[发明专利]障碍物检测方法、装置、车辆、计算机设备和存储介质有效
| 申请号: | 201910265132.X | 申请日: | 2019-04-03 |
| 公开(公告)号: | CN110084133B | 公开(公告)日: | 2022-02-01 |
| 发明(设计)人: | 金文耀;李金鹏;秦硕 | 申请(专利权)人: | 百度在线网络技术(北京)有限公司 |
| 主分类号: | G06V20/58 | 分类号: | G06V20/58;G06K9/62;G06V10/75 |
| 代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 宋合成 |
| 地址: | 100085 北京市*** | 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: | 障碍物 检测 方法 装置 车辆 计算机 设备 存储 介质 | ||
本发明公开了一种障碍物检测方法、装置、车辆、计算机设备和计算机可读存储介质。其中,该方法包括:获取图像采集装置针对同一场景拍摄得到的第一帧图像和第二帧图像;将第一帧图像中的所有像素点确定为道路地面上的点,得到针对场景的地面深度图像;基于帧间相机位姿变化,将地面深度图像投影至第二帧图像上;根据投影后的地面深度图像和第二帧图像,生成畸变图像;对畸变图像中的深度信息进行检测,确定场景中的障碍物。从而解决单张图片的图像检测算法无法检测出准确的深度信息,多摄像头的图像检测方法受多图图像特征匹配不准而影响检测结果准确性的技术问题。
技术领域
本发明涉及自动驾驶技术领域,尤其涉及一种障碍物检测方法、装置、车辆、计算机设备和计算机可读存储介质。
背景技术
在自动驾驶领域中,图像中的障碍物检测是最重要的算法之一,帮助自动驾驶车辆对环境建模,影响下游控制模块的决策。相关技术中,自动驾驶的图像障碍物检测方式可以有以下两种:第一种方式,可以通过单张图片,利用单目视觉检测或者跟踪算法对障碍物进行检测;第二种方式,可以通过多摄像头拍摄多张图片,对该多张图片中的各像素点进行匹配算法,计算障碍物的深度,从而达到通用的障碍物检测效果。
但是,目前存在的问题是:对于单张图片的图像检测算法,无法检测出准确的深度信息,使算法对3维环境的障碍物建模更困难,无法对通用的障碍物进行检测;对于多摄像头的检测方法,由于受多图图像特征匹配不准的问题影响,在工程上难以实现,从而影响检测结果的准确性。
发明内容
本发明的目的旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的第一个目的在于提出一种障碍物检测方法。该方法可以解决现有技术中单张图片的图像检测算法无法检测出准确的深度信息,多摄像头的检测方法受多图图像特征匹配不准而影响检测结果准确性的技术问题。
本发明的第二个目的在于提出一种障碍物检测装置。
本发明的第三个目的在于提出一种车辆。
本发明的第四个目的在于提出一种计算机设备。
本发明的第五个目的在于提出一种计算机可读存储介质。
为达上述目的,本发明第一方面实施例提出了一种障碍物检测方法,包括以下步骤:获取图像采集装置针对同一场景拍摄得到的第一帧图像和第二帧图像;将所述第一帧图像中的所有像素点确定为道路地面上的点,得到针对所述场景的地面深度图像;基于帧间相机位姿变化,将所述地面深度图像投影至所述第二帧图像上;根据投影后的地面深度图像和所述第二帧图像,生成畸变图像;对所述畸变图像中的深度信息进行检测,确定所述场景中的障碍物。
本发明实施例的障碍物检测方法,通过将一帧图像中的所有点错误默认为地面上的点,并将该错误默认的图像转换到其邻近帧下,使得该错误默认的图像中非地面像素发生畸变,与所述邻近帧图像对比会产生明显的像素差,基于该像素差即可大大降低图像检测的难度,之后再使用图像检测算法对该像素差进行深度估计,可以提高检测结果的准确率,提高检测效果;并且,融合了多帧图像的深度信息,可以实现对通用障碍物的准确检测,提高了检测方式的适配效果,从而可以解决现有技术中单张图片的图像检测算法无法检测出准确的深度信息,多摄像头的检测方法受多图图像特征匹配不准而影响检测结果准确性的技术问题。
为达上述目的,本发明第二方面实施例提出了一种障碍物检测装置,包括:图像获取模块,用于获取图像采集装置针对同一场景拍摄得到的第一帧图像和第二帧图像;地面深度图像获取模块,用于将所述第一帧图像中的所有像素点确定为道路地面上的点,得到针对所述场景的地面深度图像;图像投影模块,用于基于帧间相机位姿变化,将所述地面深度图像投影至所述第二帧图像上;畸变图像生成模块,用于根据投影后的地面深度图像和所述第二帧图像,生成畸变图像;障碍物检测模块,用于对所述畸变图像中的深度信息进行检测,确定所述场景中的障碍物。
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百度在线网络技术(北京)有限公司,未经百度在线网络技术(北京)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/201910265132.X/2.html,转载请声明来源钻瓜专利网。





