[发明专利]融合语义分割的单目测距系统、方法、设备及存储介质

权利要求书

1.一种融合语义分割的单目测距方法，其特征是，包括以下步骤：

将待测图像输入检测模型进行目标检测，标注出待测图像的目标及目标的承载区，并通过语义分割，输出待测图像的目标标注区图像及目标标注区图像中承载区的分割结果，所述检测模型是对训练样本图像进行目标检测，标注出训练样本图像的目标及目标的承载区，将标注后的训练样本图像输入至预制的神经网络，基于损失函数训练所得；

根据所述目标标注区图像及目标标注区图像中承载区的分割结果统计承载区的像素信息，将承载区像素信息与预设位置阈值比对得出目标与承载区的相接点信息；

将所述相接点信息输入小孔成像模型，得目标的距离信息。

2.根据权利要求1所述的融合语义分割的单目测距方法，其特征是，将标注后的训练样本图像输入至预制的神经网络，基于损失函数训练得所述检测模型，包括：

将标注后的训练样本图像输入至预制的神经网络，基于最小化损失函数训练得所述检测模型。

3.根据权利要求1所述的融合语义分割的单目测距方法，其特征是，

根据目标标注区图像及目标标注区图像中承载区的分割结果统计承载区的像素信息，将承载区像素信息与预设位置阈值比对得出目标与承载区的相接点信息包括：

对目标标注区图像进行二值化处理，二值化处理后的目标标注区图像中承载区为背景，其他区为前景；

沿二值化处理后的目标标注区图像的垂直方向投影，统计所述目标标注区图像中承载区各行像素的个数，与预设位置阈值比对，沿承载区至目标方向首个超过所述预设位置阈值的点即为目标与承载区的相接点，并获取目标与承载区的相接点信息。

4.根据权利要求1所述的融合语义分割的单目测距方法，其特征是，对待测图像或训练样本图像进行目标检测，标注出目标，包括：

找出所述图像中的所有的目标，并用最小外接边框标注出所述目标。

5.根据权利要求1-4任一所述的融合语义分割的单目测距方法，其特征是，目标的承载区为路面区，目标标注区域图像中路面区为前景，其它区作为背景。

6.根据权利要求5所述的融合语义分割的单目测距方法，其特征是，标注后的训练样本图像输入至预制的神经网络训练时所基于的损失函数根据训练期间针对目标分类、最小外接矩形外框、掩模所生成的损失所得。

7.根据权利要求5所述的融合语义分割的单目测距方法，其特征是，沿承载区至目标方向首个超过所述预设位置阈值的点即为目标与承载区的相接点，并获取目标与承载区的相接点信息，包括：

沿路面区至目标方向首个超过所述预设位置阈值的点即为目标与路面区的相接点，并获取目标与路面区的接地点信息。

8.根据权利要求3或7所述的融合语义分割的单目测距方法，其特征是，将所述相接点信息输入小孔成像模型，得目标的距离信息，包括：

将目标与承载区的相接点作为基准点；

根据R|T矩阵、相机内参、目标像素、目标坐标信息的预设关系得出目标的距离。

9.一种融合语义分割的单目测距系统，其特征是，包括：

目标检测承载区分割单元，配置用于将待测图像输入检测模型进行目标检测，标注出待测图像的目标及目标的承载区，并通过语义分割，输出待测图像的目标标注区图像及目标标注区图像中承载区的分割结果，所述检测模型是对训练样本图像进行目标检测，标注出训练样本图像的目标及目标的承载区，将标注后的训练样本图像输入至预制的神经网络，基于损失函数训练所得；

目标与承载区的相接点信息获取单元，配置用于根据所述目标标注区图像及目标标注区图像中承载区的分割结果统计承载区的像素信息，将承载区像素信息与预设位置阈值比对得出目标与承载区的相接点信息；

距离信息获取单元，配置用于将所述相接点信息输入小孔成像模型，得目标的距离信息。