【技术实现步骤摘要】
本专利技术涉及自动驾驶场景车辆检测，具体而言，涉及一种多视野特征融合的道路车辆检测方法及系统。
技术介绍
1、在道路车辆自动检测场景中，一般都是利用单摄像头获取独立视角的图像数据来进行卷积神经网络模型训练与检测，这种情况下，单一视角更容易受到遮挡或视角局限影响，导致无法准确检测出车辆四周的障碍物。而目前大多数车辆会安装多个摄像头进行检测，综合多视角图像数据进行车辆目标检测，则可以针对四周的障碍物进行相对全景视角的分析与判断，从而得到更为准确全面的分析检测结果。
2、现有技术中虽然已经有利用多视角数据尽心拼接后形成的图像块再输入卷积神经网络进行学习或检测的方式，但其在对不同视角的图像数据进行拼接的时候忽略了不同视角的时差问题，导致特征匹配的精准度降低，从而影响了融合图像的质量与信息准确度。
技术实现思路
1、本专利技术的目的在于提供一种多视野特征融合的道路车辆检测方法及系统，该检测方法及系统通过将多视角的图像数据进行同步整理后再进行标注质量筛选，确保待融合的图像数据具备可靠的基础质量，再利用剪裁变换的方式将同组的图像数据进行配准，大大降低不同视角的图像的视差带来的影响，从而使得融合后的全景图像能够更有利于卷积神经网络模型进行学习与检测。
2、本专利技术的实施例是这样实现的：
3、第一方面，一种多视野特征融合的道路车辆检测方法，包括如下步骤：获取驾驶车辆所有视角的图像化采集数据，利用时间戳信息将所有所述图像化采集数据进行同步整理，获得多组同步图像数据
4、在一些可选地实施方式中，所述从各图像中标定基准图像包括如下步骤：检测所述标准数据集中各图像内的检测目标属性，所述检测目标属性包括检测目标的类型与数量；将所有图像进行两两比对，获得各图像内的检测目标属性的重叠度比对结果；根据所述重叠度比对结果选择其中一个图像作为所述基准图像。
5、在一些可选地实施方式中，所述检测所述标准数据集中各图像内的检测目标属性基于各图像的初始标注信息确定；将所有图像进行两两比对包括：确定每张图像中的目标集合，该目标集合是由不同坐标的检测目标构成；将各图像的目标集合进行两两有效重叠比对，其中，有效重叠比对基于检测目标的典型特征点坐标相似性进行确定。
6、在一些可选地实施方式中，所述将其余图像剪裁变换后与所述基准图像进行拼接包括如下步骤：确定其余图像与基准图像对应的至少一个检测目标，根据两者的该检测目标的对应典型特征点坐标之间的邻距离比确定尺度变换值；根据所述尺度变换值对该其余图像进行尺度变换处理，得到变换图像；确定所述变换图像相对于所述基准图像的重叠区域，将该变换图像的重叠区域进行剪裁，并得到剪裁图像；将所述剪裁图像与所述基准图像进行拼接。
7、在一些可选地实施方式中，所述确定所述变换图像相对于所述基准图像的重叠区域，将该变换图像的重叠区域进行剪裁具体包括如下步骤：将变换图像与基准图像进行对齐，分别确定两者的对齐边缘；基于基准图像的对齐边缘对变换图像的对齐边缘进行划定，得到该变换图像的拼接边缘；根据所述拼接边缘对变换图像进行剪裁；其中，将变换图像与基准图像进行对齐时采用一次多级配准方式进行对齐。
8、在一些可选地实施方式中，所述一次多级配准方式包括如下步骤：获取变换图像与基准图像在第一像素条件下的图像数据，根据该第一像素条件下的图像数据进行对齐；获取变换图像与基准图像在第二像素条件下的图像数据，根据该第二像素条件下的图像数据进行对齐；所述第二像素大于第一像素；其中，在第一像素条件下对齐时，标定待对齐边缘的边界范围轮廓，在第二像素条件下对齐时，对该边界范围轮廓进行关键像素点选择。
9、在一些可选地实施方式中，所述将所有所述剪裁图像与所述基准图像进行拼接包括如下步骤：确定所述基准图像的多个拼接侧；利用不同剪裁图像的对齐边缘与该基准图像相应的拼接侧进行初步拼合并形成拼合缝；对每条所述拼合缝进行拼合检测，确定拼合匹配系数，将拼合匹配系数低于预设值的拼合缝标记为预拼合缝；将该预拼合缝的对应对齐边缘进行二次多级配准处理，直至对应对齐边缘所形成的预拼合缝的拼合匹配系数不低于所述预设值；其中，二次多级配准处理中的像素条件高于一次多级配准处理中的像素条件，所述对应对齐边缘是指变换图像与基准图像的对齐边缘。
10、在一些可选地实施方式中，在对每条所述拼合缝进行拼合检测时，判断拼合缝内是否存在检测目标的像素点，若存在则对所述拼合匹配系数赋予修正系数。
