【技术实现步骤摘要】
本申请涉及一种大型车辆检测方法、一种计算机程序产品、一种检测装置和一种车辆。
技术介绍
1、车辆通常设置摄像装置，以便通过摄像装置采集图像，并且根据采集到的图像对周围的障碍物、例如其它车辆进行检测。检测结果可用于辅助驾驶员的驾驶操作或用于执行车辆的自动驾驶功能。
2、目前已知的图像检测方法可利用经训练的神经网络模型在图像中识别并标注出障碍物的检测框。当障碍物以无遮挡且无截断的状态处于摄像装置的视野中时，这种图像检测方法可获得较准确的检测结果。然而，对于大型车辆而言，由于其样本量小，且大型车辆在图像中常常处于被遮挡或被截断状态。因此，往往出现漏检(丢失检测框)或检测框不准确等问题。
3、已知一种二阶段检测方法，其包括：利用神经网络模型在第一阶段输出检测框候选位置；以及在第二阶段基于检测框候选位置，利用神经网络模型输出精准检测框。该方法要求第一阶段的检测框输出能够完全包络住目标。这是一种端到端的方法，需要较多的训练数据来提高对大型车辆的检测的准确性。
4、另外，还已知通过数据增强制造虚拟数据或者拟合数据，来弥补包含大型车辆的训练数据的稀缺。然而，由此生成的虚拟数据或者拟合数据与真实数据存在差异，使得其对准确性的提升十分有限。另外，训练得到的神经网络可能存在泛化性低的问题。
5、现有技术在针对大型车辆的图像识别方面仍然存在不足。
技术实现思路
1、本申请的目的在于提供一种改进的大型车辆检测方法及相应的计算机程序产品、检测装置和车辆，以便克服
2、根据本申请的第一方面，提供了一种大型车辆检测方法，其包括：获取步骤，其中，获取待检测的图像；输入步骤，其中，将所述图像输入用于识别大型车辆的神经网络模型，所述神经网络模型包括多个分支单元和融合单元；分支识别步骤，其中，所述多个分支单元相互独立地基于所输入的图像生成分支识别结果；以及融合步骤，其中，所述融合单元融合所述分支识别结果，从而生成对图像中的大型车辆的最终识别结果。
3、由此，能够提高对例如卡车或公交车等大型车辆的检测结果的准确性。神经网络模型的多个分支单元可独立地对图像进行识别并输出各自的分支识别结果。通过融合各个分支识别结果得到最终识别结果，能够有效地提高对于大型车辆的检测结果的准确性。具体而言，通过对各个独立的分支识别结果的融合，可防止漏检，并且可得到误差更小的检测结果。上述准确性的提高不必依赖于用于训练神经网络模型的训练图像的数量。另外，这也使得所使用的神经网络模型的泛化性较好。
4、在一个示例性实施例中，所述多个分支单元可包括下述中的至少一者：大型车辆分类单元，其用于识别图像中是否存在大型车辆；车辆检测框单元，其用于识别图像中的车辆的车辆检测框；区域分类单元，其用于对大型车辆在图像中所处的区域进行分类，所述区域分类单元的分支识别结果能够表示在图像中的预先划定的多个分类区域中大型车辆所处的分类区域；车辆分割点单元，其用于识别图像中的大型车辆的边界轮廓点作为分割点；车辆关键点单元，其用于识别图像中的大型车辆的关键点，所述关键点为车辆的特定结构特征点。
5、在一个示例性实施例中，大型车辆分类单元的分支识别结果为表示图像中存在大型车辆或图像中不存在大型车辆的二分类结果。
6、在一个示例性实施例中，融合步骤可包括：根据大型车辆分类单元的分支识别结果进行判断，其中，如果大型车辆分类单元的分支识别结果表示图像中不存在大型车辆，则确定最终识别结果为未检测到大型车辆；如果大型车辆分类单元的分支识别结果表示图像中存在大型车辆，则继续融合所述多个分支单元中的其它分支单元的分支识别结果来确定最终识别结果。由此，可对包含大型车辆的图像执行有针对性的识别步骤和融合步骤，从而有效地提高准确性。
7、在一个示例性实施例中，融合步骤可包括：融合车辆检测框单元和区域分类单元的分支识别结果，其中，计算区域分类单元识别到的分类区域与车辆检测框单元识别到的检测框之间的重叠度。利用区域分类单元的分支识别结果，可校验检测框的位置、缩小误差以及防止漏检。
8、在一个示例性实施例中，融合步骤还可包括：如果所述重叠度低于第一重叠标准，则确定最终识别结果为未检测到大型车辆；和/或如果所述重叠度高于第一重叠标准，则继续融合所述多个分支单元中的其它分支单元的分支识别结果来确定最终识别结果。
9、在一个示例性实施例中，融合车辆检测框单元和区域分类单元的分支识别结果的步骤可包括：根据区域分类单元识别到的分类区域、车辆检测框单元识别到的检测框以及区域分类单元和/或车辆检测框单元的分支识别结果的置信度，生成调整后的检测框，以用于生成最终识别结果。
