[发明专利]一种确定车辆朝向的方法、装置、电子设备及存储介质

权利要求书

1.一种确定车辆朝向的方法，其特征在于，所述方法包括：

获取采集到的图像；

对所述图像进行检测，确定所述图像中的目标车辆的各个车轮接地点的位置信息，以及每个所述车轮接地点的接地点类型；所述接地点类型用于指示所述车轮接地点的可见性和/或遮挡情况；

基于所述各个车轮接地点的位置信息以及每个所述车轮接地点的接地点类型，确定所述目标车辆的车辆朝向信息。

2.根据权利要求1所述的方法，其特征在于，所述基于所述各个车轮接地点的位置信息以及每个所述车轮接地点的接地点类型，确定所述目标车辆的车辆朝向信息，包括：

将所述各个车轮接地点进行两两组合，得到多组车轮接地点；

基于每组车轮接地点中包括的两个车轮接地点各自的接地点类型，从所述多组车轮接地点中选取目标组车轮接地点；

基于所述目标组车轮接地点包括的两个车轮接地点的位置信息，确定所述目标车辆的车辆朝向信息。

3.根据权利要求2所述的方法，其特征在于，所述基于每组车轮接地点中包括的两个车轮接地点各自的接地点类型，从所述多组车轮接地点中选取目标组车轮接地点，包括：

确定针对每个接地点类型设置的接地点得分；

针对每组车轮接地点，基于该组车轮接地点包括的两个车轮接地点各自的接地点类型的接地点得分，确定该组车轮接地点的总接地点得分；

基于每组车轮接地点的总接地点得分，从所述多组车轮接地点中选取目标组车轮接地点。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

确定每个车轮接地点的接地点类型的预测概率；

所述基于每组车轮接地点的总接地点得分，从所述多组车轮接地点中选取目标组车轮接地点，包括：

基于每组车轮接地点的总接地点得分以及每个车轮接地点的接地点类型的预测概率，从所述多组车轮接地点中选取目标组车轮接地点。

5.根据权利要求3所述的方法，其特征在于，所述基于每组车轮接地点的总接地点得分，从所述多组车轮接地点中选取目标组车轮接地点，包括：

选取总接地点得分最高的一组车轮接地点作为所述目标组车轮接地点。

6.根据权利要求2-5任一所述的方法，其特征在于，所述基于所述目标组车轮接地点包括的两个车轮接地点的位置信息，确定所述目标车辆的车辆朝向信息，包括：

基于车轮接地点所在图像坐标系域地面所在俯视图坐标系之间的坐标转换关系，以及所述目标组车轮接地点包括的两个车轮接地点在所述图像中的位置信息，确定所述两个车轮接地点的地面坐标信息；

根据所述两个车轮接地点的地面坐标信息，确定所述两个车轮接地点的连线信息；

基于所述连线信息，确定所述目标车辆的车辆朝向信息。

7.根据权利要求6所述的方法，其特征在于，所述车轮接地点所在图像坐标系与地面所在俯视图坐标系之间的坐标转换关系包括所述车轮接地点所在图像坐标系与三维空间坐标系之间的第一转换关系以及所述三维空间坐标系与地面所在俯视图坐标系之间的第二转换关系；

基于车轮接地点所在图像坐标系域地面所在俯视图坐标系之间的坐标转换关系，以及所述目标组车轮接地点包括的两个车轮接地点在所述图像中的位置信息，确定所述两个车轮接地点的地面坐标信息，包括：

基于所述第一转换关系，以及所述目标组车轮接地点包括的两个车轮接地点在所述图像中的位置信息，确定所述两个车轮接地点的三维坐标信息；

基于所述第二转换关系，以及所述两个车轮接地点的三维坐标信息，确定所述两个车轮接地点的地面坐标信息。

8.根据权利要求1-7任一所述的方法，其特征在于，按照如下步骤确定每个所述车轮接地点的接地点类型：

利用训练好的神经网络对所述图像进行特征提取，得到多尺度特征图；所述多尺度特征图包括多个尺度的特征图；

将所述多个尺度的特征图中尺度最小的一个特征图作为用于进行接地点类型预测的第一特征图；

基于所述第一特征图预测得到每个所述车轮接地点的接地点类型。