二標記操作。即並不是對(a2)中作了所述第一標記操作的樣本圖像再作所述第二標記操作。
(a4)利用所述第一訓練樣本集訓練神經網路獲得所述第一圖像分割模型；以及利用所述第二訓練樣本集訓練所述神經網路獲得所述第二圖像分割模型。所述神經網路可以為卷積神經網路。
需要說明的是，利用訓練樣本訓練神經網路獲得圖像分割模型為本領域的習知技術，在此不再贅述。
步驟S3、執行模組302基於所述第一物件在所述第一分割圖像中的座標；及/或所述第二物件在所述第二分割圖像中的座標，對所述第一物件和所述第二物件進行分割，由此獲得第三分割圖像。
在第一實施例中，所述基於所述第一物件在所述第一分割圖像中的座標；及/或所述第二物件在所述第二分割圖像中的座標，對所述第一物件和所述第二物件進行分割，由此獲得第三分割圖像包括(b1)-(b2)：
(b1)獲取所述第二物件在所述第二分割圖像中的座標。
所述第二物件在所述第二分割圖像中的座標是指該第二物件在所述第二分割圖像中所占區域的每個圖元點的座標。
(b2)基於所述第二物件在所述第二分割圖像中的座標，在所述第一分割圖像中對所述第二物件進行標記，將標記後的所述第一分割圖像作為所述第三分割圖像。
例如，參閱圖4D所示，執行模組302基於車行道和人行道之間的間隙43在第二分割圖像52中的座標在第一分割圖像51中對車行道和人行道之間的間隙43進行標記，由此獲得第三分割圖像53。
本實施例中，在所述第一分割圖像中對所述第二物件進行標記可以是指利用預設的顏色填充該第二物件在所述第一分割圖像中所對應的位置。
在第二實施例中，所述基於所述第一物件在所述第一分割圖像中的座標；及/或所述第二物件在所述第二分割圖像中的座標，對所述第一物件和所述第二物件進行分割，由此獲得第三分割圖像包括(c1)-(c2)：
(c1)獲取所述第一物件在所述第一分割圖像中的座標。
具體地，所述第一物件在所述第一分割圖像中的座標是指該第一物件在所述第一分割圖像中所占區域的每個圖元點的座標。
(c2)基於所述第一物件在所述第一分割圖像中的座標，在所述第二分割圖像中對所述第一物件進行標記，將標記後的所述第二分割圖像作為所述第三分割圖像。
同樣地，在所述第二分割圖像中對所述第一物件進行標記可以是指利用的顏色填充該第一物件在所述第二分割圖像中的位置。需要說明的是，當所述第一物件包括兩個子物件時，可以利用兩種不同顏色分別對該兩個子物件在所述第二分割圖像中所對應的位置進行填充。
在第三實施例中，所述基於所述第一物件在所述第一分割圖像中的座標；及/或所述第二物件在所述第二分割圖像中的座標，對所述第一物件和所述第二物件進行分割，由此獲得第三分割圖像包括(d1)-(d4)：
(d1)創建一張參照圖像。
在一個實施例中，所述參照圖像的尺寸與所述測試圖像的尺寸相同，所述參照圖像的各個圖元點的RGB值相同。
在本實施例中，所述參照圖像的各個圖元點的RGB值為(0，0，0)。
(d2)獲取所述第一物件在所述第一分割圖像中的座標。
具體地，所述第一物件在所述第一分割圖像中的座標是指該第一物件在所述第一分割圖像中所占區域的每個圖元點的座標。
(d3)獲取所述第二物件在所述第二分割圖像中的座標。
類似地，所述第二物件在所述第二分割圖像中的座標是指該第二物件在所述第二分割圖像中所占區域的每個圖元點的座標。
(d4)基於所述第一物件在所述第一分割圖像中的座標，及所述第二物件在所述第二分割圖像中的座標，在所述參照圖像中對所述第一物件及所述第二物件進行標記，將作了標記後的所述參照圖像作為所述第三分割圖像。
