[发明专利]图像处理方法、障碍物检测方法、装置、介质及车辆

权利要求书

1.一种图像处理方法，其特征在于，所述方法包括：

获取待处理图像；

将所述待处理图像输入至预先训练的障碍物检测模型，得到所述障碍物检测模型针对所述待处理图像输出的检测结果，其中，所述障碍物检测模型包括深度估计网络和目标检测网络；所述深度估计网络用于根据所述待处理图像得到第一输出内容，所述第一输出内容能够反映所述待处理图像的深度信息；所述目标检测网络用于根据所述第一输出内容得到所述检测结果；

根据所述检测结果，确定所述待处理图像中的障碍物信息。

2.根据权利要求1所述的方法，其特征在于，所述深度估计网络为单目深度估计网络，所述目标检测网络为基于三维边框的目标检测网络。

3.根据权利要求1所述的方法，其特征在于，所述障碍物检测模型通过以下方式获得：

获取多组训练数据，每一组所述训练数据包括样本图像序列、所述样本图像序列对应的深度信息以及所述样本图像序列对应的障碍物信息，所述样本图像序列中包括在时间上连续的多帧图像；

构建初始检测模型，所述初始检测模型包括初始深度估计网络和初始目标检测网络；

利用所述样本图像序列和所述样本图像序列对应的深度信息，对所述初始深度估计网络进行训练，以获得训练完成的深度估计网络；

根据所述样本图像序列和训练完成的深度估计网络，获得训练完成的深度估计网络针对所述样本图像序列输出的第二输出内容；

根据所述样本图像序列和所述第二输出内容，得到训练输入数据；

利用所述训练输入数据和所述样本图像序列对应的障碍物信息，对所述初始目标检测网络进行训练，以获得训练完成的目标检测网络；

根据所述训练完成的深度估计网络和所述训练完成的目标检测网络，获得所述障碍物检测模型。

4.根据权利要求3所述的方法，其特征在于，所述利用所述样本图像序列和所述样本图像序列对应的深度信息，对所述初始深度估计网络进行训练，以获得训练完成的深度估计网络，包括：

将目标样本图像序列输入至本次训练所使用的深度估计网络中，获得本次训练所使用的深度估计网络输出的第三输出内容，其中，目标样本图像序列为本次训练所使用的样本图像序列，并且，初次训练所使用的深度估计网络为所述初始深度估计网络；

根据所述第三输出内容和所述目标样本图像序列对应的深度信息，确定本次训练的第一损失值；

若不满足第一训练停止条件，利用所述第一损失值更新本次训练所使用的深度估计网络，并将更新后的深度估计网络用于下一次训练；

若满足所述第一训练停止条件，将本次训练所使用的深度估计网络作为训练完成的深度估计网络。

5.根据权利要求3所述的方法，其特征在于，所述第二输出内容为所述样本图像序列中每一帧图像对应的深度图像；

所述根据所述样本图像序列和所述第二输出内容，得到训练输入数据，包括：

分别将所述样本图像序列中的每一帧图像作为目标图像，执行如下操作，以得到训练输入数据：

将所述目标图像与所述目标图像在所述第二内容中对应的深度图像进行拼接。

6.根据权利要求3所述的方法，其特征在于，所述利用所述训练输入数据和所述样本图像序列对应的障碍物信息，对所述初始目标检测网络进行训练，以获得训练完成的目标检测网络，包括：

将目标训练输入数据输入至本次训练所使用的目标检测网络中，获得本次训练所使用的目标检测网络输出的第四输出内容，其中，目标训练输入数据为本次训练所使用的训练输入数据，并且，初次训练所使用的目标检测网络为所述初始目标检测网络；

根据所述第四输出内容和所述目标训练输入数据对应的障碍物信息，确定本次训练的第二损失值；

若不满足第二训练停止条件，利用所述第二损失值更新本次训练所使用的目标检测网络，并将更新后的目标检测网络用于下一次训练；

若满足所述第二训练停止条件，将本次训练所使用的目标检测网络作为训练完成的目标检测网络。