本技術(shù)涉及智能自動(dòng)泊車，尤其涉及一種車輛可行駛區(qū)域的檢測(cè)方法、裝置及存儲(chǔ)介質(zhì)。

背景技術(shù)：

1、隨著自動(dòng)駕駛技術(shù)的發(fā)展，自動(dòng)泊車也成為了自動(dòng)駕駛中不可或缺的一個(gè)實(shí)現(xiàn)場(chǎng)景，可行駛區(qū)域檢測(cè)算法是自動(dòng)駕駛技術(shù)中的一個(gè)關(guān)鍵組成部分，它對(duì)于確保自動(dòng)駕駛車輛能夠安全、有效地在道路上行駛至關(guān)重要?，F(xiàn)有技術(shù)中，計(jì)算機(jī)視覺領(lǐng)域的進(jìn)步為可行駛區(qū)域檢測(cè)提供了基礎(chǔ)，通過圖像處理和分析技術(shù)，算法可以從攝像頭捕獲的視覺數(shù)據(jù)中提取道路特征和障礙物信息。深度學(xué)習(xí)尤其是卷積神經(jīng)網(wǎng)絡(luò)(cnn)的發(fā)展極大地推動(dòng)了圖像分割技術(shù)的進(jìn)步。深度學(xué)習(xí)模型能夠自動(dòng)學(xué)習(xí)圖像中的特征表示，從而更準(zhǔn)確地識(shí)別和分類可行駛區(qū)域。激光雷達(dá)(lidar)、雷達(dá)、gps和慣性測(cè)量單元(imu)等傳感器為自動(dòng)駕駛車輛提供了豐富的環(huán)境感知能力。這些傳感器數(shù)據(jù)可以與視覺數(shù)據(jù)相結(jié)合，提供更為精確和魯棒的可行駛區(qū)域檢測(cè)。單一傳感器的數(shù)據(jù)可能存在局限性，而多傳感器融合技術(shù)能夠有效結(jié)合來自不同傳感器的信息，提高檢測(cè)的準(zhǔn)確性和可靠性。

2、然而日常生活中，車輛在自動(dòng)泊車時(shí)可能會(huì)面臨多種復(fù)雜環(huán)境，包括城市街道、高速公路、鄉(xiāng)村道路等，且為了確保車輛安全行駛，可行駛區(qū)域檢測(cè)算法必須能夠在毫秒級(jí)的時(shí)間內(nèi)處理傳感器數(shù)據(jù)并做出決策，這對(duì)算法的計(jì)算效率提出了高要求；同時(shí)，可行駛區(qū)域檢測(cè)算法需要在各種天氣條件和光照變化下都能保持高準(zhǔn)確度；現(xiàn)有技術(shù)中，算法的實(shí)時(shí)性與計(jì)算效率不佳，且檢測(cè)出來的準(zhǔn)確度也不夠精確。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)提供了一種車輛可行駛區(qū)域的檢測(cè)方法、裝置及存儲(chǔ)介質(zhì)，可以提高車輛檢測(cè)可行駛區(qū)域的準(zhǔn)確性，提升行駛過程中的安全性。

2、一方面，本技術(shù)提供了一種車輛可行駛區(qū)域的檢測(cè)方法，所述方法包括：

3、獲取目標(biāo)車輛對(duì)應(yīng)的預(yù)設(shè)區(qū)域的待處理圖像；所述預(yù)設(shè)區(qū)域?yàn)榕c所述目標(biāo)車輛的距離滿足預(yù)設(shè)距離條件的區(qū)域；

4、對(duì)所述待處理圖像進(jìn)行特征提取，得到邊界點(diǎn)對(duì)應(yīng)的距離特征以及邊界點(diǎn)類別特征；所述距離特征表征所述待處理圖像的邊界點(diǎn)與所述待處理圖像的中心點(diǎn)之間的距離；

5、根據(jù)所述邊界點(diǎn)對(duì)應(yīng)的距離特征，確定所述待處理圖像的邊界點(diǎn)的預(yù)測(cè)位置；

6、根據(jù)所述待處理圖像的邊界點(diǎn)的預(yù)測(cè)位置以及所述邊界點(diǎn)類別特征，確定所述邊界點(diǎn)的預(yù)測(cè)類別；

