[发明专利]图像处理方法、障碍物检测方法、装置、介质及车辆

说明书

本公开涉及一种图像处理方法、障碍物检测方法、装置、介质及车辆，以提升障碍物检测的准确性。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。

技术领域

本公开涉及计算机技术领域，具体地，涉及一种图像处理方法、障碍物检测方法、装置、介质及车辆。

背景技术

目前，自动驾驶技术依赖于对车辆周边障碍物的检测，对车辆周边障碍物检测的准确与否将对行车安全产生十分重要的影响。相关技术中，在自动驾驶感知领域，对于障碍物检测通常使用两种方式。第一种方式为，在图像上利用深度学习检测二维/三维边框(即，2D/3D bounding box)，然而，这种方案的准确性依赖于数据集的数据量，对标注有较大依赖，并且，在实际使用时存在准确率不足的问题，无法适用于实际的使用场景。第二种方式为，利用三维重建单目恢复深度的方法，通过连续帧图像恢复出序列图像中像素级深度，但是，这种方式在识别远距离物体方面存在准确率不足的问题。

发明内容

本公开的目的是提供一图像处理方法、障碍物检测方法、装置、介质及车辆，以提升障碍物检测的准确性。

为了实现上述目的，根据本公开的第一方面，提供一种图像处理方法，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。

可选地，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。

可选地，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。

可选地，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；