11、在一些可选地实施方式中，确定检测目标的典型特征点坐标包括如下步骤：获取所述检测目标的关键点坐标组和轮廓坐标组，从所述关键点坐标组和轮廓坐标组中判断至少一个特殊像素点，利用关联的特殊像素点构建特殊特征区域，获得多个特征区域点，所述特征区域点是指能够反映目标典型特征的坐标点；基于标注规则下对特征区域点进行筛选，获得典型特征点坐标。
12、第二方面，一种多视野特征融合的道路车辆检测系统，包括：
13、第一获取单元，其用于获取驾驶车辆所有视角的图像化采集数据，利用时间戳信息将所有所述图像化采集数据进行同步整理，获得多组同步图像数据组；
14、第一处理单元，其用于对每组所述同步图像数据组进行标注筛选分析，将满足筛选要求的同步图像数据组作为标准数据集，其中，所述标注筛选分析是指对同步图像数据组中各子对象的初始标注信息进行差异对比。
15、第二处理单元，其用于对所述标准数据集中各图像进行特征融合，获得全景数据集，其中，对所述标准数据集中各图像进行特征融合包括：从各图像中标定基准图像，将其余图像剪裁变换后与所述基准图像进行拼接，所述剪裁变换是指对其余图像进行尺度变换后再与基准图像的相重叠的区域进行剪裁操作；
16、第一计算单元，其用于利用所述全景数据集并基于卷积神经网络模型进行道路车辆目标检测。
17、本专利技术实施例的有益效果是：
18、本专利技术实施例提供的多视野特征融合的道路车辆检测方法及系统首先通过将驾驶车辆所有视角的图像化数据进行同步整理，得到同一时刻的多个同步图像数据组，然后对该每组同步图像数据组的子对象进行标注信息差异对比，剔除不满足要求的同步图像数据组，使得经过标注筛选分析的同步图像数据组其拍摄的内容及检测目标具备高度一致性和相似性，从而确保后续在进行图像融合时具备内容与检测目标拼接的高匹配性和高精准性，避免融合图像无法保证基础图示质量。再根据本文档来自技高网...
【技术保护点】
1.一种多视野特征融合的道路车辆检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的多视野特征融合的道路车辆检测方法，其特征在于，所述从各图像中标定基准图像包括如下步骤：
3.根据权利要求2所述的多视野特征融合的道路车辆检测方法，其特征在于，所述检测所述标准数据集中各图像内的检测目标属性基于各图像的初始标注信息确定；
4.根据权利要求3所述的多视野特征融合的道路车辆检测方法，其特征在于，所述将其余图像剪裁变换后与所述基准图像进行拼接包括如下步骤：
5.根据权利要求4所述的多视野特征融合的道路车辆检测方法，其特征在于，所述确定所述变换图像相对于所述基准图像的重叠区域，将该变换图像的重叠区域进行剪裁具体包括如下步骤：
6.根据权利要求5所述的多视野特征融合的道路车辆检测方法，其特征在于，所述一次多级配准方式包括如下步骤：
7.根据权利要求6所述的多视野特征融合的道路车辆检测方法，其特征在于，所述将所有所述剪裁图像与所述基准图像进行拼接包括如下步骤：
8.根据权利要求7所述的多视野特征融合的道
9.根据权利要求3或8所述的多视野特征融合的道路车辆检测方法，其特征在于，确定检测目标的典型特征点坐标包括如下步骤：
10.一种多视野特征融合的道路车辆检测系统，其特征在于，包括：
...【技术特征摘要】
1.一种多视野特征融合的道路车辆检测方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的多视野特征融合的道路车辆检测方法，其特征在于，所述从各图像中标定基准图像包括如下步骤：
3.根据权利要求2所述的多视野特征融合的道路车辆检测方法，其特征在于，所述检测所述标准数据集中各图像内的检测目标属性基于各图像的初始标注信息确定；
4.根据权利要求3所述的多视野特征融合的道路车辆检测方法，其特征在于，所述将其余图像剪裁变换后与所述基准图像进行拼接包括如下步骤：
5.根据权利要求4所述的多视野特征融合的道路车辆检测方法，其特征在于，所述确定所述变换图像相对于所述基准图像的重叠区域，将该变换图像的重叠区域进行剪裁具体包括如...
【专利技术属性】
技术研发人员：林晓庆，王丹玲，姜东洋，李东霖，徐惠红，祁春霞，刘满君，
申请(专利权)人：辽东学院，
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。