一种可行驶区域检测方法及装置制造方法及图纸

本发明专利技术提供了一种可行驶区域检测方法及装置，其中，该可行驶区域检测方法包括：利用单目摄像头获取道路交通图像，依据获取的道路交通图像，构建包含色彩通道的初始张量；针对每一道路交通图像，获取该道路交通图像中每一像素点的坐标信息，将该像素点的坐标信息添加至该像素点对应的色彩通道中，得到该道路交通图像对应的待处理张量；将所述待处理张量输入预先训练好的包含注意力模块的神经网络，得到表征可行驶区域和不可行驶区域的特征张量；依据所述特征张量中表征可行驶区域的像素点，构建可行驶区域的轮廓，控制车辆在所述可行驶区域的轮廓内行驶。可以提高可行驶区域的检测精度。度。度。

【技术实现步骤摘要】
一种可行驶区域检测方法及装置


[0001]本专利技术涉及道路交通
，具体而言，涉及一种可行驶区域检测方法及装置。

技术介绍

[0002]可行驶区域检测技术是辅助驾驶系统和自动驾驶系统中的一项关键技术，用于检测车辆行驶环境中的某区域是属于可行驶区域还是不可行驶区域，为辅助驾驶和自动驾驶提供行驶路线的技术支持。其中，不可行驶区域主要包括道路上的静态障碍物，例如，锥桶、护栏等所在的区域，以及动态障碍物，例如，车辆、行人等所在的区域、道路两侧的路沿、道路中间的施工区域等。
[0003]目前，可行驶区域检测技术一般采用基于双目摄像头视差图像的可行驶区域检测方法，但该可行驶区域检测方法，需要使用双目相机拍摄左右两幅图像，基于左右拍摄的两幅图像得到视差图像，从而基于视差图像进行可行区域检测，由于是基于左右拍摄的两幅图像得到视差图像，对双目相机的定标精度要求高，使得用于可行驶区域检测的设备成本高，检测过程较繁琐，车辆行驶过程中的颠簸、抖动，都会影响到检测精度，导致可行驶区域检测精度不高，影响车辆行驶，例如，将原本的可行驶区域检测为不可行驶区域，使车辆无法行驶，造成交通拥堵。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供可行驶区域检测方法及装置，以提高可行驶区域的检测精度。
[0005]第一方面，本专利技术实施例提供了可行驶区域检测方法，包括：
[0006]利用单目摄像头获取道路交通图像，依据获取的道路交通图像，构建包含色彩通道的初始张量；
[0007]针对每一道路交通图像，获取该道路交通图像中每一像素点的坐标信息，将该像素点的坐标信息添加至该像素点对应的色彩通道中，得到该道路交通图像对应的待处理张量；
[0008]将所述待处理张量输入预先训练好的包含注意力模块的神经网络，得到表征可行驶区域和不可行驶区域的特征张量；
[0009]依据所述特征张量中表征可行驶区域的像素点，构建可行驶区域的轮廓，控制车辆在所述可行驶区域的轮廓内行驶。
[0010]结合第一方面，本专利技术实施例提供了第一方面的第一种可能的实施方式，其中，所述神经网络为语义分割网络，将所述待处理张量输入预先训练好的包含注意力模块的神经网络，得到表征可行驶区域和不可行驶区域的特征张量，包括：
[0011]将所述待处理张量输入语义分割网络中的第一分支层中的第一子层，得到第一张量；
[0012]将第一张量分别输入第一分支层中的第二子层以及第二分支层中的第一子分支
层，得到第二张量以及第三张量，所述第二子层依次包括：第三卷积层、第三批量归一化层、第三激活函数层、第一基础模块以及第二基础模块，所述第一子分支层依次包括：第四卷积层、第四批量归一化层、第四激活函数层、第三基础模块以及第四基础模块；
[0013]将第二张量和第三张量输入第一特征融合层，得到第四张量以及第五张量；
