一种场景分割和障碍物检测的方法.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CN108073868A(43)申请公布日2018.05.25(21)申请号201611020157.6(22)申请日2016.11.18(71)申请人法乐第（北京）网络科技有限公司地址100026北京市朝阳区姚家园路105号3号楼8层909(72)发明人刘康伟(74)专利代理机构北京润平知识产权代理有限公司11283代理人罗攀肖冰滨(51)Int.Cl.G06K9/00(2006.01)G06K9/62(2006.01)G06K9/34(2006.01)G06K9/32(2006.01)权利要求书1页说明书6页附图5页(54)发明名称一种场景分割和障碍物检测的方法(57)摘要本发明涉及图像处理领域，公开了一种场景分割和障碍物检测的方法，其特征在于，该方法包括：提取场景图像的特征f；对所述特征f进行分类，获取对所述场景图像中的各个场景特征进行分类后的特征fs；将所述特征f和所述特征fs融合为特征fd；以及通过区域特征提取所述特征fd中的感兴趣区域，获取对所述感兴趣区域的目标分类结果。CN108073868ACN108073868A权利要求书1/1页1.一种场景分割和障碍物检测的方法，其特征在于，该方法包括：提取场景图像的特征f；对所述特征f进行分类，获取对所述场景图像中的各个场景特征进行分类后的特征fs；将所述特征f和所述特征fs融合为特征fd；以及通过区域特征提取所述特征fd中的感兴趣区域，获取对所述感兴趣区域的目标分类结果。2.根据权利要求1所述的场景分割和障碍物检测的方法，其特征在于，所述对所述特征f进行分类，获取对场景图像中的各个场景特征进行分类后的特征fs包括：根据所述特征f进行场景分割，并输出标记每一类场景的场景分割结果f场景分割；以及对所述场景分割结果f场景分割进一步通过像素分类判断所述每一类场景的具体类别，获取所述特征fs。3.根据权利要求2所述的场景分割和障碍物检测的方法，其特征在于，所述对所述场景分割结果f场景分割进一步通过像素分类判断所述每一类场景的具体类别，获取所述特征fs包括：利用分类算法对所述场景分割结果f场景分割进行分类处理；以及通过上采样方法将分类后的场景分割结果的尺寸恢复到原始尺寸，从而获取与原始尺寸相应的分类结果的特征fs。4.根据权利要求1所述的场景分割和障碍物检测的方法，其特征在于，所述通过区域特征提取所述特征fd中的感兴趣区域，获取对所述感兴趣区域的目标分类结果包括：获取所述特征fd中的感兴趣区域的坐标；根据所述特征fd和所述感兴趣区域的坐标，通过区域特征提取所述获取感兴趣区域的特征fr；以及对所述特征fr中的感兴趣区域进行分类，获取所述感兴趣区域的目标分类结果。5.根据权利要求4所述的场景分割和障碍物检测的方法，其特征在于，所述方法还包括：根据所述特征fr通过卷积操作，获取所述感兴趣区域的位置坐标的偏移量；以及根据所述偏移量调整所述感兴趣区域的坐标。2CN108073868A说明书1/6页一种场景分割和障碍物检测的方法技术领域[0001]本发明涉及图像处理领域，具体地，涉及一种场景分割和障碍物检测的方法。背景技术[0002]自动驾驶任务中，环境感知技术，如道路场景分割，障碍物的检测等，是保证驾驶安全性能的关键因素。场景的分割和障碍物的检测在学术界和工业界都受到广泛关注。场景分割的主要任务是分割传感器(如摄像机、激光雷达)所得到的图像中出现的所有对象(如道路、车辆、行人、树木、隔离带、天空等)；而障碍物检测的主要任务是检测出车辆周围所有障碍物(如其他车辆、行人等)的精确位置。[0003]近年来，随着深度学习算法的兴起，场景分割和障碍物检测算法的性能都得到很大的提升。然而，无论对于场景分割任务，还是障碍物检测任务，基于深度学习的算法由于其模型的复杂性，都需要消耗大量的计算时间，并且需要占用大量的内存资源。在工业应用中，由于车辆上搭载的计算资源是非常有限的。如何在这种情况下保证场景分割和障碍物检测算法的实时性，同时减少算法所需内存资源成为研究的重点。[0004]另一方面，本案发明人在实现本发明的过程中发现，场景分割任务和障碍物检测任务有很强的关系(比如我们可以利用场景分割这种更一般的结果来辅助障碍物检测)，然而在现有的算法中，场景分割和障碍物检测往往都是被独立研究的。发明内容[0005]本发明的目的是提供一种场景分割和障碍物检测的方法及系统，该方法和系统借助于特征共享，并融合了场景分隔和障碍物检测，从而大幅度减少了算法所消耗的内存资源，提升了算法的速度，使场景分割和障碍检测更具有实时性。[0006]为了实现上述目的，本发明提供一种场景分割和障碍物检测的方法，其特征在于，该方法包括：提取场景图像的特征f，可以利用卷积和