[发明专利]感知参数的确定方法及装置、存储介质、电子装置

说明书

本发明提供了一种感知参数的确定方法及装置、存储介质、电子装置，其中，所述方法包括：通过图像采集装置对目标区域进行拍照，得到目标图像，其中，所述目标区域为具备自主移动能力的设备的待行进区域；将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的N个预测层，其中，N为大于1的整数；根据所述N个预测层确定所述设备的N个不同的感知参数，采用上述技术方案，解决了相关技术中随着感知需求的增多，需建立多个模型来执行不同的任务，进而降低了感知算法的运行速度等问题。

技术领域

本发明涉及机器人领域，具体而言，涉及一种感知参数的确定方法及装置、存储介质、电子装置。

背景技术

室外机器人、无人驾驶汽车等在具体的运行场景中的感知算法中使用相机，激光雷达以及深度相机(又称为3D相机，通过深度相机能够拍出空间的景深距离)等传感器检测道路所在位置，从而帮助室外车/无人驾驶汽车等做出以后的行驶策略，而道路可以分为公路，人行道等可通行区域，检测算法可以是传统的检测模型或者深度学习网络模型。

当室外机器人、无人驾驶汽车等的感知参数不仅仅是可通行区域检测，例如还需要对马路主方向进行预测时候，传统的方法需要建立两个模型进行预测，即多个任务需分别独立建模。此时，感知算法的计算量将随任务数量线性增加，后果是直接降低了感知算法运行速度。对于计算资源有限，内存/显存有限，或者实时性要求较高的机器人，室外车以及移动设备等，这是极大的不利因素。

针对相关技术中，随着感知需求的增多，需建立多个模型来执行不同的任务，进而降低了感知算法的运行速度等问题，尚未提出有效的技术方案。

发明内容

本发明实施例提供了一种感知参数的确定方法及装置、存储介质、电子装置，以至少解决相关技术中随着感知需求的增多，需建立多个模型来执行不同的任务，进而降低了感知算法的运行速度等问题。

根据本发明的一个实施例，提供了一种感知参数的确定方法，包括：通过图像采集装置对目标区域进行拍照，得到目标图像，其中，所述目标区域为具备自主移动能力的设备的待行进区域；将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的N个预测层，其中，N为大于1的整数；根据所述N个预测层确定所述设备的N个不同的感知参数。

在本发明实施例中，根据所述N个预测层确定所述设备的N个不同的感知参数，包括以下至少之一：根据所述N个预测层中的第一预测层确定所述待行进区域的道路两侧边缘线；根据所述N个预测层中的第二预测层确定所述待行进区域中的可通行区域；根据所述N个预测层中的第三预测层确定所述道路两侧边缘线的置信度。

在本发明实施例中，根据所述N个预测层中的第一预测层确定所述待行进区域的道路两侧边缘线之后，所述方法还包括：根据确定的所述道路两侧边缘线确定所述待行进区域的道路主方向。

在本发明实施例中，将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的N个预测层，包括：将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的共享特征层；根据所述共享特征层确定所述N个预测层。

根据本发明的另一个实施例，还提供了一种感知参数的确定装置，包括：第一确定模块，用于通过图像采集装置对目标区域进行拍照，得到目标图像，其中，所述目标区域为具备自主移动能力的设备的待行进区域；第二确定模块，用于将所述目标图像输入到多任务神经模型中，得到对应N个不同任务的N个预测层，其中，N为大于1的整数；第三确定模块，用于根据所述N个预测层确定所述设备的N个不同的感知参数。

在本发明实施例中，所述第三确定模块，用于执行以下至少之一：根据所述N个预测层中的第一预测层确定所述待行进区域的道路两侧边缘线；根据所述N个预测层中的第二预测层确定所述待行进区域中的可通行区域；根据所述N个预测层中的第三预测层确定所述道路两侧边缘线的置信度。

在本发明实施例中，所述第三确定模块，还用于根据确定的所述道路两侧边缘线确定所述待行进区域的道路主方向。