【技术实现步骤摘要】
本公开涉及智能驾驶，尤其涉及一种可行驶区域的检测方法、装置、存储介质及电子设备。
技术介绍
1、随着智能驾驶技术的快速发展，人们对智能驾驶车辆的安全稳定性能要求越来越高。检测可行驶区域的准确性对确保智能驾驶车辆的安全稳定行驶至关重要。现有技术中可行驶区域的检测方法大多在鸟瞰图上进行语义分割，为每个空间坐标位置分配一个语义类别，作为是否可行驶的依据，具有输出形式直观、模型结构简单的优点，但是该方案对网络模型的容量要求较高、冗余特征较多，存在准确率低的缺陷。
技术实现思路
1、为了解决上述技术问题，本公开提供了一种可行驶区域的检测方法、装置、存储介质及电子设备，以实现快速、准确地确定可行驶区域的效果。
2、本公开第一方面的实施例，提供了一种可行驶区域的检测方法，包括：
3、确定车辆采集的多视角环境图像；
4、对所述多视角环境图像进行处理，得到预设视线对应的视线占用状态和占用点距离；
5、根据所述视线占用状态和所述占用点距离，确定世界坐标系下所述占用点的位置信息；
6、根据所述占用点的位置信息，确定所述车辆的可行驶区域。
7、本公开第二方面的实施例，提供了一种图像处理模型的训练方法，包括：
8、确定包括多个样本数据的样本数据集，其中，所述样本数据包括多视角样本图像、所述多视角样本图像对应的鸟瞰图中预设视线的视线占用状态真值和占用点距离真值；
9、利用初始图像处理模型对所述样本数据包括的多视角样
10、根据所述视线占用状态真值和所述视线占用状态预测值，以及所述占用点距离真值和所述占用点距离预测值，确定损失函数；
11、基于所述损失函数对所述初始图像处理模型进行训练，得到训练好的图像处理模型。
12、本公开第三方面的实施例，提供了一种可行驶区域的检测装置，包括：
13、第一确定模块，用于确定车辆采集的多视角环境图像；
14、第一处理模块，用于对所述多视角环境图像进行处理，得到预设视线对应的视线占用状态和占用点距离；
15、第二确定模块，用于根据所述视线占用状态和所述占用点距离，确定世界坐标系下占用点的位置信息；
16、第三确定模块，用于根据所述占用点的位置信息，确定所述车辆的可行驶区域。
17、本公开第四方面的实施例，提供了一种图像处理模型的训练装置，包括：
18、第四确定模块，用于确定包括多个样本数据的样本数据集，其中，所述样本数据包括多视角样本图像、所述多视角样本图像对应的鸟瞰图中预设视线的视线占用状态真值和占用点距离真值；
19、第二处理模块，用于利用初始图像处理模型对所述样本数据包括的多视角样本图像进行处理，得到所述预设视线对应的视线占用状态预测值和占用点距离预测值；
20、第五确定模块，用于根据所述视线占用状态真值和所述视线占用状态预测值，以及所述占用点距离真值和所述占用点距离预测值，确定损失函数；
21、训练模块，用于基于所述损失函数对所述初始图像处理模型进行训练，得到训练好的图像处理模型。
22、本公开第五方面的实施例，提供了一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行本公开第一方面实施例提出的可行驶区域的检测方法或本公开第二方面实施例提出的图像处理模型的训练方法。
23、本公开第六方面的实施例，提供了一种电子设备，所述电子设备包括：
24、处理器；
25、用于存储所述处理器可执行指令的存储器；
26、所述处理器，用于从所述存储器中读取所述指令，并执行所述指令以实现本公开第一方面实施例提出的可行驶区域的检测方法或本公开第二方面实施例提出的图像处理模型的训练方法。
27、本公开第七方面的实施例，提供了一种计算机程序产品，当所述计算机程序产品中的指令处理器执行时，执行本公开第一方面实施例提出的可行驶区域的检测方法或本公开第二方面实施例提出的图像处理模型的训练方法。
28、本公开实施例中，通过利用预先训练的图像处理模型对车辆行驶过程采集的多视角环境图像进行处理，确定鸟瞰图中预设视线对应的视线占用状态和占用点距离；根据视线占用状态和占用点距离，确定世界坐标系下占用点的位置信息，进而基于占用点的位置信息确定车辆的可行驶区域。通过对多视角环境图像的特征进行变换，确定鸟瞰图中各预设视线的占用状态以及处于占用状态的视线上的栅格点中与原点距离最近的被占用的栅格点(即占用点)的距离，基于此确定车辆的可行驶区域，一方面无需确定各视线上距离超过占用点的遮挡区域的栅格点的占用情况，另一方面也无需确定除各视线之外其余栅格点的占用情况，因此能够减少模型计算量、大大减少冗余信息，并且由于不考虑距离超过占用点的遮挡区域的栅格点的占用情况，避免引入不可见区域的预测数据，从而能够提高占用检测结果的准确率，实现快速、准确地确定可行驶区域。
本文档来自技高网...【技术保护点】
1.一种可行驶区域的检测方法，包括：
2.根据权利要求1所述的方法，其中，所述对所述多视角环境图像进行处理，得到预设视线对应的视线占用状态和占用点距离，包括：
3.根据权利要求2所述的方法，其中，所述利用预先训练的图像处理模型对所述多视角环境图像中的各环境图像分别进行处理，得到各所述环境图像在鸟瞰图中的映射特征，包括：
4.根据权利要求2所述的方法，其中，所述利用所述图像处理模型对所述鸟瞰图融合特征进行处理，得到所述预设视线的视线占用状态和占用点距离，包括：
5.根据权利要求1-4中任一项所述的方法，其中，所述根据所述视线占用状态和所述占用点距离，确定世界坐标系下所述占用点的位置信息，包括：
6.根据权利要求1-4中任一项所述的方法，其中，所述根据所述占用点的位置信息，确定所述车辆的可行驶区域，包括：
7.一种图像处理模型的训练方法，包括：
8.根据权利要求7所述的方法，其中，所述利用初始图像处理模型对所述样本数据包括的多视角样本图像进行处理，得到所述预设视线对应的视线占用状态预测值和占用点距离预
9.一种可行驶区域的检测装置，包括：
10.一种图像处理模型的训练装置，包括：
11.一种计算机可读存储介质，所述存储介质存储有计算机程序，所述计算机程序用于执行上述权利要求1-6中任一所述的可行驶区域的检测方法或上述权利要求7-8中任一所述的图像处理模型的训练方法。
12.一种电子设备，所述电子设备包括：
...【技术特征摘要】
1.一种可行驶区域的检测方法，包括：
2.根据权利要求1所述的方法，其中，所述对所述多视角环境图像进行处理，得到预设视线对应的视线占用状态和占用点距离，包括：
3.根据权利要求2所述的方法，其中，所述利用预先训练的图像处理模型对所述多视角环境图像中的各环境图像分别进行处理，得到各所述环境图像在鸟瞰图中的映射特征，包括：
4.根据权利要求2所述的方法，其中，所述利用所述图像处理模型对所述鸟瞰图融合特征进行处理，得到所述预设视线的视线占用状态和占用点距离，包括：
5.根据权利要求1-4中任一项所述的方法，其中，所述根据所述视线占用状态和所述占用点距离，确定世界坐标系下所述占用点的位置信息，包括：
6.根据权利要求1-4...
【专利技术属性】
技术研发人员：刘一丁，
申请(专利权)人：北京地平线机器人技术研发有限公司，
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。