在一個實施例中，所述在所述參照圖像中對所述第一物件及所述第二物件進行標記包括：將所述參照圖像中的第一目標座標所對應的圖元點的RGB值調整為第一預設值，其中，所述第一目標座標是指所述參照圖像中，與所述第一物件在所述第一分割圖像中的座標相同的座標；及將所述參照圖像中的第二目標座標所對應的圖元點的RGB值調整為第二預設值，其中，所述第二目標座標是指所述參照圖像中，與所述第二物件在所述第二分割圖像中的座標相同的座標。
需要說明的是，所述第一預設值不同於所述第二預設值。由此透過在參照圖像中，將對應第一物件的圖元點的RGB值與對應第二物件的圖元點的RGB值設置為不同值來實現對所述第一物件和第二物件分割。例如，所述第一預設值可以為(255，255，0)。所述第二預設值可以為(192，192，192)。
在一個實施例中，執行模組302還將所述第三分割圖像顯示於所述顯示幕34上。在一個實施例中，執行模組302還基於所述第三分割圖像作進一 步的控制操作。
以所述電腦裝置3為車載電腦，所述第二物件為車行道與人行道之間的間隙為例，執行模組302可以識別車輛與該間隙之間的距離，並當該距離小於預設值時發出提示，以提示駕駛員保持車輛與人行道之間的距離。在這種提示下，便利了駕駛員在行車/倒車過程中及時注意到車輛與人行道的距離，由此提升行車安全。
又如，在無人駕駛車輛中，執行模組302可以當所述距離小於預設值時，調整車輛行駛方向或者控制車輛的行駛速度如減速。
需要說明的是，所述執行模組302可以利用雷達(圖中未示出)來探測車輛與該間隙之間的距離；或者利用所述攝像頭33所拍攝的圖像來識別車輛與所述間隙之間的距離。
另外需要說明的是，在介紹本發明的過程中是以對車行道、人行道、車行道與人行道之間的間隙進行分割為例說明。基於本發明的上述方法步驟，本領域技術人員還應該可以理解，本發明還可以用於對任何圖像所包括的多個物件之間的分割。在本發明所提供的幾個實施例中，應該理解到，所揭露的裝置和方法，可以透過其它的方式實現。例如，以上所描述的裝置實施例僅僅是示意性的，例如，所述模組的劃分，僅僅為一種邏輯功能劃分，實際實現時可以有另外的劃分方式。
所述作為分離部件說明的模組可以是或者也可以不是物理上分開的，作為模組顯示的部件可以是或者也可以不是物理單元，即可以位於一個地方，或者也可以分佈到多個網路單元上。可以根據實際的需要選擇其中的部分或者全部模組來實現本實施例方案的目的。另外，在本發明各個實施例中的各功能模組可以集成在一個處理單元中，也可以是各個單元單獨物理存在，也可以兩個或兩個以上單元集成在一個單元中。上述集成的單元既可以採用硬體的形式實現，也可以採用硬體加軟體功能模組的形式實現。
對於本領域技術人員而言，顯然本發明不限於上述示範性實施例的 細節，而且在不背離本發明的精神或基本特徵的情況下，能夠以其他的具體形式實現本發明。因此，無論從哪一點來看，均應將實施例看作是示範性的，而且是非限制性的，本發明的範圍由所附請求項而不是上述說明限定，因此旨在將落在請求項的等同要件的含義和範圍內的所有變化涵括在本發明內。不應將請求項中的任何附圖標記視為限制所涉及的請求項。此外，顯然“包括”一詞不排除其他單元或，單數不排除複數。裝置請求項中陳述的多個單元或裝置也可以由一個單元或裝置透過軟體或者硬體來實現。第一，第二等詞語用來表示名稱，而並不表示任何特定的順序。
最後所應說明的是，以上實施例僅用以說明本發明的技術方案而非限制，儘管參照以上較佳實施例對本發明進行了詳細說明，本領域的普通技術人員應當理解，可以對本發明的技術方案進行修改或等同替換，而不脫離本發明技術方案的精神和範圍。

