一种非标小障碍物检测方法、装置与自动驾驶系统.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113657161A(43)申请公布日2021.11.16(21)申请号202110799043.0G06N3/04(2006.01)(22)申请日2021.07.15G06N3/08(2006.01)(71)申请人北京中科慧眼科技有限公司地址100085北京市海淀区创业中路32号楼32-1-1-559(72)发明人杨超陈思宇王欣亮冯凯刘永才(74)专利代理机构北京远立知识产权代理事务所(普通合伙)11502代理人李海燕(51)Int.Cl.G06K9/00(2006.01)G06K9/38(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)权利要求书2页说明书6页附图4页(54)发明名称一种非标小障碍物检测方法、装置与自动驾驶系统(57)摘要本发明公开了一种非标小障碍物检测方法、装置与自动驾驶系统，用于解决现有的基于深度学习的目标检测目标大小差异不大、形状规则的检测效果较好，但对目标大小差异较大、形状不规则、背景非常复杂往往效果较差的问题。该非标小障碍物检测方法包括：将图像数据划分为训练集、验证集和测试集；基于训练集训练检测分割模型，对训练的检测分割模型通过验证集进行验证，根据验证表现对检测分割模型进行参数调节，并在采集自真实道路场景的测试集上评估检测分割模型的性能，选择效果最优的检测分割模型用于非标小障碍物检测。CN113657161ACN113657161A权利要求书1/2页1.一种非标小障碍物检测方法，其特征在于，包括：将图像数据划分为训练集、验证集和测试集；基于训练集训练检测分割模型，对训练的检测分割模型通过验证集进行验证，根据验证表现对检测分割模型进行参数调节，并在采集自真实道路场景的测试集上评估检测分割模型的性能，选择效果最优的检测分割模型用于非标小障碍物检测。2.如权利要求1所述的非标小障碍物检测方法，其特征在于，所述基于训练集训练检测分割模型包括：根据路面非标小障碍物的大小，通过硬聚类聚类方法，生成实际路面非标小障碍物的实际分布；通过实际分布设计检测分割模型的检测默认框，通过聚类将整个训练集的矩形框用N个检测默认框近似表示，得到的N类长宽高接近整个数据集长宽高的实际检测框。3.如权利要求2所述的非标小障碍物检测方法，其特征在于，所述通过实际分布设计检测分割模型的网络默认框包括：N个网络默认框是在EfficientDet上的3个特征层上设定，每个特征层预设N/3个框，其中，尺度大的特征层预测小目标特征，尺度小的特征层预测大目标特征。4.如权利要求2所述的非标小障碍物检测方法，其特征在于，所述基于训练集训练检测分割模型还包括：在所述基础网络模型的EfficientDet的基础上，加入FPN模块进行前景和背景的二分类分割，具体计算方式为：其中Accuracy表示模型准确率,Recall表示模型召回率；TP表示truepositive，即被判定为正样本，事实上也是正样本；TN表示truenegative，被判定为负样本，事实上也是负样本；FP表示falsepositive，被判定为正样本，但事实上是负样本；FN表示falsenegative，被判定为负样本，但事实上是正样本；Intersection和Union分别是“预测的边框”和“真实的边框”的交集和并集。5.如权利要求4所述的非标小障碍物检测方法，其特征在于，在所述确定效果最优的检测分割模型用于非标小障碍物检测之后，所述非标小障碍物检测方法还包括：对目标检测图片进行预处理后输入检测分割模型；检测分割模型在目标检测图片上输出检测框的位置和置信度；对检测框进行处理后得到置信度最高且无冗余框的检测效果。6.一种非标小障碍物检测装置，其特征在于，包括：划分模块，用于将图像数据划分为训练集、验证集和测试集；检测模块，用于基于训练集训练检测分割模型，对训练的检测分割模型通过验证集进行验证，根据验证表现对检测分割模型进行参数调节，并在采集自真实道路场景的测试集2CN113657161A权利要求书2/2页上评估检测分割模型的性能，选择效果最优的检测分割模型用于非标小障碍物检测。7.如权利要求6所述的非标小障碍物检测装置，其特征在于，所述检测模块包括：生成模块，用于根据路面非标小障碍物的大小，通过硬聚类聚类方法，生成实际路面非标小障碍物的实际分布；设计模块，通过实际分布设计检测分割模型的检测默认框，通过聚类将整个训练集的矩形框用N个检测默认框近似表示，得到的N类长宽高接近整个数据集长宽高的实际检测框。8.如权利要求7所述的非标小障碍物检测装置，其特征在于，所述检测模块还包括：计算模块，用于在所述基础网络模型的EfficientDet的基础上，加入FPN模块进行前景和背景