System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 图像处理方法、装置、电子设备及计算机存储介质制造方法及图纸_技高网

图像处理方法、装置、电子设备及计算机存储介质制造方法及图纸

技术编号:43301992 阅读:0 留言:0更新日期:2024-11-12 16:17
本申请实施例提供了一种图像处理方法、装置、电子设备及计算机存储介质,所述方法包括:获取包括待识别对象图像的原始图像;对所述原始图像中待识别对象进行数据增强处理,获得增强后图像;对所述增强后图像进行分辨率缩小处理,获得目标图像,其中,所述目标图像用于对识别模型进行训练,所述识别模型用于从输入图像中识别待识别对象。利用本申请提供的图像处理方法获得的目标图像进行模型训练,训练出的识别模型对待识别对象的识别准确率较高。

【技术实现步骤摘要】

本申请实施例涉及图像处理,尤其涉及一种图像处理方法、装置、电子设备及计算机存储介质


技术介绍

1、在自动驾驶中,基于视觉的检测具有重要的地位,通过视觉检测结果和其他传感器的相互补充,可以实时获取周围的环境信息,从而为自动驾驶的规划和决策提供必要的信息。而车道线是自动驾驶场景中重要的标志物,车道线的识别与后续的车辆定位以及自动驾驶的规划和决策紧密相关,因此需要单独的车道线识别模型对车道线进行识别。

2、目前,通过获取标注有车道线图像的训练图像,进而通过所获得的训练图像对车道线识别模型进行训练。

3、但是,在通过训练图像对车道线识别模型进行训练时,训练图像中较细的车道线图像会由于特征提取而发生断裂,进而导致训练出的车道线识别模型在识别车道线时,出现所识别出车道线发生断裂的情况,因此所训练出的车道线识别模型的识别准确率较低。


技术实现思路

1、有鉴于此,本申请实施例提供一种图像处理方法、装置、电子设备及计算机存储介质,以至少部分解决上述问题。

2、根据本申请实施例的第一方面,提供了一种图像处理方法,包括:获取包括待识别对象图像的原始图像;对所述原始图像中待识别对象进行数据增强处理,获得增强后图像;对所述增强后图像进行分辨率缩小处理,获得目标图像,其中,所述目标图像用于对识别模型进行训练,所述识别模型用于从输入图像中识别待识别对象。

3、在一种可能的实现方式中,所述对所述原始图像中待识别对象进行数据增强处理,获得增强后图像,包括:对所述原始图像中待识别对象图像进行最大池化处理和/或膨胀处理,获得与所述原始图像中待识别对象图像的轮廓相匹配的所述增强后图像。

4、在一种可能的实现方式中,所述对所述增强后图像进行分辨率缩小处理,获得目标图像,包括:对所述增强后图像进行最近邻插值处理,获得所述目标图像。

5、在一种可能的实现方式中,所述待识别对象包括车道线、车道边缘、道路护栏、路灯杆、道路指示牌杆中的至少一个。

6、根据本申请实施例的第二方面,提供了一种识别模型训练方法,包括:获取包括多个训练样本的训练集,其中,所述训练样本包括通过本申请实施例的第一方面所述方法获得的所述目标图像;通过所述训练集对待训练模型进行训练,获得用于从输入图像中识别待识别对象的识别模型。

7、根据本申请实施例的第三方面,提供了一种图像处理装置,包括:第一获取模块,用于获取包括待识别对象图像的原始图像;提取模块,用于对所述原始图像中待识别对象进行数据增强处理,获得增强后图像;处理模块,用于对所述增强后图像进行分辨率缩小处理,获得目标图像,其中,所述目标图像用于对识别模型进行训练,所述识别模型用于从输入图像中识别待识别对象。

8、在一种可能的实现方式中,所述提取模块,用于对所述原始图像中待识别对象图像进行最大池化处理和/或膨胀处理,获得与所述原始图像中待识别对象图像的轮廓相匹配的所述增强后图像。

9、根据本申请实施例的第四方面,提供了一种识别模型训练装置,包括:第二获取模块,用于获取包括多个训练样本的训练集,其中,所述训练样本包括通过本申请实施例的第一方面所述方法获得的所述目标图像;训练模块,用于通过所述训练集对待训练模型进行训练,获得用于从输入图像中识别待识别对象的识别模型。

10、根据本申请实施例的第五方面,提供了一种电子设备,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;所述存储器用于存放至少一可执行指令,所述可执行指令使所述处理器执行如第一方面或第二方面所述的方法对应的操作。

11、根据本申请实施例的第六方面,提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面或第二方面所述的方法。

12、根据本申请实施例提供的图像处理方案,对原始图像中的待识别对象图像进行数据增强处理,获得增强后图像,并对增强后图像进行分辨率缩小处理,获得目标图像,由此可以使待识别对象图像的尺寸变大,避免了在识别模型训练过程中由于待识别对象图像尺寸较小导致待识别对象图像发生断裂的情况,从而可以避免训练出的识别模型在识别待识别对象时,出现所识别出的待识别对象发生断裂的情况,因此通过目标图像训练出的识别模型的识别准确率较高。

本文档来自技高网...

【技术保护点】

1.一种图像处理方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述对所述原始图像中待识别对象进行数据增强处理,获得增强后图像,包括:

3.根据权利要求2所述的方法,其特征在于,所述对所述增强后图像进行分辨率缩小处理,获得目标图像,包括:

4.根据权利要求1-3中任一所述的方法,其特征在于,所述待识别对象包括车道线、车道边缘、道路护栏、路灯杆、道路指示牌杆中的至少一个。

5.一种识别模型训练方法,其特征在于,包括:

6.一种图像处理装置,其特征在于,包括:

7.根据权利要求6所述的装置,其特征在于,

8.一种识别模型训练装置,其特征在于,包括:

9.一种电子设备,其特征在于,包括:处理器、存储器、通信接口和通信总线,所述处理器、所述存储器和所述通信接口通过所述通信总线完成相互间的通信;

10.一种计算机存储介质,其上存储有计算机程序,其特征在于,该程序被处理器执行时实现如权利要求1-4中任一项所述的图像处理方法或如权利要求5所述的识别模型训练方法。>...

【技术特征摘要】

1.一种图像处理方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述对所述原始图像中待识别对象进行数据增强处理,获得增强后图像,包括:

3.根据权利要求2所述的方法,其特征在于,所述对所述增强后图像进行分辨率缩小处理,获得目标图像,包括:

4.根据权利要求1-3中任一所述的方法,其特征在于,所述待识别对象包括车道线、车道边缘、道路护栏、路灯杆、道路指示牌杆中的至少一个。

5.一种识别模型训练方法,其特征在于,包括:

...

【专利技术属性】
技术研发人员:陈鹭远杨浩
申请(专利权)人:北京智行者科技股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1