[0014]将第四张量输入第一分支层中的第五基础模块，第五基础模块的输出输入第六基础模块，得到第六张量，将第五张量输入第二分支层中的第七基础模块，第七基础模块的输出输入第八基础模块，得到第七张量，将第五张量输入第三分支层中的第一分支子层，得到第八张量，所述第一分支子层依次包括：第五卷积层、第五批量归一化层、第五激活函数层、第九基础模块以及第十基础模块；
[0015]将第六张量、第七张量、第八张量输入第二特征融合层，分别得到第九张量、第十张量、第十一张量；
[0016]将第九张量输入第一分支层中的第十一基础模块，第十一基础模块的输出输入第十二基础模块，得到第十二张量，将第十张量输入第二分支层中的第十三基础模块，第十三基础模块的输出输入第十四基础模块，得到第十三张量，将第十一张量输入第三分支层中的第十五基础模块，第十五基础模块的输出输入第十六基础模块，得到第十四张量，将第十一张量输入第四分支层，得到第十五张量，所述第四分支层依次包括：第六卷积层、第六批量归一化层、第六激活函数层、第十七基础模块以及第十八基础模块；
[0017]将第十二张量、第十三张量、第十四张量、第十五张量输入第三特征融合层，分别得到第十六张量、第十七张量、第十八张量、第十九张量；
[0018]将第三特征融合层输出的张量输入至张量拼接层，得到拼接张量；
[0019]将拼接张量输入第七卷积层，第七卷积层的输出输入第八卷积层，得到输出张量；
[0020]对输出张量沿第0个维度进行Argmax运算，得到待处理张量，对待处理张量进行上采样，得到特征张量。
[0021]结合第一方面的第一种可能的实施方式，本专利技术实施例提供了第一方面的第二种可能的实施方式，其中，所述将所述待处理张量输入语义分割网络中的第一分支层中的第一子层，得到第一张量，包括：
[0022]将所述待处理张量输入第一卷积层进行卷积处理；
[0023]第一卷积层的输出输入至第一批量归一化层进行批量归一化处理；
[0024]第一批量归一化层的输出输入至第一激活函数层；
[0025]第一激活函数层的输出输入至第二卷积层进行卷积处理；
[0026]第二卷积层的输出输入至第二批量归一化层进行批量归一化处理；
[0027]第二批量归一化层的输出输入至第二激活函数层；
[0028]第二激活函数层的输出输入至颈部模块，颈部模块输出第一张量。
[0029]结合第一方面的第二种可能的实施方式，本专利技术实施例提供了第一方面的第三种可能的实施方式，其中，所述第二激活函数层的输出输入至颈部模块，颈部模块输出第一张量，包括：
[0030]第二激活函数层的输出分别输入至第一卷积子层以及第四卷积子层；
[0031]第一卷积子层的输出输入至第一批量归一化子层，第一批量归一化子层的输出输入至第一激活函数子层，第一激活函数子层的输出输入至第二卷积子层，第二卷积子层的
输出输入至第二批量归一化子层，第二批量归一化子层的输出输入至第二激活函数子层，第二激活函数子层的输出输入至第三卷积子层，第三卷积子层的输出输入至第三批量归一化子层；
[0032]第三批量归一化子层的输出输入至通道注意力第一子模块，通道注意力第一子模块的输出输入至空间注意力第一子模块；
[0033]第四卷积子层的输出输入至第四批量归一化子层；
[0034]空间注意力第一子模块的输出以及第四批量归一化子层的输出输入至逐加子模块；
[0035]逐加子模块的输出输入至第三激活函数子层，第三激活函数子层的输出为第一张量。
[0036]结合第一方面的第三种可能的实施方式，本专利技术实施例提供了第一方面的第四种可能的实施方式，其中，所述第三批量归一化子层的输出输入至通道注意力第一子模块，包括：
[0037]第三批量归一化子层的输出分别输入至平均池化层、最大池化层和第一相乘运算层；