7、根據(jù)所述待處理圖像的邊界點(diǎn)的預(yù)測(cè)位置以及所述邊界點(diǎn)的預(yù)測(cè)類別，確定所述目標(biāo)車輛的可行駛區(qū)域。

8、在一示例性實(shí)施方式中，所述對(duì)所述待處理圖像進(jìn)行特征提取，得到邊界點(diǎn)對(duì)應(yīng)的距離特征以及邊界點(diǎn)類別特征，包括：

9、將所述待處理圖像輸入特征提取模型中的距離預(yù)測(cè)網(wǎng)絡(luò)進(jìn)行距離預(yù)測(cè)處理，沿所述待處理圖像的目標(biāo)方向每間隔預(yù)設(shè)增量預(yù)測(cè)所述待處理圖像的中心點(diǎn)與所述待處理圖像的邊界點(diǎn)之間的距離，得到目標(biāo)數(shù)量的所述待處理圖像的中心點(diǎn)與所述待處理圖像的邊界點(diǎn)之間的距離；

10、根據(jù)所述目標(biāo)數(shù)量的所述待處理圖像的中心點(diǎn)與所述待處理圖像的邊界點(diǎn)之間的距離，確定所述目標(biāo)數(shù)量維度的距離特征；

11、將所述待處理圖像輸入所述特征提取模型中的邊界點(diǎn)類別識(shí)別網(wǎng)絡(luò)進(jìn)行邊界點(diǎn)類別識(shí)別處理，沿所述待處理圖像的所述目標(biāo)方向每間隔所述預(yù)設(shè)增量識(shí)別所述待處理圖像的邊界點(diǎn)的類別，得到所述目標(biāo)數(shù)量的邊界點(diǎn)類別；

12、根據(jù)所述目標(biāo)數(shù)量的邊界點(diǎn)類別，確定所述目標(biāo)數(shù)量維度的邊界點(diǎn)類別特征。

13、在一示例性實(shí)施方式中，所述根據(jù)所述邊界點(diǎn)對(duì)應(yīng)的距離特征，確定所述待處理圖像的邊界點(diǎn)的預(yù)測(cè)位置，包括：

14、根據(jù)任一目標(biāo)邊界點(diǎn)與所述待處理圖像的中心點(diǎn)之間的距離，確定所述目標(biāo)邊界點(diǎn)的坐標(biāo)信息；所述目標(biāo)邊界點(diǎn)為所述目標(biāo)數(shù)量的邊界點(diǎn)中的任一邊界點(diǎn)；

15、根據(jù)所述目標(biāo)邊界點(diǎn)的坐標(biāo)信息，確定所述目標(biāo)邊界點(diǎn)的預(yù)測(cè)位置；

16、根據(jù)所述目標(biāo)邊界點(diǎn)的預(yù)測(cè)位置，確定所述待處理圖像中各個(gè)邊界點(diǎn)的預(yù)測(cè)位置。

17、在一示例性實(shí)施方式中，所述根據(jù)所述待處理圖像的邊界點(diǎn)的預(yù)測(cè)位置以及所述邊界點(diǎn)類別特征，確定所述邊界點(diǎn)的預(yù)測(cè)類別，包括：

18、根據(jù)所述邊界點(diǎn)類別特征，確定與所述待處理圖像的邊界點(diǎn)對(duì)應(yīng)的位置類別；

19、根據(jù)任一與所述目標(biāo)邊界點(diǎn)對(duì)應(yīng)的位置類別以及所述目標(biāo)邊界點(diǎn)的預(yù)測(cè)位置，確定所述目標(biāo)邊界點(diǎn)的目標(biāo)預(yù)測(cè)類別；

20、根據(jù)所述目標(biāo)邊界點(diǎn)的目標(biāo)預(yù)測(cè)類別，確定所述待處理圖像中各個(gè)邊界點(diǎn)的預(yù)測(cè)類別。

21、在一示例性實(shí)施方式中，所述根據(jù)所述待處理圖像的邊界點(diǎn)的預(yù)測(cè)位置以及所述邊界點(diǎn)的預(yù)測(cè)類別，確定所述目標(biāo)車輛的可行駛區(qū)域，包括：

