本申请实施例公开一种坡道目标检测方法、装置、电子设备及存储介质，可以通过基于预先训练得到的目标检测模型对待检测图像进行检测，确定前车的位置信息，进而可以得到前车和自车的直线距离；并且，可以基于预先训练得到的坡道检测模型对待检测图像进行检测，确定待检测图像中包括的坡道与水平路面之间的夹角以及自车距离上坡点的自车距离，进一步地，可以基于自车、前车、以及上坡点三个点构成的三角形，根据上述直线距离、自车距离、以及夹角计算得到自车与前车之间的实际道路距离，该距离即为自车和前车之间准确的间距，从而可以提高坡道目标检测的准确性。
【技术实现步骤摘要】
本申请涉及自动驾驶，具体而言，涉及一种坡道目标检测方法、装置、电子设备及存储介质。
技术介绍
1、目前，自动驾驶环境感知主要依赖摄像头等传感器获取数据，再通过算法对传感器数据进行处理、提取、建模从而得到车辆周围环境信息。
2、然而，上述环境感知过程中，由于摄像头的成像原理缺失了3d信息，导致不同3d位置的物体在图像上的相对位置接近，甚至重合。这就导致自动驾驶车辆出现了坡道检测不准确的问题，即自动驾驶车辆行驶在坡道上时，由于对前车感知结果的3d位置不准，会发生明显的偏近。如图1所示，自车10感知到其与前车20的间距为101，而实际自车与前车的间距应该为路面距离102与103之和，由三角关系可知，间距101要小于路面距离102与103之和，也就是说，感知结果存在明显的偏近，这可能导致系统误判前方车辆是急减速或者静止车，最终导致自动驾驶车辆误制动，甚至引发追尾等严重安全问题。因此，如何准确的进行坡道目标检测，成为一个亟待解决的技术问题。
技术实现思路
1、本申请提供了一种坡道目标检测方法、装置、电子设备及存储介质，以提高坡道目标检测的准确性。具体的技术方案如下。
2、第一方面，本申请实施例提供一种坡道目标检测方法，所述方法包括：
3、获取自动驾驶车辆前视摄像头采集的待检测图像；
4、基于预先训练得到的目标检测模型对所述待检测图像进行处理，确定所述自动驾驶车辆前车的位置信息；所述目标检测模型是根据已标注车辆位置信息的第一样本图像训练得到的；</p>5、基于预先训练得到的坡道检测模型对所述待检测图像进行处理，确定所述图像中包括的坡道与水平路面之间的夹角、以及所述自动驾驶车辆距离所述坡道与所述水平路面交叉点的自车距离；所述坡道检测模型是根据已标注是否存在坡道、坡道夹角真值、以及自车距离真值的第二样本图像训练得到的；
6、获取所述自动驾驶车辆的当前位置，并根据所述自动驾驶车辆的当前位置和所述前车的位置信息，计算所述自动驾驶车辆和所述前车的直线距离；
7、根据所述直线距离、所述夹角、以及所述自车距离，基于预设三角函数关系，计算所述自动驾驶车辆和所述前车的实际道路距离。
8、可选的，所述根据所述直线距离、所述夹角、以及所述自车距离，基于预设三角函数关系，计算所述自动驾驶车辆和所述前车的实际道路距离的步骤包括：
9、构建以所述直线距离为最长边，所述自车距离和前车距离为另外两边，所述夹角为所述自车距离和所述前车距离之间夹角的三角形；所述前车距离为所述前车与所述交叉点的间距；
10、将所述直线距离、所述自车距离、以及所述夹角作为已知量，基于三角函数余弦定理，计算得到所述前车距离；
11、将所述自车距离和所述前车距离之和作为所述自动驾驶车辆和所述前车的实际道路距离。
12、可选的，所述基于预先训练得到的坡道检测模型对所述待检测图像进行处理，确定所述图像中包括的坡道与水平路面之间的夹角的步骤包括：
13、基于预先训练得到的坡道检测模型对所述待检测图像中各道路点的深度信息进行检测，识别出所述图像中包括的坡道与水平路面之间的交叉点；
14、基于所述交叉点，采用预设的均方误差回归方法计算得到所述坡道与所述水平路面之间的夹角。
15、可选的，所述目标检测模型的训练过程包括：
16、构建初始目标检测模型；
17、获取第一样本图像，以及各所述第一样本图像的第一标注结果；所述第一标注结果包括车辆位置信息；所述第一样本图像包括坡道场景；
18、基于所述初始目标检测模型对各已标注的第一样本图像进行处理，得到各所述第一样本图像对应的目标检测结果，并根据所述目标检测结果和对应的第一标注结果确定所述初始目标检测模型的正确率是否大于第一预设阈值；
19、在所述初始目标检测模型的正确率不大于所述第一预设阈值时，对所述初始目标检测模型的参数进行调整，并返回执行所述基于所述初始目标检测模型对各已标注的第一样本图像进行处理的步骤；
20、在所述初始目标检测模型的正确率大于所述第一预设阈值时，将当前的初始目标检测模型作为所述目标检测模型。
21、可选的，所述方法还包括：
22、采集不同场景对应的测试样本图像，并基于所述测试样本图像对所述目标检测模型的目标检测结果进行评测；
23、统计错误率大于预设阈值的目标检测结果对应的目标场景类别；
24、采集所述目标场景类别对应的目标样本图像，并基于所述目标样本图像对所述目标检测模型进行更新。
25、可选的，所述坡道检测模型的训练过程包括：
26、构建初始坡道检测模型；
27、获取第二样本图像，以及各所述第二样本图像的第二标注结果，所述第二标注结果包括是否存在坡道、坡道夹角真值、以及自车距离真值；
