【技术实现步骤摘要】
本公开涉及计算机领域和车辆领域，具体地，涉及一种车位识别方法、装置、介质及电子设备。
技术介绍
1、如何对车辆周围的车位进行识别是技术人员研究的热点问题，在相关技术中，对车辆周围的车位进行识别需要占用巨大的算力，如何减少车位识别算法所占用的计算机算力，使计算机能够更快速地识别出车辆周围的车位是亟待解决的问题。
技术实现思路
1、本公开的目的是提供一种车位识别方法、装置、介质及电子设备，能够减少对计算机算力的占用。
2、为了实现上述目的，本公开提供一种车位识别方法，所述方法包括：
3、获取车辆周围的环境图像；
4、将所获取的环境图像输入至预先训练好的车位识别模型中，获得所述车位识别模型的输出；
5、根据所述车位识别模型的输出确定所述车辆周围的车位信息；
6、其中，所述车位识别模型包括多尺度模块，所述多尺度模块的输入和输出之间经过分离子模块、多尺度运算子模块和合并子模块，所述分离子模块被配置为根据通道数将所述分离子模块的输入平均切分为n个切分层，所述分离子模块的输出为所述n个切分层；
7、所述多尺度运算子模块被配置为根据所述n个切分层输出n层多尺度运算结果，其中，第一个切分层与卷积核进行卷积运算后得到第一层多尺度运算结果；从第二个切分层开始，每一个切分层与上一层多尺度运算结果相加后的相加结果与卷积核进行卷积运算，得到对应的多尺度运算结果；
8、所述合并子模块被配置为将n层多尺度运算结果合并，输出合并结果
9、可选地，所述多尺度运算子模块还包括：
10、自适应子模块，被配置为根据n层多尺度运算结果，输出n层经自适应运算后的多尺度运算结果，其中，输入的各层多尺度运算结果分别与卷积核进行卷积运算后，得到各层多尺度运算结果对应的自适应系数；各层多尺度运算结果与对应的自适应系数的乘积为各层经自适应运算后的多尺度运算结果；
11、所述合并子模块被配置为将n层经自适应运算后的多尺度运算结果合并，输出合并结果。
12、可选地，所述环境图像被划分为预定数量的栅格；所述车位识别模型的输出包括各栅格包含第一角点的第一置信度、各栅格对应的第二角点预测栅格、各栅格包含第二角点的第二置信度、各栅格对应的车位角度信息、各栅格对应的第一角点坐标信息和各栅格对应的第二角点坐标信息。
13、可选地，所述根据所述车位识别模型的输出确定所述车辆周围的车位信息，包括：
14、针对每一栅格，根据所述栅格的第一置信度确定所述栅格是否包含第一角点；
15、针对每一包含第一角点的栅格，若与所述栅格对应的第二角点预测栅格的所述第二置信度大于预定的置信度阈值，则根据所述栅格对应的车位角度信息、所述栅格对应的第一角点坐标信息、所述栅格对应的第二角点预测栅格对应的第二角点坐标信息确定所述车辆周围的车位信息。
16、可选地，所述根据所述车位识别模型的输出确定所述车辆周围的车位信息，还包括：
17、针对每一包含第一角点的栅格，若与所述栅格对应的第二角点预测栅格的所述第二置信度小于所述置信度阈值，查找与所述栅格对应的第二角点预测栅格相距预设距离内的栅格的所述第二置信度；
18、若查找到的栅格满足再配对条件，则根据查找到的栅格对应的第二角点坐标信息、所述车位角度信息、与查找到的栅格拟配对的第一角点坐标信息确定所述车辆周围的车位信息，其中，所述再配对条件包括查找到的栅格的所述第二置信度大于所述置信度阈值，并且查找到的栅格不是其余包含第一角点的栅格对应的第二角点预测栅格。
19、可选地，所述车位识别模型的输出还包括各栅格对应的车位占用信息；所述根据所述栅格对应的车位角度信息、所述栅格对应的第一角点坐标信息、所述栅格对应的第二角点预测栅格对应的第二角点坐标信息确定所述车辆周围的车位信息，包括：
20、根据所述栅格对应的车位角度信息、所述栅格对应的第一角点坐标信息、所述栅格对应的第二角点预测栅格对应的第二角点坐标信息和所述栅格对应的车位占用信息确定所述车辆周围的车位信息。
21、可选地，所述车位识别模型输出多个特征，所述车位识别模型根据每一特征对应的损失值进行训练。
22、可选地，每一特征对应的损失值根据所述车位识别模型的输出值与标签值之间的绝对误差以及所述车位识别模型的输出值与标签值之间的kl散度确定。
23、可选地，每一特征对应的损失值根据以下公式确定：
24、
25、其中，loss为损失值，output所述车位识别模型的输出值，α为拉伸系数，label为标签值，为平衡系数，k1、k2为预设的极小数值。本公开还提供一种车位识别装置，包括：
