[发明专利]可行驶区域检测方法、域控制器及计算机可读存储介质

说明书

本发明提供了一种可行驶区域检测方法、域控制器及计算机可读存储介质，该方法包括：获取路面图像；将路面图像输入到可行驶区域检测模型中，对路面图像进行路面分割以识别路面图像中的可行驶区域；可行驶区域检测模型包括编码器、解码器及注意力模块，注意力模块对编码器输出的编码特征进行注意力特征提取，并输入解码器中进行特征融合；编码器采用残差网络结构，包括N个依次相连的下采样层；解码器包括N个依次相连的多尺度特征融合层，与上采样层一一对应连接，每一层融合对应下采样层的编码特征、前一层的融合特征及注意力特征；本发明充分考虑全局特征和局部特征，有效提高可行驶区域的检测精度，提升模型的推理速度，达到实时检测的效果。

技术领域

本发明涉及自动驾驶技术领域，尤其涉及一种可行驶区域检测方法、域控制器及计算机可读存储介质。

背景技术

电动汽车的自动驾驶主要通过路面感知系统实现，其主要分为目标检测、车道线检测、可行驶区域分割等。其中，可行驶区域分割是基于图像像素级别的高层语义信息识别，所述高层语义信息一般包括可行驶区域边界信息、车道信息、目标检测信息和目标跟踪信息，而车道信息、目标检测信息和目标跟踪信息需要以可行驶区域边界信息为依托，因此，可行驶区域信息的检测在路面感知系统中占据首要地位。而目前主要的可行驶区域检测主要采用Transformer模型，其主要针对全局特征的提取，对局部特征的提取依然有所欠缺，导致可行驶区域检测精度较低，同时Transformer模型结构复杂，对硬件算力要求较高，难以达到实时检测的效果，导致很难进行算法的落地和应用。

发明内容

针对上述问题，本发明的目的在于提供一种可行驶区域检测方法、域控制器及计算机可读存储介质，其充分考虑全局特征和局部特征，有效提高可行驶区域的检测精度，同时提升模型的推理速度，进而达到实时检测的效果。

第一方面，本发明实施例提供了一种可行驶区域检测方法，包括：

获取路面图像；

将所述路面图像输入到可行驶区域检测模型中，对所述路面图像进行路面分割以识别路面图像中的可行驶区域；

所述可行驶区域检测模型包括编码器、解码器以及注意力模块，所述注意力模块对所述编码器输出的编码特征进行注意力特征提取，并输入所述解码器中进行特征融合；

其中，所述编码器采用残差网络结构，包括N个依次相连的下采样层；所述解码器包括N个依次相连的多尺度特征融合层，并与所述上采样层一一对应连接，每一层多尺度特征融合层融合所述编码器中对应下采样层的编码特征、前一层多尺度特征融合层的融合特征以及所述注意力模块输出的注意力特征。

作为上述方案的改进，部分所述下采样层与所述多尺度特征融合层之间设有所述边缘增强模块，进行边缘特征的提取。

作为上述方案的改进，所述编码器采用的残差网络结构为ResNet34；其中，所述下采样层和所述多尺度特征融合层的层数均为4。

作为上述方案的改进，所述多尺度特征融合层的输入包括：对应上采样层输出的编码特征与其对应的边缘增强模块输出的边缘特征的拼接结果、前一层多尺度特征融合层输出的融合特征以及所述注意力模块输出的注意力特征。

作为上述方案的改进，所述边缘增强模块采用HPF算子进行边缘特征提取。

作为上述方案的改进，所述HPF算子的模板为：

作为上述方案的改进，所述多尺度特征融合层的函数表达如下：