22、根據(jù)所述待處理圖像的邊界點(diǎn)的預(yù)測(cè)位置，連接所述待處理圖像的邊界點(diǎn)，得到封閉區(qū)域；

23、根據(jù)所述邊界點(diǎn)的預(yù)測(cè)類別，確定所述待處理圖像的可行駛區(qū)域邊界點(diǎn)以及所述待處理圖像的禁止行駛區(qū)域邊界點(diǎn)；

24、根據(jù)所述可行駛區(qū)域邊界點(diǎn)、禁止行駛區(qū)域邊界點(diǎn)以及所述封閉區(qū)域，確定所述目標(biāo)車輛的可行駛區(qū)域。

25、在一示例性實(shí)施方式中，所述特征提取模型的訓(xùn)練方法，包括：

26、獲取樣本俯視圖像數(shù)據(jù)；所述樣本俯視圖像數(shù)據(jù)標(biāo)注了樣本距離標(biāo)簽以及樣本邊界點(diǎn)類別標(biāo)簽；

27、基于預(yù)設(shè)模型的特征提取網(wǎng)絡(luò)，對(duì)所述樣本俯視圖像數(shù)據(jù)進(jìn)行特征提取處理，得到與所述樣本俯視圖像數(shù)據(jù)對(duì)應(yīng)的樣本距離特征以及樣本邊界點(diǎn)類別特征；

28、基于所述距離預(yù)測(cè)網(wǎng)絡(luò)對(duì)所述樣本距離特征進(jìn)行距離預(yù)測(cè)處理，得到所述樣本俯視圖像數(shù)據(jù)的樣本距離結(jié)果；

29、基于所述邊界點(diǎn)類別識(shí)別網(wǎng)絡(luò)對(duì)所述樣本邊界點(diǎn)類別特征進(jìn)行邊界點(diǎn)類別識(shí)別處理，得到所述俯視圖像數(shù)據(jù)的樣本邊界點(diǎn)類別結(jié)果；

30、根據(jù)所述樣本距離結(jié)果與所述樣本距離標(biāo)簽的第一差異，以及所述樣本邊界點(diǎn)類別結(jié)果與所述樣本邊界點(diǎn)類別標(biāo)簽的第二差異，訓(xùn)練所述預(yù)設(shè)模型，將訓(xùn)練結(jié)束后的所述預(yù)設(shè)模型中的所述特征提取網(wǎng)絡(luò)作為所述特征提取模型。

31、在一示例性實(shí)施方式中，所述根據(jù)所述樣本距離結(jié)果與所述樣本距離標(biāo)簽的第一差異，以及所述樣本邊界點(diǎn)類別結(jié)果與所述樣本邊界點(diǎn)類別標(biāo)簽的第二差異，訓(xùn)練所述預(yù)設(shè)模型，將訓(xùn)練結(jié)束后的所述預(yù)設(shè)模型中的所述特征提取網(wǎng)絡(luò)作為所述特征提取模型，包括：

32、根據(jù)所述樣本距離結(jié)果與所述樣本距離標(biāo)簽的第一差異，確定第一損失信息；

33、根據(jù)所述樣本邊界點(diǎn)類別結(jié)果與所述樣本邊界點(diǎn)類別標(biāo)簽的第二差異，確定第二損失信息；

34、根據(jù)所述第一損失信息以及所述第二損失信息，確定目標(biāo)損失信息；

35、根據(jù)所述目標(biāo)損失信息，調(diào)整所述預(yù)設(shè)模型的參數(shù)，將訓(xùn)練結(jié)束后的所述預(yù)設(shè)模型中的所述特征提取網(wǎng)絡(luò)作為所述特征提取模型。

36、另一方面提供了一種車輛可行駛區(qū)域的檢測(cè)裝置，所述裝置包括：

37、待處理圖像模塊，用于獲取目標(biāo)車輛對(duì)應(yīng)的預(yù)設(shè)區(qū)域的待處理圖像；所述預(yù)設(shè)區(qū)域?yàn)榕c所述目標(biāo)車輛的距離滿足預(yù)設(shè)距離條件的區(qū)域；

38、特征提取模塊，用于對(duì)所述待處理圖像進(jìn)行特征提取，得到邊界點(diǎn)對(duì)應(yīng)的距離特征以及邊界點(diǎn)類別特征；所述距離特征表征所述待處理圖像的邊界點(diǎn)與所述待處理圖像的中心點(diǎn)之間的距離；