Claims (10)

  1. 一種區分物件的方法，應用於車載電腦，其中，該方法包括：分割模組利用第一圖像分割模型將第一物件在測試圖像中所占的區域與該測試圖像中的其他區域分割，由此獲得第一分割圖像，其中，該測試圖像為所述車載電腦的攝像頭所拍攝的車輛所在行車環境中的街景圖像；所述分割模組利用第二圖像分割模型將第二物件在所述測試圖像中所占的區域與該測試圖像中的其他區域分割，由此獲得第二分割圖像；執行模組基於所述第一物件在所述第一分割圖像中的座標；及/或所述第二物件在所述第二分割圖像中的座標，對所述第一物件和所述第二物件進行分割，由此獲得第三分割圖像，其中，所述第一物件包括兩個子物件；所述第二物件不同於所述第一物件；所述第二物件為在所述測試圖像中，位置介於所述兩個子物件分別所在位置之間的物件；及所述執行模組識別車輛與所述第二物件之間的距離，並當該距離小於預設值時發出提示，調整車輛的行駛方向或者控制車輛減速。
  2. 如請求項1所述的區分物件的方法，其中，該方法還包括：所述分割模組收集多張樣本圖像，所述多張樣本圖像中的每張樣本圖像包括所述第一物件以及所述第二物件；所述分割模組對所述多張樣本圖像中的每張樣本圖像作第一標記操作，由此獲得作了所述第一標記操作的多張樣本圖像，將作了所述第一標記操作的所述多張樣本圖像作為第一訓練樣本集，其中，所述第一標記操作是指對所述樣本圖像所包括的所述第一物件進行標記；所述分割模組對所述多張樣本圖像中的每張樣本圖像作第二標記操作，由此獲得作了所述第二標記操作的多張樣本圖像，將作了所述第二標記操作的所述多張樣本圖像作為第二訓練樣本集，其中，所述第二標記操作是指對所述樣本圖像所包括的所述第二物件進行標記； 所述分割模組利用所述第一訓練樣本集訓練神經網路獲得所述第一圖像分割模型；以及利用所述第二訓練樣本集訓練所述神經網路獲得所述第二圖像分割模型。
  3. 如請求項1所述的區分物件的方法，其中，所述兩個子物件分別是車行道和人行道；所述第二物件是指車行道和人行道之間的間隙。
  4. 如請求項1所述的區分物件的方法，其中，所述執行模組基於所述第一物件在所述第一分割圖像中的座標；及/或所述第二物件在所述第二分割圖像中的座標，對所述第一物件和所述第二物件進行分割，由此獲得第三分割圖像包括：獲取所述第一物件在所述第一分割圖像中的座標；基於所述第一物件在所述第一分割圖像中的座標，在所述第二分割圖像中對所述第一物件進行標記，將標記後的所述第二分割圖像作為所述第三分割圖像。
  5. 如請求項1所述的區分物件的方法，其中，所述執行模組基於所述第一物件在所述第一分割圖像中的座標；及/或所述第二物件在所述第二分割圖像中的座標，對所述第一物件和所述第二物件進行分割，由此獲得第三分割圖像包括：獲取所述第二物件在所述第二分割圖像中的座標；基於所述第二物件在所述第二分割圖像中的座標，在所述第一分割圖像中對所述第二物件進行標記，將標記後的所述第一分割圖像作為所述第三分割圖像。
  6. 如請求項1所述的區分物件的方法，其中，所述執行模組基於所述第一物件在所述第一分割圖像中的座標；及/或所述第二物件在所述第二分割圖像中的座標，對所述第一物件和所述第二物件進行分割，由此獲得第三分割圖像包括：創建一張參照圖像； 獲取所述第一物件在所述第一分割圖像中的座標；獲取所述第二物件在所述第二分割圖像中的座標；基於所述第一物件在所述第一分割圖像中的座標，及所述第二物件在所述第二分割圖像中的座標，在所述參照圖像中對所述第一物件及所述第二物件進行標記，將作了標記後的所述參照圖像作為所述第三分割圖像。
  7. 如請求項6所述的區分物件的方法，其中，所述參照圖像的尺寸與所述測試圖像的尺寸相同，所述參照圖像的各個圖元點的RGB值相同。
  8. 如請求項7所述的區分物件的方法，其中，所述執行模組在所述參照圖像中對所述第一物件及所述第二物件進行標記包括：將所述參照圖像中的第一目標座標所對應的圖元點的RGB值調整為第一預設值，其中，所述第一目標座標是指所述參照圖像中，與所述第一物件在所述第一分割圖像中的座標相同的座標；及將所述參照圖像中的第二目標座標所對應的圖元點的RGB值調整為第二預設值，其中，所述第二目標座標是指所述參照圖像中，與所述第二物件在所述第二分割圖像中的座標相同的座標。
  9. 一種車載電腦，其中，該車載電腦包括儲存器和至少一個處理器，所述儲存器中儲存有至少一個指令，所述至少一個指令被所述至少一個處理器執行時實現如請求項1至8中任意一項所述的區分物件的方法。
  10. 一種電腦可讀儲存介質，其中，所述電腦可讀儲存介質儲存有至少一個指令，所述至少一個指令被處理器執行時實現如請求項1至8中任意一項所述的區分物件的方法。
TW109145590A 2020-12-22 2020-12-22 區分物件的方法、電腦裝置及儲存介質 TWI755214B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
TW109145590A TWI755214B (zh) 2020-12-22 2020-12-22 區分物件的方法、電腦裝置及儲存介質

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
TW109145590A TWI755214B (zh) 2020-12-22 2020-12-22 區分物件的方法、電腦裝置及儲存介質

