【技术实现步骤摘要】
本申请属于计算机视觉，尤其涉及一种目标区域确定方法、装置、设备及计算机存储介质。
技术介绍
1、无人驾驶车辆在行驶过程中，需要自行确定与障碍物之间的距离，从而规划驾驶决策，实现无人驾驶。通常情况下，无人驾驶车辆在确定与障碍物之间的距离前，需要基于无人驾驶设备采集到的行驶场景图像，得到无人驾驶车辆能够行驶的目标区域。
2、现有技术中，获取无人驾驶车辆采集的行驶场景图像后，通常会基于语义分割模型对行驶场景图像中的每一个像素进行二分类处理，分别确定每一个像素点对应的区域是否为可行驶的，从而在行驶场景图像中确定可行驶的目标区域。
3、但是，在面对部分场景时，语义分割模型往往难以确定某些像素点对应的区域是否为可行驶的，导致这部分像素点对应的区域出现空洞，确定出的可行驶区域不准确，与实际存在偏差。
技术实现思路
1、本申请实施例提供一种目标区域确定方法、装置、设备及计算机存储介质，能够提高识别无人驾驶设备可行驶的目标区域的准确率。
2、一方面，本申请实施例提供一种目标区域确定方法，方法包括：
3、获取无人驾驶设备所处的行驶场景图像；
4、通过特征提取模型对所述行驶场景图像进行特征提取，得到所述行驶场景图像中对象的边缘特征以及语义特征；
5、通过切片拼接的方式，将所述边缘特征与所述语义特征进行融合，得到所述行驶场景图像中的具有第一粒度的可行驶分界线；
6、根据所述可行驶分界线对应的实际区域与所述无人驾驶设备的距离
7、根据所述行驶场景图像中第二粒度的可行驶分界线，确定所述无人驾驶设备可行驶的目标区域。
8、可选的，所述特征提取模型包括n个残差模块，且至少部分所述残差模块不包含池化层，n为大于或等于2的正整数；
9、所述通过特征提取模型对所述行驶场景图像进行特征提取，得到所述行驶场景图像中对象的边缘特征以及语义特征，包括：
10、将所述行驶场景图像输入至特征提取模型中；
11、基于所述特征提取模型的前m个残差模块，对所述行驶场景图像进行特征提取，得到所述行驶场景图像中对象的边缘特征，m为小于n的正整数；
12、基于所述特征提取模型的n个残差模块，对所述行驶场景图像进行特征提取，得到所述行驶场景图像中对象的语义特征。
13、可选的，所述通过切片拼接的方式，将所述边缘特征与所述语义特征进行融合，得到所述行驶场景图像中的具有第一粒度的可行驶分界线，包括：
14、根据预设的若干类别以及所述语义特征，确定所述行驶场景图像中对象所属的类别；
15、按照不同的类别，对所述语义特征进行切片，得到若干切片特征；
16、分别将所述切片特征与所述边缘特征拼接，得到若干类别拼接特征；
17、通过组卷积的方式分别对每个类别的类别拼接特征进行融合，得到若干携带类别标识的子可行驶分界线，所述子可行驶分界线为第一粒度；
18、根据所述若干子可行驶分界线，在所述行驶场景图像中确定第一粒度的可行驶分界线。
19、可选的，所述根据所述行驶场景图像中第二粒度的可行驶分界线，确定所述无人驾驶设备可行驶的目标区域之前，所述方法还包括：
20、根据可行驶分界线，分别确定组成所述可行驶分界线的每个颗粒点的类别标识，所述颗粒点为组成所述可行驶分界线的最小元素；
21、从所述可行驶分界线的第一个颗粒点开始，通过预设宽度的滑动窗口，对所述可行驶分界线内每个颗粒点的类别标识进行滑动窗口滤波。
22、可选的，所述根据所述行驶场景图像中第二粒度的可行驶分界线，确定所述无人驾驶设备可行驶的目标区域，包括：
23、根据由携带类别标识的子可行驶分界线组成的第二粒度的可行驶分界线，确定所述无人驾驶设备可行驶的目标区域，以及所述目标区域边界处对象所属类别。
24、可选的，所述根据所述可行驶分界线对应的实际区域与所述无人驾驶设备的距离，对所述可行驶分界线进行细化，在所述行驶场景图像中确定第二粒度的可行驶分界线，包括：
25、针对所述行驶场景图像中的每列像素点，将该列像素点中与所述可行驶分界线重合的像素点，确定为边界像素点；
26、根据所述行驶场景图像，将该列像素点的两端中与所述无人驾驶设备较近一端末尾的像素点，确定为端点像素点；
27、将距离所述端点像素点最近的边界像素点，确定为目标像素点；
28、在所述行驶场景图像中，将由所述目标像素点组成的线段，确定为细化完成的第二粒度的可行驶分界线。
29、可选的，所述根据所述可行驶分界线对应的实际区域与所述无人驾驶设备的距离，对所述可行驶分界线进行细化，在所述行驶场景图像中确定第二粒度的可行驶分界线，包括：
