CN114118188B 针对待检测图像中移动对象的处理系统、方法和存储介质 （奥迪股份公司）

本发明要求保护一种针对待检测图像中移机器学习模型和几何计算方法之一或二者识别去除待检测图像中由标识层标记的移动对象所2何计算方法识别所述待检测图像中的位置发生变化的半静移动对象标识单元，被配置为：对于基于预设的机器学习模型和几图像处理单元，被配置为：去除所述待检测图其中，所述使用所述几何计算方法识别所述待检测图像中的基于参考图像中的至少一个检测点和所述至少一个检测点在所述待检测图像中的投使用所述分类模型按照所述物体分类属性对所述待检测图像中的物体进行识别和分所述基于参考图像中的至少一个检测点和所述至少一个检测点在所述待检测图像中构建与所述待检测图像关联的用于比对的参考从所述参考图像集中选取与所述待检测图像重合度最大确定所述参考图像中的至少一个检测点在所述待检测图像中的从与所述待检测图像关联的参考图像中获取与该待检测图像中被去除的区域对应的基于预设的机器学习模型和几何计算方法识别所述待检测图像中的移动对象，其中，对于基于预设的机器学习模型和几何计算方法之一或二者识别出3去除所述待检测图像中由所述标识层标记的移动对象所其中，所述使用所述几何计算方法识别所述待检测图像中的基于参考图像中的至少一个检测点和所述至少一个检测点在所述待检测图像中的投使用所述分类模型按照所述物体分类属性对所述待检测图像中的物体进行识别和分所述基于参考图像中的至少一个检测点和所述至少一个检测点在所述待检测图像中构建与所述待检测图像关联的用于比对的参考从所述参考图像集中选取与所述待检测图像重合度最大确定所述参考图像中的至少一个检测点在所述待检测图像中的从与所述待检测图像关联的参考图像中获取与该待检测图像中被去除的区域对应的被处理器执行时实现权利要求5-8中任一项所4有的移动对象(例如，本身不属于动态物体但是位置发生变化的半静态物体和静态物体)，而单独使用几何方法又可能会由于无法准确调节识别精度导致将未移动的物体错误地识[0011]使用所述几何计算方法识别所述待检测图像中的位置发生变化的半静态物体和/[0014]使用所述分类模型按照所述物体分类属性对所述待检测图像中的物体进行识别5[0015]所述使用所述几何计算方法识别所述待检测图像中的位置发生变化的半静态物[0021]从与所述待检测图像关联的参考图像中获取与该待检测图像中被去除的区域对所述待检测图像中使用标识层标记所识别出的移[0028]使用所述几何计算方法识别所述待检测图像中的位置发生变化的半静态物体和/[0031]使用所述分类模型按照所述物体分类属性对所述待检测图像中的物体进行识别[0032]所述使用所述几何计算方法识别所述待检测图像中的位置发生变化的半静态物[0038]从与所述待检测图像关联的参考图像中获取与该待检测图像中被去除的区域对6[0041]利用本发明的技术方案，通过所述预设的机器学习模型[0043]图1示出根据本发明一个实施方案的针对待检测图像中移动对象的处理系统的示[0044]图2示出根据本发明一个实施方案的针对待检测图像中移动对象的处理方法的流[0045]图3a-3c示出根据本发明一个实施方案的针对待检测图像中移动对象的处理系统术人员在所述处理系统100初始化时根据需要进行预先设定，也可以后续根据应用需求进[0049]图像识别单元110可以被配置为：基于预设的机器学习模型和几何计算方法识别[0050]根据情况，图像识别单元110可以首先使用所述机器学习模型识别所述待检测图7别单元110可以使用所述分类模型按照所述物体分类属性对所述待检测图像中的物体进行[0052]在另一个实施例中，图像识别单元110可以通过以下步骤识别所述待检测图像中境图像不包括任何移动对象)的集合作为参考图像集；如果没有不包括任何移动对象的环单元110可以利用快速特征点提取和描述算法提取所述参考图像集中任意一帧参考图像的特征点提取和描述算法确定点特征的方式来确定所述检测点x，然后计算该参考图像中的所述参考图像与所述当前待检测图像之间的视角差α,判断x的特征描述符Bx和所述当前待检测图像中的投影点x'的特征描述符Bx'，基于所述特征描距离Hdist大于预设的汉明距离阈值τB，则确定所述当前环境图像中的投影点x'对应的物体8[0057]移动对象标识单元120可以被配置为：对于基于预设的机器学习模型和几何计算动对象本身的深度不连续性，导致所述移动对象在深度图像中的位置与在RGB图像中存在记可以高亮或其他形式突出显示出所述移动对象所在[0059]图像处理单元130可以被配置为：去除所述待检测图像中由所述标识层标记的移9用所述机器学习模型识别所述待检测图像中的动态物体；和/或使用所述几何计算方法识别所述待检测图像中的位置发生变化的半静态物体任一成对的所述检测点与投影点之间的汉明距离，判断所述汉明距离是否大于预设阈值；述的具体特征也可类似地应用于第二方面的针对待检测图像中移动对象的处理方法中进[0072]下面结合图3a-3c对本发明所述针对待检测图像中移动对象的处理系统和/或方[0073]如能理解的，图3a-3c所示应用场景为车辆在道路上利用高精地图导航。如图所动对象类型(例如坐轮椅的残疾人F)就不能被识别。由于没学习过的物体类型不能通过预别。设汉明距离阈值τB的合理取值，可能会导致针对场景中局[0079]应理解，本发明的针对待检测图像中的移动对象的处理系统100的各个单元可全[0080]本领域普通技术人员应理解，图1中示出的针对待检测图像中的移动对象的处理系统100的示意图仅仅是与本发明的方案相关的部分结构的示例性说明框图，并不构成对者两个或更多个方法步骤/操作，可以由单个计算机设备或处理器或由两个或更多个计算机设备或处理器执行。一个或多个方法步骤/操作可以由一个或多个计算机设备或处理器执行，并且一个或多个其他方法步骤/操作可以由一个或多个其他计