26、获取模块，被配置为获取车辆周围的环境图像；获得模块，被配置为将所获取的环境图像输入至预先训练好的车位识别模型中，获得所述车位识别模型的输出；
27、确定模块，被配置为根据所述车位识别模型的输出确定所述车辆周围的车位信息；
28、其中，所述车位识别模型包括多尺度模块，所述多尺度模块的输入和输出之间经过分离子模块、多尺度运算子模块和合并子模块，所述分离子模块被配置为根据通道数将所述分离子模块的输入平均切分为n个切分层，所述分离子模块的输出为所述n个切分层；
29、所述多尺度运算子模块被配置为根据所述n个切分层输出n层多尺度运算结果，其中，第一个切分层与卷积核进行卷积运算后得到第一层多尺度运算结果；从第二个切分层开始，每一个切分层与上一层多尺度运算结果相加后的相加结果与卷积核进行卷积运算，得到对应的多尺度运算结果；
30、所述合并子模块被配置为将n层多尺度运算结果合并，输出合并结果。
31、本公开还提供一种非易失性计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的车位识别方法的步骤。
32、本公开还提供一种电子设备，包括：
33、存储器，其上存储有计算机程序；
34、处理器，用于执行所述存储器中的所述计算机程序，以实现上述的车位识别方法的步骤。
35、通过上述技术方案，车位识别模型中包括多尺度模块，多尺度模块包括分离子模块、多尺度运算子模块和合并子模块，分离子模块用于将其输入切分为n个切分层后输入至多尺度运算子模块进行运算，这样，大大减少了多尺度模块产生的中间参数，节约了计算机算力，在不降低车位识别模型识别准确度的情况下，提高了车位识别的速度，能够给用户带来更好的使用体验。
36、本公开的其他特征和优点将在随后的具体实施方式部分予以详细说明。
本文档来自技高网...【技术保护点】
1.一种车位识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述多尺度运算子模块还包括：
3.根据权利要求1所述的方法，其特征在于，所述环境图像被划分为预定数量的栅格；所述车位识别模型的输出包括各栅格包含第一角点的第一置信度、各栅格对应的第二角点预测栅格、各栅格包含第二角点的第二置信度、各栅格对应的车位角度信息、各栅格对应的第一角点坐标信息和各栅格对应的第二角点坐标信息。
4.根据权利要求3所述的方法，其特征在于，所述根据所述车位识别模型的输出确定所述车辆周围的车位信息，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述车位识别模型的输出确定所述车辆周围的车位信息，还包括：
6.根据权利要求4所述的方法，其特征在于，所述车位识别模型的输出还包括各栅格对应的车位占用信息；
7.根据权利要求1所述的方法，其特征在于，所述车位识别模型输出多个特征，所述车位识别模型根据每一特征对应的损失值进行训练。
8.根据权利要求7所述的方法，其特征在于，每一特征对应的损失值
9.根据权利要求8所述的方法，其特征在于，每一特征对应的损失值根据以下公式确定：
10.一种车位识别装置，其特征在于，包括：
11.一种非易失性计算机可读存储介质，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权利要求1-9中任一项所述方法的步骤。
12.一种电子设备，其特征在于，包括：
...【技术特征摘要】
1.一种车位识别方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述多尺度运算子模块还包括：
3.根据权利要求1所述的方法，其特征在于，所述环境图像被划分为预定数量的栅格；所述车位识别模型的输出包括各栅格包含第一角点的第一置信度、各栅格对应的第二角点预测栅格、各栅格包含第二角点的第二置信度、各栅格对应的车位角度信息、各栅格对应的第一角点坐标信息和各栅格对应的第二角点坐标信息。
4.根据权利要求3所述的方法，其特征在于，所述根据所述车位识别模型的输出确定所述车辆周围的车位信息，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述车位识别模型的输出确定所述车辆周围的车位信息，还包括：
6.根据权利要求4所述的方法，其特征在于...
【专利技术属性】
技术研发人员：汤院，何祥涛，苏亚丽，江济良，崔宏斌，李运彪，
申请(专利权)人：比亚迪股份有限公司，
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。