[发明专利]车辆障碍检测方法、装置及设备

说明书

本申请公开了一种车辆障碍检测方法、装置及设备，通过将本车采集到的图像数据发送至云计算设备，云计算设备基于预设的深度学习模型，对所述目标图像数据进行障碍物识别，得到障碍物的包围框，并基于所述包围框，确定所述障碍物与所述本车之间的位置关系从而利用云计算设备的强大算力解决ADAS产品内置计算芯片算例不足的缺陷，保证算法运算流畅，以及提高检测算法召回率和准确率；最后将所述位置关系返回至所述边缘计算设备，实现障碍物感知，提升行车安全性和舒适性。

技术领域

本申请涉及智能驾驶技术领域，尤其涉及一种车辆障碍检测方法、装置及设备。

背景技术

随着人工智能技术的蓬勃发展，应用于车辆的高级驾驶辅助系统（AdvancedDriver Assistance System，ADAS）产品越来越多，通过ADAS获得障碍物感知、碰撞预警、疲劳驾驶监控提醒、定速巡航、车道保持、辅助变道等驾驶辅助功能，提升行车安全性和舒适性。

目前，ADAS产品主要通过其内置的计算芯片处理汽车行驶过程中感知到的周围环境信息，并将感知结果以声音预警或暂时接管车辆横向控制、纵向控制等方式，实现更高的行车安全性和舒适性。但是，由于ADAS产品内置计算芯片通常为ARM架构，在应用于当前以视觉传感器或者多传感器融合为主的车辆障碍物感知方案时，内置计算芯片算力不足的缺陷会导致算法运行卡顿，检测算法召回率和准确率会受到明显制约，以及难以保证算法的实时性，严重时甚至导致ADAS功能宕机。

发明内容

本申请提供了一种车辆障碍检测方法、装置及设备，以解决当前基于ADAS产品的障碍物感知方案存在算法运行卡顿的技术问题。

为了解决上述技术问题，第一方面，本申请实施例提供了一种车辆障碍检测方法，应用于云计算设备，所述云计算设备与本车的边缘计算设备通信连接，所述方法包括：

获取所述边缘计算设备发送的目标图像数据，所述目标图像数据为所述本车在行驶路径上采集到的图像数据；

基于预设的深度学习模型，对所述目标图像数据进行障碍物识别，得到障碍物的包围框；

基于所述包围框，确定所述障碍物与所述本车之间的位置关系；

将所述位置关系返回至所述边缘计算设备。

本实施例通过将本车采集到的图像数据发送至云计算设备，云计算设备基于预设的深度学习模型，对所述目标图像数据进行障碍物识别，得到障碍物的包围框，并基于所述包围框，确定所述障碍物与所述本车之间的位置关系，从而利用云计算设备的强大算力解决ADAS产品内置计算芯片算例不足的缺陷，保证算法运算流畅，以及提高检测算法召回率和准确率；最后将所述位置关系返回至所述边缘计算设备，实现障碍物感知，提升行车安全性和舒适性。

在一实施例中，所述目标图像数据为二进制数据，所述基于预设的深度学习模型，对所述目标图像数据进行障碍物识别，得到障碍物的包围框之前，还包括：

对所述目标图像数据进行二进制解码，得到解码后的所述目标图像数据；

所述基于预设的深度学习模型，对所述目标图像数据进行障碍物识别，得到障碍物的包围框，包括：

基于所述深度学习模型，对解码后的所述目标图像数据进行障碍物识别，得到所述障碍物的包围框。

本实施例通过对目标图像数据进行二进制解码，以便于目标图像数据在云计算设备与边缘计算设备之间传输时，有效节省数据空间，缩短数据传输时间，提高数据传输效率。

在一实施例中，所述基于所述包围框，确定所述障碍物与所述本车之间的位置关系，包括：

确定所述包围框在所述目标图像数据中的图像高度和图像宽度；

基于所述障碍物类型，确定所述障碍物的预设真实高度和预设真实宽度；

根据所述图像高度、所述图像宽度、所述预设真实高度和所述预设真实宽度，确定所述障碍物与所述本车之间的位置关系。