障碍物识别方法、装置、设备及存储介质与流程

本申请涉及车辆，尤其涉及障碍物识别方法、装置、设备及存储介质。

背景技术：

1、市面上常见的智能驾驶系统常受环境光照影响，可见光相机在弱光或明暗交替时难以准确识别目标。而红外相机因其被动感光特性，不受光照限制，特别适用于暗光环境下的障碍物检测。为降低光照对障碍物识别系统的影响，我们亟需研究如何有效利用红外相机技术确保行车安全，因此，如何提高智能驾驶系统在各种光线条件下的准确性成为亟待解决的问题。

技术实现思路

1、本申请的主要目的在于提供一种障碍物识别方法、装置、设备及存储介质，旨在解决如何提高智能驾驶系统在各种光线条件下的准确性的技术问题。

2、为实现上述目的，本申请提出一种障碍物识别方法，所述障碍物识别方法包括：

3、根据待处理可见光图像、待处理红外图像以及预设压缩分解网络确定目标融合图像；

4、根据所述目标融合图像确定目标相机障碍物；

5、根据所述目标相机障碍物和目标传感器障碍物生成目标障碍物列表。

6、在一实施例中，所述根据待处理可见光图像、待处理红外图像以及预设压缩分解网络确定目标融合图像包括：

7、根据待处理可见光图像和待处理红外图像确定归一化可见光图像和归一化红外图像；

8、根据所述归一化可见光图像、所述归一化红外图像以及预设压缩分解网络确定初始融合图像；

9、根据所述初始融合图像和预设图像处理策略确定目标融合图像。

10、在一实施例中，所述根据所述归一化可见光图像、所述归一化红外图像以及预设压缩分解网络确定初始融合图像，包括：

11、根据归一化可见光图像、归一化红外图像以及预设次数的卷积操作确定各卷积操作对应的卷积可见光图像和卷积红外图像；

12、根据多个卷积可见光图像、多个卷积红外图像以及预设图像连接顺序确定目标连接图像；

13、根据所述目标连接图像、降维卷积操作以及双曲正切激活函数确定初始融合图像。

14、在一实施例中，所述根据所述目标相机障碍物和目标传感器障碍物生成目标障碍物列表，包括：

15、根据目标传感器障碍物和车身坐标系确定坐标传感器障碍物；

16、根据目标相机障碍物和所述目标传感器障碍物确定障碍物融合结果；

17、根据所述障碍物融合结果生成目标障碍物列表。

18、在一实施例中，所述根据目标相机障碍物和所述目标传感器障碍物确定障碍物融合结果，包括：

19、根据目标相机障碍物和目标传感器障碍物确定各障碍物对应的状态信息；

20、根据各障碍物对应的状态信息和预设融合策略确定障碍物融合结果。

21、在一实施例中，所述根据所述目标相机障碍物和目标传感器障碍物生成目标障碍物列表之后，还包括：

22、根据目标障碍物列表和前一帧障碍物列表确定各障碍物对应的状态信息；

23、根据各障碍物对应的状态信息确定障碍物匹配结果；

24、根据所述障碍物匹配结果和预设卡尔曼滤波器对目标障碍物列表进行更新得到更新后的目标障碍物列表。

25、在一实施例中，所述根据所述障碍物匹配结果和预设卡尔曼滤波器对目标障碍物列表进行更新得到更新后的目标障碍物列表之后，还包括：

26、在接收到后一帧障碍物列表时，根据所述后一帧障碍物列表确定输入障碍物列表；

27、根据所述输入障碍物列表确定匹配障碍物列表；

28、根据所述输入障碍物列表和所述匹配障碍物列表生成目标更新障碍物列表。

29、此外，为实现上述目的，本申请还提出一种障碍物识别装置，所述障碍物识别装置包括：

30、处理模块，用于根据待处理可见光图像、待处理红外图像以及预设压缩分解网络确定目标融合图像；

31、所述处理模块，还用于根据所述目标融合图像确定目标相机障碍物；

32、识别模块，用于根据所述目标相机障碍物和目标传感器障碍物生成目标障碍物列表。

33、此外，为实现上述目的，本申请还提出一种障碍物识别设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的障碍物识别方法的步骤。

34、此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的障碍物识别方法的步骤。

35、此外，为实现上述目的，本申请还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的障碍物识别方法的步骤。

36、本申请通过根据待处理可见光图像、待处理红外图像以及预设压缩分解网络确定目标融合图像；根据所述目标融合图像确定目标相机障碍物；根据所述目标相机障碍物和目标传感器障碍物生成目标障碍物列表。通过压缩分解网络对可见光和红外图像进行融合，同时结合所有传感器识别到的3d障碍物信息进行障碍物融合合并，在充分保留图像特征和各传感器障碍物3d信息的情况下对障碍物识别与跟踪，实现了提高智能驾驶系统在各种光线条件下的准确性。

技术特征：

1.一种障碍物识别方法，其特征在于，所述障碍物识别方法包括：

2.如权利要求1所述的方法，其特征在于，所述根据待处理可见光图像、待处理红外图像以及预设压缩分解网络确定目标融合图像包括：

3.如权利要求2所述的方法，其特征在于，所述根据所述归一化可见光图像、所述归一化红外图像以及预设压缩分解网络确定初始融合图像，包括：

4.如权利要求1所述的方法，其特征在于，所述根据所述目标相机障碍物和目标传感器障碍物生成目标障碍物列表，包括：

5.如权利要求4所述的方法，其特征在于，所述根据目标相机障碍物和所述目标传感器障碍物确定障碍物融合结果，包括：

6.如权利要求1所述的方法，其特征在于，所述根据所述目标相机障碍物和目标传感器障碍物生成目标障碍物列表之后，还包括：

7.如权利要求6所述的方法，其特征在于，所述根据所述障碍物匹配结果和预设卡尔曼滤波器对目标障碍物列表进行更新得到更新后的目标障碍物列表之后，还包括：

8.一种障碍物识别装置，其特征在于，所述障碍物识别装置包括：

9.一种障碍物识别设备，其特征在于，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如权利要求1至7中任一项所述的障碍物识别方法的步骤。

10.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的障碍物识别方法的步骤。

技术总结本申请公开了一种障碍物识别方法、装置、设备及存储介质，涉及车辆技术领域，所述障碍物识别方法包括：根据待处理可见光图像、待处理红外图像以及预设压缩分解网络确定目标融合图像；根据所述目标融合图像确定目标相机障碍物；根据所述目标相机障碍物和目标传感器障碍物生成目标障碍物列表。通过压缩分解网络对可见光和红外图像进行融合，同时结合所有传感器识别到的3D障碍物信息进行障碍物融合合并，在充分保留图像特征和各传感器障碍物3D信息的情况下对障碍物识别与跟踪，实现了提高智能驾驶系统在各种光线条件下的准确性。技术研发人员：刘会凯,杨颖,朱玟谦受保护的技术使用者：岚图汽车科技有限公司技术研发日：技术公布日：2024/7/29