10、在一个示例性实施例中，如果所述重叠度低于第二重叠标准，并且车辆检测框单元的分支识别结果的置信度低于第一置信度阈值，则将区域分类单元识别到的分类区域的边框作为调整后的检测框以用于生成最终识别结果。
11、在一个示例性实施例中，如果所述重叠度低于第二重叠标准，并且区域分类单元的分支识别结果的置信度比车辆检测框单元的分支识别结果的置信度高、例如高预定的差值以上，则将区域分类单元识别到的分类区域的边框作为调整后的检测框以用于生成最终识别结果。由此，可防止对大型车辆的漏检。
12、在一个示例性实施例中，关键点可包括下述点中的至少一者：前轮胎与地面的接触点、后轮胎与地面的接触点、车辆的前脸与底盘的交点、车辆的前脸与车顶的交点、车辆的后脸与底盘的交点、车辆的后脸与车顶的交点、车辆顶点。
13、在一个示例性实施例中，融合步骤可包括：融合车辆分割点单元和车辆关键点单元的分支识别结果，其中，对于车辆关键点单元识别出的每个关键点，在车辆分割点单元识别出的分割点中搜索邻近关键点的分割点以确定相邻分割点集合，分别根据相邻分割点集合中的各个分割点与相关联的关键点，确定相应的车辆包络点以用于生成最终识别结果。通过融合关键点和分割点而得到的车辆包络点能够提高对大型车辆的检测的准确性。特别是在大型车辆在图像中被截断(未被完整地示出)的情况下，由此得到的车辆包络点能够更准确地表达图像中的大型车辆的轮廓。
14、在一个示例性实施例中，以下述方式确定相应的车辆包络点：将关键点的坐标与其相邻分割点集合中的各个分割点的坐标的平均值作为相应的车辆包络点的坐标。
15、在一个示例性实施例中，以下述方式确定相应的车辆包络点：将关键点的坐标与其相邻分割点集合中的各个分割点的坐标的加权平均值作为相应的车辆包络点的坐标，其中，分配给关键点的坐标与分割点的坐标的权重与车辆关键点单元的分支识别结果的置信度和车辆分割点单元的分支识别结果的置信度相关联。这有助于获得更准确的车辆包络点。
16、在一个示例性实施例中，融合步骤还可包括：将车辆包络点与根据车辆检测框单元和/或所述多个分支单元中的另外的分支单元的分支识别结果确定的检测框进行校验，以本文档来自技高网...
【技术保护点】
1.一种大型车辆检测方法，其中，所述大型车辆检测方法包括：
2.根据权利要求1所述的大型车辆检测方法，其中，
3.根据权利要求2所述的大型车辆检测方法，其中，
4.根据权利要求2或3所述的大型车辆检测方法，其中，
5.根据权利要求2-4中任一项所述的大型车辆检测方法，其中，
6.根据权利要求5所述的大型车辆检测方法，其中，
7.根据权利要求5或6所述的大型车辆检测方法，其中，
8.根据权利要求5-7中任一项所述的大型车辆检测方法，其中，
9.根据权利要求2-8中任一项所述的大型车辆检测方法，其中，
10.根据权利要求2-9中任一项所述的大型车辆检测方法，其中，
11.根据权利要求10所述的大型车辆检测方法，其中，
12.根据权利要求10或11所述的大型车辆检测方法，其中，
13.根据权利要求2-12中任一项所述的大型车辆检测方法，其中，
14.一种计算机程序产品，其包括计算机程序指令，其中，当所述计算机程序指令被一个或多个处理
15.一种检测装置，其包括存储器和处理器，所述存储器存储有计算机程序指令，当所述计算机程序指令被所述处理器执行时，所述处理器能够执行根据权利要求1-13中任一项所述的大型车辆检测方法。
16.一种车辆，其中，所述车辆包括：
...【技术特征摘要】
1.一种大型车辆检测方法，其中，所述大型车辆检测方法包括：
2.根据权利要求1所述的大型车辆检测方法，其中，
3.根据权利要求2所述的大型车辆检测方法，其中，
4.根据权利要求2或3所述的大型车辆检测方法，其中，
5.根据权利要求2-4中任一项所述的大型车辆检测方法，其中，
6.根据权利要求5所述的大型车辆检测方法，其中，
7.根据权利要求5或6所述的大型车辆检测方法，其中，
8.根据权利要求5-7中任一项所述的大型车辆检测方法，其中，
9.根据权利要求2-8中任一项所述的大型车辆检测方法，其中，
10.根据权利要求2-9中任一项所述的大型车辆检测...
【专利技术属性】
技术研发人员：果晨阳，丁东鹏，
申请(专利权)人：梅赛德斯奔驰集团股份公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。