30、将标识有第一粒度的可行驶分界线的行驶场景图像输入至边缘细化模块中，通过所述边缘细化模块的卷积层以及池化层进行计算，实现对所述可行驶分界线进行细化，确定第二粒度的可行驶分界线。
31、可选的，所述根据所述行驶场景图像中第二粒度的可行驶分界线，确定所述无人驾驶设备可行驶的目标区域，包括：
32、从所述第二粒度的可行驶分界线中选取若干个目标分界点；
33、基于单目视觉算法，分别确定每个目标分界点与所述无人驾驶设备之间的目标距离；
34、根据所述若干目标距离，确定所述无人驾驶设备可行驶的目标区域。
35、可选的，所述从所述第二粒度的可行驶分界线中选取若干个目标分界点，包括：
36、获取所述行驶场景图像的采集位姿；
37、根据所述采集位姿，从所述行驶场景图像中确定第一线段、第二线段以及第三线段，所述第一线段的中点、所述第二线段的第一端点以及所述第三线段的第一端点相交于线段交点；
38、在所述第一线段与所述第二线段组成的夹角中，以所述线段交点为中心，以第一角度为间隔向所述可行驶分界线做辅助线；
39、在所述第二线段与所述第三线段组成的夹角中，以所述线段交点为中心，以第二角度为间隔向所述可行驶分界线做辅助线；
40、在所述第一线段与所述第三线段组成的夹角中，以所述线段交点为中心，以第三角度为间隔向所述可行驶分界线做辅助线；
41、将所述辅助线与所述可行驶分界线的交点，确定为目标分界点。
42、另一方面，本申请实施例提供了一种目标区域确定装置，装置包括：
43、获取单元，用于获取无人驾驶设备所处的行驶场景图像；
44、提取单元，用于通过特征提取模型对所述行驶场景图像进行特征提取，得到所述行驶场景图像中对象的边缘特征以及语义特征；
45、融合单元，用于通过切片拼接的方式，将所述边缘特征与所述语义特征进行融合，得到所本文档来自技高网...
【技术保护点】
1.一种目标区域确定方法，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，所述特征提取模型包括N个残差模块，且至少部分所述残差模块不包含池化层，N为大于或等于2的正整数；
3.根据权利要求1所述的方法，其特征在于，所述通过切片拼接的方式，将所述边缘特征与所述语义特征进行融合，得到所述行驶场景图像中的具有第一粒度的可行驶分界线，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述行驶场景图像中第二粒度的可行驶分界线，确定所述无人驾驶设备可行驶的目标区域之前，所述方法还包括：
5.根据权利要求3所述的方法，其特征在于，所述根据所述行驶场景图像中第二粒度的可行驶分界线，确定所述无人驾驶设备可行驶的目标区域，包括：
6.根据权利要求1所述的方法，其特征在于，所述根据所述可行驶分界线对应的实际区域与所述无人驾驶设备的距离，对所述可行驶分界线进行细化，在所述行驶场景图像中确定第二粒度的可行驶分界线，包括：
7.根据权利要求1所述的方法，其特征在于，所述根据所述可行驶分界线对应的实际区域与所述无人驾
8.根据权利要求1所述的方法，其特征在于，所述根据所述行驶场景图像中第二粒度的可行驶分界线，确定所述无人驾驶设备可行驶的目标区域，包括：
9.根据权利要求8所述的方法，其特征在于，所述从所述第二粒度的可行驶分界线中选取若干个目标分界点，包括：
10.一种目标区域确定装置，其特征在于，所述装置包括：
...【技术特征摘要】
1.一种目标区域确定方法，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，所述特征提取模型包括n个残差模块，且至少部分所述残差模块不包含池化层，n为大于或等于2的正整数；
3.根据权利要求1所述的方法，其特征在于，所述通过切片拼接的方式，将所述边缘特征与所述语义特征进行融合，得到所述行驶场景图像中的具有第一粒度的可行驶分界线，包括：
4.根据权利要求3所述的方法，其特征在于，所述根据所述行驶场景图像中第二粒度的可行驶分界线，确定所述无人驾驶设备可行驶的目标区域之前，所述方法还包括：
5.根据权利要求3所述的方法，其特征在于，所述根据所述行驶场景图像中第二粒度的可行驶分界线，确定所述无人驾驶设备可行驶的目标区域，包括：
6.根据权利要...
【专利技术属性】
技术研发人员：孔祥凯，张典民，
申请(专利权)人：北京经纬恒润科技股份有限公司，
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。