Publications (2)

Publication Number Publication Date
TWI755214B true TWI755214B (zh) 2022-02-11
TW202226153A TW202226153A (zh) 2022-07-01

Family

ID=81329510

Family Applications (1)

Application Number Title Priority Date Filing Date
TW109145590A TWI755214B (zh) 2020-12-22 2020-12-22 區分物件的方法、電腦裝置及儲存介質

Country Status (1)

Country Link
TW (1) TWI755214B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWM518653U (zh) * 2015-12-11 2016-03-11 Hua Chuang Automobile Information Technical Ct Co Ltd 行車影像輔助裝置
CN110490881A (zh) * 2019-08-19 2019-11-22 腾讯科技（深圳）有限公司 医学影像分割方法、装置、计算机设备及可读存储介质
TWI682361B (zh) * 2018-12-14 2020-01-11 財團法人工業技術研究院 路面影像重建與載具定位之方法與系統
TW202008163A (zh) * 2018-07-24 2020-02-16 大陸商北京市商湯科技開發有限公司 醫療影像處理方法及裝置、電子設備及儲存介質
CN111462129A (zh) * 2019-01-22 2020-07-28 斯特拉德视觉公司 按网格单元利用加权卷积滤波器的图像分割方法及装置
TW202044200A (zh) * 2019-03-06 2020-12-01 美商高通公司 雷達輔助之單一影像三維深度重建

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
TWM518653U (zh) * 2015-12-11 2016-03-11 Hua Chuang Automobile Information Technical Ct Co Ltd 行車影像輔助裝置
TW202008163A (zh) * 2018-07-24 2020-02-16 大陸商北京市商湯科技開發有限公司 醫療影像處理方法及裝置、電子設備及儲存介質
TWI682361B (zh) * 2018-12-14 2020-01-11 財團法人工業技術研究院 路面影像重建與載具定位之方法與系統
CN111462129A (zh) * 2019-01-22 2020-07-28 斯特拉德视觉公司 按网格单元利用加权卷积滤波器的图像分割方法及装置
TW202044200A (zh) * 2019-03-06 2020-12-01 美商高通公司 雷達輔助之單一影像三維深度重建
CN110490881A (zh) * 2019-08-19 2019-11-22 腾讯科技（深圳）有限公司 医学影像分割方法、装置、计算机设备及可读存储介质

Also Published As

Publication number Publication date
TW202226153A (zh) 2022-07-01

Similar Documents

Publication Publication Date Title
CN112069856B (zh) 地图生成方法、驾驶控制方法、装置、电子设备及系统
KR102523886B1 (ko) 스몰 타깃 검출 방법 및 장치
CN110163176B (zh) 车道线变化位置识别方法、装置、设备和介质
CN111582189B (zh) 交通信号灯识别方法、装置、车载控制终端及机动车
WO2020103892A1 (zh) 车道线检测方法、装置、电子设备及可读存储介质
EP3617944A1 (en) Method and apparatus for recognizing object, device, vehicle and medium
CN108550258B (zh) 车辆排队长度检测方法、装置、存储介质和电子设备
CN111738212B (zh) 基于人工智能的交通信号灯识别方法、装置、设备及介质
JP7119197B2 (ja) 車線属性検出
CN113096003B (zh) 针对多视频帧的标注方法、装置、设备和存储介质
CN112329846A (zh) 激光点云数据高精度标注方法及系统、服务器及介质
CN111191607A (zh) 确定车辆的转向信息的方法、设备和存储介质
Bu et al. A UAV photography–based detection method for defective road marking
US12094125B2 (en) Method of distinguishing objects in images, computing device, and storage medium
Molina-Cabello et al. Vehicle type detection by convolutional neural networks
TWI755214B (zh) 區分物件的方法、電腦裝置及儲存介質
CN113435350A (zh) 一种交通标线检测方法、装置、设备和介质
CN112528944A (zh) 一种图像识别方法、装置、电子设备及存储介质
Malarvizhi et al. Autonomous Traffic Sign Detection and Recognition in Real Time
US20230386178A1 (en) Image recognition method, electronic device and readable storage medium
CN116301464A (zh) 展示道路数字孪生信息的方法、装置及终端设备
CN116580230A (zh) 一种目标检测方法及一种分类模型的训练方法
CN115578386A (zh) 泊车图像生成方法、装置、电子设备及存储介质
TWI760719B (zh) 交通安全管控方法、車載裝置
JP2019082916A (ja) 判定装置、判定方法および判定プログラム