CN119516490A 区域边界识别方法、装置、电子设备及存储介质 （苏州轻舟智航智能技术有限公司）

城青龙港路66号领寓商务广场1幢21卷积层的区域边界识别模型来实现，该方法包层进行第一卷积运算，以构建坐标映射关系矩2通过所述多个卷积层进行第一卷积运算，以构建坐标映射关系矩阵，通过所述多个卷积层对所述图像特征和所述坐标映射关系矩阵通过所述多个卷积层对所述坐标特征进行第三卷积运算，以识别所2.根据权利要求1所述的方法，其特征在于，所述多个卷积层包括位置特征处理卷积按照所述图像特征的尺寸构建所述第一坐标系，所述第一坐标系包括M个对应所述多个位置点中的任一位置点，计算所述位置点在所述第一坐标系下的坐标，根据所述第一坐标及所述第一坐标系和所述第二坐标系的映射关将所述多个位置点的第二坐标作为特征值生成所所述多个卷积层对所述图像特征和所述坐标映射关系矩阵进行第二卷积调用所述采样卷积层获取所述图像特征中所述多个所述通过所述多个卷积层对所述坐标特征进行第三卷积运算，以识调用所述编码卷积层对所述坐标特征进行编码，编3调用所述全连接层根据所述区域边界的位置特征识别出所述区域边界的所述第一维调用所述至少两个卷积提取层分别提取所述全景图像的调用所述特征融合层融合所述全景图像不同尺寸下调用所述分类模块识别所述区域边界的位置特征中每个像素特征对应的待识别对象若所述待识别对象类型为所述区域边界，调用所述全连接层识调用所述待训练模型对样本图像进行识别，得到位计算平滑损失函数和交叉熵损失函数，所述平滑损失函数若所述平滑损失函数和所述交叉熵损失函数均收敛，将所述待训特征提取模块，用于从全景图像中提取图像特征，所述第一卷积运算模块，用于通过所述多个卷积层进行第一卷积4第一坐标系用于从第一维度表征位置特征，所述第二坐标系用于从第二维度表征位置特第二卷积运算模块，用于通过所述多个卷积层对所述图像特征识别模块，用于通过所述多个卷积层对所述坐标特征进行5[0009]通过所述多个卷积层对所述图像特征和所述坐标映射关系矩阵进行第二卷积运6[0025]调用所述全连接层根据所述区域边界的位置特征识别出所述区域边界的所述第[0032]调用所述分类模块识别所述区域边界的位置特征中每个像素特征对应的待识别7[0034]在本申请的一些实施例中，还包括训练待训练模型得到[0035]调用所述待训练模型对样本图像进行识别，得到位置预[0039]若所述平滑损失函数和/或所述交叉熵损失函数未收敛，调整所述待训练模型的[0040]本申请第二方面的实施例提供了一种区域边界识别装置，部署区域边界识别模关系矩阵中包括多个位置点的坐标映射关系，所述多个位置点与所述第一坐标系相关联，8请实施例采用多层卷积运算来对图像特征进行处理，相较于现有的多层transformer模块后，自动泊车系统可以识别出待泊车区域内车辆的可行驶区域(freespace)边界，根据9[0069]以下结合图1所示的区域边界识别模型，对本申请实施例的区域边界识别方法进[0070]本申请实施例的区域边界识别方法可以通过调用图1示意的区域边界识别模型来[0073]一些实施例中，可以调用图1中的模型backbone执行步骤S101的操作。该模型backbone可以实现为任意支持从AVM图像中提取出图像特征是算法模块，例如包括但不限数据集上的预训练该EfficientNetLite的权重。EfficientNetLite的权重大小，与EfficientNetLite网络提取出的图像特[0078]示例性的，特征融合层例如可以实现为特征金字塔网络(FeaturePyramid射关系矩阵中包括多个位置点的坐标映射关系，所述多个位置点与所述第一坐标系相关些采样点可以用于对图像特征对应的像素按照一定顺序进行[0085]示例性的，坐标映射关系矩阵中的一个特征列例如可以对应360个方向中的一个[0090]第二卷积运算过程中，可以触发获取图像特征中所述多个位置点对应的像素特位置特征识别出所述区域边界的所述第一维度的位置信息和所述第二[0104]示例性的，本申请实施例可以使用已标注的样本图像来对待训练模型进行训[0106]调用所述待训练模型对样本图像进行识别，得到位置预测结果和类型预测结计算平滑损失函数(smoothl1loss)和交叉熵损失函数(crossentropyloss)，以及判断所信息之间的损失；所述交叉熵损失函数(crossentropyloss)用于表征所述类型预测结果到该AVM图像后，区域边界识别模型中预处理模块(图3中未示出)可以按照RGB三通道对和RGB方差[58.395,57.12,57.375]输入Efficie层可以提取出AVM图像一种图像子特征。该多个卷积层提取出的图像子特征分别对应不同[0116]FPN可以将AVM图像的多种尺寸的特征进行融合，融合后的特征例如为AVM图像的[0124]进一步的，编码模块将轮廓特征传输到预测模块。预测模块在接收的轮廓特征可以将360个方向对应的角度特征输入到分类模块中，以预测每个方向的边界像素是区域[0125]应理解，图3示意的区域边界识别模型，以及区域边界识别模型中各个模块的处请实施例采用多层卷积运算来对图像特征进行处理，相较于现有的多层transformer模块[0129]本申请实施例提供的区域边界识别装置与本申请实施例提供的区域边界识别方器501通过总线502连接；所述存储器501中存储有可在所述处理器500上运行的计算机程序，所述处理器500运行所述计算机程序时执行本申请前述任一实施方式所提供的区域边少一个通信接口503(可以是有线或者无线)实现该装置网元与至少一个其他网元之间的通方法的各步骤可以通过处理器500中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器500可以是通用处理器，包括中央处理器(CentralProcessingUnit，简称[0134]本申请实施例提供的电子设备与本申请实施例提供的区域边界识别方法出于相[0135]本申请实施方式还提供一种与前述实施方式所提供的区域边界识别方法对应的[0137]本申请的上述实施例提供的计算机可读存储介质与本申请实施例提供的区域边