[0038]平均池化层的输出输入至第一张量形状变化层，第一张量形状变化层的输出输入至第一线性层，第一线性层的输出输入至第四激活函数子层本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种可行驶区域检测方法，其特征在于，包括：利用单目摄像头获取道路交通图像，依据获取的道路交通图像，构建包含色彩通道的初始张量；针对每一道路交通图像，获取该道路交通图像中每一像素点的坐标信息，将该像素点的坐标信息添加至该像素点对应的色彩通道中，得到该道路交通图像对应的待处理张量；将所述待处理张量输入预先训练好的包含注意力模块的神经网络，得到表征可行驶区域和不可行驶区域的特征张量；依据所述特征张量中表征可行驶区域的像素点，构建可行驶区域的轮廓，控制车辆在所述可行驶区域的轮廓内行驶。2.根据权利要求1所述的方法，其特征在于，所述神经网络为语义分割网络，将所述待处理张量输入预先训练好的包含注意力模块的神经网络，得到表征可行驶区域和不可行驶区域的特征张量，包括：将所述待处理张量输入语义分割网络中的第一分支层中的第一子层，得到第一张量；将第一张量分别输入第一分支层中的第二子层以及第二分支层中的第一子分支层，得到第二张量以及第三张量，所述第二子层依次包括：第三卷积层、第三批量归一化层、第三激活函数层、第一基础模块以及第二基础模块，所述第一子分支层依次包括：第四卷积层、第四批量归一化层、第四激活函数层、第三基础模块以及第四基础模块；将第二张量和第三张量输入第一特征融合层，得到第四张量以及第五张量；将第四张量输入第一分支层中的第五基础模块，第五基础模块的输出输入第六基础模块，得到第六张量，将第五张量输入第二分支层中的第七基础模块，第七基础模块的输出输入第八基础模块，得到第七张量，将第五张量输入第三分支层中的第一分支子层，得到第八张量，所述第一分支子层依次包括：第五卷积层、第五批量归一化层、第五激活函数层、第九基础模块以及第十基础模块；将第六张量、第七张量、第八张量输入第二特征融合层，分别得到第九张量、第十张量、第十一张量；将第九张量输入第一分支层中的第十一基础模块，第十一基础模块的输出输入第十二基础模块，得到第十二张量，将第十张量输入第二分支层中的第十三基础模块，第十三基础模块的输出输入第十四基础模块，得到第十三张量，将第十一张量输入第三分支层中的第十五基础模块，第十五基础模块的输出输入第十六基础模块，得到第十四张量，将第十一张量输入第四分支层，得到第十五张量，所述第四分支层依次包括：第六卷积层、第六批量归一化层、第六激活函数层、第十七基础模块以及第十八基础模块；将第十二张量、第十三张量、第十四张量、第十五张量输入第三特征融合层，分别得到第十六张量、第十七张量、第十八张量、第十九张量；将第三特征融合层输出的张量输入至张量拼接层，得到拼接张量；将拼接张量输入第七卷积层，第七卷积层的输出输入第八卷积层，得到输出张量；对输出张量沿第0个维度进行Argmax运算，得到待处理张量，对待处理张量进行上采样，得到特征张量。3.根据权利要求2所述的方法，其特征在于，所述将所述待处理张量输入语义分割网络中的第一分支层中的第一子层，得到第一张量，包括：
将所述待处理张量输入第一卷积层进行卷积处理；第一卷积层的输出输入至第一批量归一化层进行批量归一化处理；第一批量归一化层的输出输入至第一激活函数层；第一激活函数层的输出输入至第二卷积层进行卷积处理；第二卷积层的输出输入至第二批量归一化层进行批量归一化处理；第二批量归一化层的输出输入至第二激活函数层；第二激活函数层的输出输入至颈部模块，颈部模块输出第一张量。4.根据权利要求3所述的方法，其特征在于，所述第二激活函数层的输出输入至颈部模块，颈部模块输出第一张量，包括：第二激活函数层的输出分别输入...

【专利技术属性】
技术研发人员：倪光一，钱少华，韩志华，张旭，杜一光，
申请(专利权)人：苏州挚途科技有限公司，
类型：发明
国别省市：