28、基于所述初始坡道检测模型对各已标注的第二样本图像进行处理，得到各所述第二样本图像对应的预测结果，并根据所述预测结果和对应的第二标注结果确定所述初始坡道检测模型的正确率是否大于第二预设阈值；
29、在所述初始坡道检测模型的正确率不大于所述第二预设阈值时，对所述初始坡道检测模型的参数进行调整，并返回执行所述基于所述初始坡道检测模型对各已标注的第二样本图像进行处理的步骤；
30、在所述初始坡道检测模型的正确率大于所述第二预设阈值时，将当前的初始坡道检测模型作为所述坡道检测模型。
31、可选的，所述基于预先训练得到的目标检测模型对所述待检测图像进行处理之前，所述方法还包括：
32、对所述待检测图像进行预处理，所述预处理包括以下至少其一：图像增强、图像裁剪、以及柱面变换。
33、第二方面，本专利技术实施例提供一种坡道目标检测装置，所述装置包括：
34、图像获取模块，用于获取自动驾驶车辆前视摄像头采集的待检测图像；
35、目标检测模块，用于基于预先训练得到的目标检测模型对所述待检测图像进行处理，确定所述自动驾驶车辆前车的位置信息；所述目标检测模型是根据已标注车辆位置信息的第一样本图像训练得到的；
36、坡道检测模块，用于基于预先训练得到的坡道检测模型对所述待检测图像进行处理，确定所述图像中包括的坡道与水平路面之间的夹角、以及所述自动驾驶车辆距离所述坡道与所述水平路面交叉点的自车距离；所述坡道检测模型是根据已标注是否存在坡道、坡道夹角真值、以及自车距离真值的第二样本图像训练得到的；
37、距离计算模块，用于获取所述自动驾驶车辆的当前位置，并根据所述自动驾驶车辆的当前位置和所述前车的位置信息，计算所述自动驾驶车辆和所述前车的直线距离；
38、所述距离计算模块，还用于根据所述直线距离、所述夹角、以及所述自车距离，基于预设三角函数关系，计算所述自动驾驶车辆和所述前车的实际道路距离。
39、可选的，所述距离本文档来自技高网
...
【技术保护点】
1.一种坡道目标检测方法，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，所述根据所述直线距离、所述夹角、以及所述自车距离，基于预设三角函数关系，计算所述自动驾驶车辆和所述前车的实际道路距离的步骤包括：
3.根据权利要求1所述的方法，其特征在于，所述基于预先训练得到的坡道检测模型对所述待检测图像进行处理，确定所述图像中包括的坡道与水平路面之间的夹角的步骤包括：
4.根据权利要求1所述的方法，其特征在于，所述目标检测模型的训练过程包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述坡道检测模型的训练过程包括：
7.根据权利要求1-6任一项所述的方法，其特征在于，所述基于预先训练得到的目标检测模型对所述待检测图像进行处理之前，所述方法还包括：
8.一种坡道目标检测装置，其特征在于，所述装置包括：
9.根据权利要求8所述的装置，其特征在于，所述距离计算模块包括：
10.根据权利要求8所述的装置，其特征在于，所述坡道检测模块包括：
11.根据权利要求8所述的装置，其特征在于，所述装置还包括：目标检测模型训练模块，所述目标检测模型训练模块，具体用于：
12.根据权利要求11所述的装置，其特征在于，所述装置还包括：
13.根据权利要求8所述的装置，其特征在于，所述装置还包括：坡道检测模型训练模块，所述坡道检测模型训练模块，具体用于：
14.根据权利要求8-13任一项所述的装置，其特征在于，所述装置还包括：
15.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1-7中任一项所述的坡道目标检测方法。
16.一种电子设备，其特征在于，所述电子设备包括：
17.一种车辆，其特征在于，所述车辆包括如权利要求16所述的电子设备。
...
【技术特征摘要】
1.一种坡道目标检测方法，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，所述根据所述直线距离、所述夹角、以及所述自车距离，基于预设三角函数关系，计算所述自动驾驶车辆和所述前车的实际道路距离的步骤包括：
3.根据权利要求1所述的方法，其特征在于，所述基于预先训练得到的坡道检测模型对所述待检测图像进行处理，确定所述图像中包括的坡道与水平路面之间的夹角的步骤包括：
4.根据权利要求1所述的方法，其特征在于，所述目标检测模型的训练过程包括：
5.根据权利要求4所述的方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的方法，其特征在于，所述坡道检测模型的训练过程包括：
7.根据权利要求1-6任一项所述的方法，其特征在于，所述基于预先训练得到的目标检测模型对所述待检测图像进行处理之前，所述方法还包括：
8.一种坡道目标检测装置，其特征在于，所述装置包括：
...
【专利技术属性】
技术研发人员：吕阳，陈彦君，李牧昀，陈铭，刘宇冲，李琦，李豪雨，刘伟，
申请(专利权)人：魔门塔苏州科技有限公司，
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。