[发明专利]一种可行驶区域检测方法和装置有效

专利信息
申请号: 201710934657.9 申请日: 2017-10-10
公开(公告)号: CN109657523B 公开(公告)日: 2021-03-30
发明(设计)人: 张立成 申请(专利权)人: 北京京东乾石科技有限公司
主分类号: G06K9/00 分类号: G06K9/00;G06K9/46
代理公司: 中原信达知识产权代理有限责任公司 11219 代理人: 张一军;陆锦华
地址: 100176 北京市大兴区北京经济技*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 行驶 区域 检测 方法 装置
【权利要求书】:

1.一种可行驶区域检测方法,其特征在于,包括:

根据采集的当前时刻的区域图像生成所述当前时刻的特征图;

根据所述当前时刻的特征图和所述当前时刻的前一时刻的时序特征图生成所述当前时刻的时序特征图;

通过第二卷积神经网络的卷积层根据所述当前时刻的时序特征图生成带有特征值的两通道特征图,通过所述第二卷积神经网络的反卷积层将所述两通道特征图还原为所述当前时刻的区域图像的大小,以得到带有特征值的区域图像特征图,然后根据所述特征值检测所述区域图像特征图中的可行驶区域。

2.根据权利要求1所述的方法,其特征在于,根据采集的当前时刻的区域图像生成所述当前时刻的特征图的步骤,包括:

通过第一卷积神经网络对采集的当前时刻的区域图像进行卷积处理和降采样处理,以生成所述当前时刻的特征图。

3.根据权利要求1所述的方法,其特征在于,根据所述当前时刻的特征图和所述当前时刻的前一时刻的时序特征图生成所述当前时刻的时序特征图的步骤,包括:

将所述当前时刻的特征图中的特征向量作为循环神经网络的第一输入特征向量,将所述当前时刻的前一时刻的时序特征图中的特征向量作为所述循环神经网络的第二输入特征向量;

通过所述循环神经网络处理所述第一输入特征向量和所述第二输入特征向量,以得到所述循环神经网络的输出特征向量,并根据所述输出特征向量生成所述当前时刻的时序特征图。

4.根据权利要求1所述的方法,其特征在于,所述带有特征值的区域图像特征图包括预设数量的图像位置,每个图像位置对应指示为可行驶区域的特征值和指示为非可行驶区域的特征值,

根据所述特征值检测所述区域图像特征图中的可行驶区域的步骤,包括:

比较每个图像位置对应的指示为可行驶区域的特征值和指示为非可行驶区域的特征值的大小,其中:

如果所述指示为可行驶区域的特征值大于所述指示为非可行驶区域的特征值,则对应的图像位置为可行驶区域;

如果所述指示为可行驶区域的特征值小于所述指示为非可行驶区域的特征值,则对应的图像位置为非可行驶区域;

如果所述指示为可行驶区域的特征值等于所述指示为非可行驶区域的特征值,则检查由所述指示为可行驶区域的特征值和所述指示为非可行驶区域的特征值构成的数组的第一个数组下标,如果所述第一个数组下标对应的特征值指示为可行驶区域,则对应的图像位置为可行驶区域,如果所述第一个数组下标对应的特征值指示为非可行驶区域,则对应的图像位置为非可行驶区域。

5.一种可行驶区域检测装置,其特征在于,包括:

特征图生成模块,用于根据采集的当前时刻的区域图像生成所述当前时刻的特征图;

时序特征图生成模块,用于根据所述当前时刻的特征图和所述当前时刻的前一时刻的时序特征图生成所述当前时刻的时序特征图;

可行驶区域检测模块,用于通过第二卷积神经网络的卷积层根据所述当前时刻的时序特征图生成带有特征值的两通道特征图,通过所述第二卷积神经网络的反卷积层将所述两通道特征图还原为所述当前时刻的区域图像的大小,以得到带有特征值的区域图像特征图,然后根据所述特征值检测所述区域图像特征图中的可行驶区域。

6.根据权利要求5所述的装置,其特征在于,所述特征图生成模块还用于:

通过第一卷积神经网络对采集的当前时刻的区域图像进行卷积处理和降采样处理,以生成所述当前时刻的特征图。

7.根据权利要求5所述的装置,其特征在于,所述时序特征图生成模块还用于:

将所述当前时刻的特征图中的特征向量作为循环神经网络的第一输入特征向量,将所述当前时刻的前一时刻的时序特征图中的特征向量作为所述循环神经网络的第二输入特征向量;

通过所述循环神经网络处理所述第一输入特征向量和所述第二输入特征向量,以得到所述循环神经网络的输出特征向量,并根据所述输出特征向量生成所述当前时刻的时序特征图。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京京东乾石科技有限公司,未经北京京东乾石科技有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201710934657.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top