[发明专利]一种带自评测机制的道路场景语义分割方法及系统

说明书

本发明公开了一种带自评测机制的道路场景语义分割方法及系统，该方法包括：获取车辆行驶环境中的道路场景视频，并将预设帧数的街景原始图像进行语义分割，预测得到分割掩膜图像和运动光流信息；构建评测网络，使用视频物体分割数据集对评测网络进行训练和调优，得到自评测模型；将街景原始图像、分割掩膜图像及运动光流信息输入自评测模型，得到语义分割结果的评分。该方法通过预先构建好自评测模型，在得到语义分割结果后，使用该结果输入自评测模型，进而得到较为客观的语义分割结果的评分，该评分可以在客观上评价语义分割结果的置信度，进而为智能驾驶系统提供有效的决策依据，也可以为应用过程中无监督调优提供数据支持。

技术领域

本发明涉及人工智能技术领域，更具体的说是涉及一种带自评测机制的道路场景语义分割方法及系统。

背景技术

目前，随着车辆智能驾驶技术的不断发展，作为智能驾驶系统中一项核心技术的道路场景语义分割技术成为该领域研究的重点，道路场景语义分割技术可以辅助车辆对驾驶环境进行像素级别的密集感知。在行车过程中，使用车载摄像头获取驾驶图像，并将其输入到语义分割算法中，算法自动对图像进行分割归类，将感知到的一整幅图切分成车道、行人、车辆等具体的语义信息，再输送给决定车辆行驶的决策模块，以进行障碍物避让和环境分析模块，从而为安全驾驶保驾护航。

但是，现有的道路场景语义分割算法的评测需要在有标注的数据集上进行，根据算法的分割结果与人工标注之间的差异计算得到算法的分割精度。然而基于深度学习的各类算法的性能表现在不同数据集是不一样的，当算法被应用于实际中时，具体的实测性能大多只能靠使用者的目测来进行主观判断。这种方式下，算法的实用性能无法得到客观测评，输送给决策端的信息精度也无法保障。且开发者无法得到算法实用效果的精准反馈，无法在不额外进行数据标注的情况下，将算法针对实际使用场景进行调试优化。

因此，如何提供一种具有自评测功能的道路场景语义分割方法是本领域技术人员亟需解决的问题。

发明内容

有鉴于此，本发明提供了一种带自评测机制的道路场景语义分割方法及系统，该方法自带一种分割评测机制，能够在实际使用过程中给出分割结果，以及该分割结果的评分(置信度)，解决了现有的语义分割算法无法实现自评测功能，进而无法为智能驾驶系统提供有效的决策依据，也无法为应用过程中无监督调优提供数据支持的问题。

为了实现上述目的，本发明采用如下技术方案：

一方面，本发明提供了一种带自评测机制的道路场景语义分割方法，该方法包括以下步骤：

语义分割：获取车辆行驶环境中的道路场景视频，并将预设帧数的街景原始图像进行语义分割，预测得到分割掩膜图像和运动光流信息；

构建模型：构建评测网络，使用视频物体分割数据集对所述评测网络进行训练和调优，得到自评测模型；

评测结果：将所述街景原始图像、所述分割掩膜图像以及所述运动光流信息输入所述自评测模型，得到语义分割结果的评分。

本发明的有益效果是：该方法通过预先构建好自评测模型，在得到语义分割结果后，使用该结果输入构建好的自评测模型，进而得到较为客观的语义分割结果的评分，该评分可以在客观上评价语义分割结果的置信度，进而为智能驾驶系统提供有效的决策依据，也可以为应用过程中无监督调优提供数据支持。

进一步地，上述构建模型的步骤，具体包括：

步骤1：以卷积神经网络为主体，构建评测网络；

步骤2：基于视频物体分割数据集，对所述评测网络进行预训练；

步骤3：选取所述视频物体分割数据集中多种已知算法预测得到的掩膜图像和光流信息，并对所述视频物体分割数据集中选取数据进行标注计算得到的分割结果评分；