39、預(yù)測(cè)位置模塊，用于根據(jù)所述邊界點(diǎn)對(duì)應(yīng)的距離特征，確定所述待處理圖像的邊界點(diǎn)的預(yù)測(cè)位置；

40、預(yù)測(cè)類別模塊，用于根據(jù)所述待處理圖像的邊界點(diǎn)的預(yù)測(cè)位置以及所述邊界點(diǎn)類別特征，確定所述邊界點(diǎn)的預(yù)測(cè)類別；

41、可行駛區(qū)域模塊，用于根據(jù)所述待處理圖像的邊界點(diǎn)的預(yù)測(cè)位置以及所述邊界點(diǎn)的預(yù)測(cè)類別，確定所述目標(biāo)車輛的可行駛區(qū)域。

42、另一方面提供了一種電子設(shè)備，所述設(shè)備包括處理器和存儲(chǔ)器，所述存儲(chǔ)器中存儲(chǔ)有至少一條指令或至少一段程序，所述至少一條指令或所述至少一段程序由所述處理器加載并執(zhí)行如上所述的車輛可行駛區(qū)域的檢測(cè)方法。

43、另一方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述存儲(chǔ)介質(zhì)中存儲(chǔ)有至少一條指令或至少一段程序，所述至少一條指令或至少一段程序由處理器加載并執(zhí)行以實(shí)現(xiàn)如上所述的車輛可行駛區(qū)域的檢測(cè)方法。

44、另一方面提供了一種計(jì)算機(jī)程序產(chǎn)品或計(jì)算機(jī)程序，該計(jì)算機(jī)程序產(chǎn)品或計(jì)算機(jī)程序包括計(jì)算機(jī)指令，該計(jì)算機(jī)指令存儲(chǔ)在計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中。計(jì)算機(jī)設(shè)備的處理器從計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)讀取該計(jì)算機(jī)指令，處理器執(zhí)行該計(jì)算機(jī)指令，使得該計(jì)算機(jī)設(shè)備執(zhí)行以實(shí)現(xiàn)如上所述的車輛可行駛區(qū)域的檢測(cè)方法。

45、本技術(shù)提供的一種車輛可行駛區(qū)域的檢測(cè)方法、裝置及存儲(chǔ)介質(zhì)，具有如下技術(shù)效果：

46、本技術(shù)獲取目標(biāo)車輛對(duì)應(yīng)的預(yù)設(shè)區(qū)域的待處理圖像；所述預(yù)設(shè)區(qū)域?yàn)榕c所述目標(biāo)車輛的距離滿足預(yù)設(shè)距離條件的區(qū)域；對(duì)所述待處理圖像進(jìn)行特征提取，得到邊界點(diǎn)對(duì)應(yīng)的距離特征以及邊界點(diǎn)類別特征；所述距離特征表征所述待處理圖像的邊界點(diǎn)與所述待處理圖像的中心點(diǎn)之間的距離；根據(jù)所述邊界點(diǎn)對(duì)應(yīng)的距離特征，確定所述待處理圖像的邊界點(diǎn)的預(yù)測(cè)位置；根據(jù)所述待處理圖像的邊界點(diǎn)的預(yù)測(cè)位置以及所述邊界點(diǎn)類別特征，確定所述邊界點(diǎn)的預(yù)測(cè)類別；根據(jù)所述待處理圖像的邊界點(diǎn)的預(yù)測(cè)位置以及所述邊界點(diǎn)的預(yù)測(cè)類別，確定所述目標(biāo)車輛的可行駛區(qū)域。本技術(shù)通過獲取目標(biāo)車輛對(duì)應(yīng)的待處理圖像，對(duì)待處理圖像進(jìn)行特征提取，得到待處理圖像的距離特征以及邊界點(diǎn)類別特征，并通過這兩個(gè)特征分別確定待處理圖像的邊界點(diǎn)的預(yù)測(cè)位置以及邊界點(diǎn)類別，從而確定可行駛區(qū)域，提高了對(duì)可行駛區(qū)域預(yù)測(cè)的準(zhǔn)確性，提高了車輛檢測(cè)可行駛區(qū)域的精確度與可靠性，提升了車輛行駛過程中的安全性。