本申請涉及圖像識別修，具體涉及一種機車危險區(qū)域障礙物檢測方法、裝置、電子設備及存儲介質。

背景技術：

1、目前針對單目相機存在的尺度不確定性問題，深度學習技術已被廣泛采用以識別障礙物位置。然而，當這種技術被應用于軌道運輸場景時，由于深度學習方法嚴重依賴于大量且高質量的數(shù)據(jù)集來提高識別精度，因此在軌道運輸這一特定場景下，多模態(tài)數(shù)據(jù)集的缺乏成為一個顯著的問題。這種數(shù)據(jù)的稀缺性可能導致模型在識別障礙物時出現(xiàn)誤報或漏報，進而對自動駕駛的安全性構成威脅。

2、此外，為了彌補單目相機在尺度不確定性方面的不足，相關技術中結合激光雷達數(shù)據(jù)或使用雙目相機，然而在惡劣環(huán)境下，激光雷達可能會受到噪聲的干擾，導致相機的識別結果出現(xiàn)較大的誤差。在軌道運輸場景下，由于機車常常需要連掛重物，因此制動距離相對較遠。這使得雙目相機在檢測距離上受到了很大的限制，難以滿足無人機車在制動距離方面的要求。

技術實現(xiàn)思路

1、鑒于以上所述相關技術的缺點，本申請?zhí)峁┮环N機車危險區(qū)域障礙物檢測方法、裝置、電子設備及存儲介質，以解決相關技術中無人機車障礙物檢測不準確的技術問題。

2、本申請?zhí)峁┝艘环N機車危險區(qū)域障礙物檢測方法，所述機車危險區(qū)域障礙物檢測方法包括：獲取機車的待檢測圖像和機車路徑信息；基于所述機車路徑信息從所述待檢測圖像中劃分出鐵軌行駛區(qū)域，根據(jù)預設鋼軌間距從所述待檢測圖像中劃分出潛在危險區(qū)域；基于預先訓練的障礙物檢測模型對所述待檢測圖像進行障礙物檢測，根據(jù)障礙物檢測結果得到障礙物在所述待檢測圖像中的所處區(qū)域，并根據(jù)所述所處區(qū)域進行障礙物預警。

3、于本申請的一實施例中，在所述待檢測圖像中建立坐標系，并提取所述鐵軌行駛區(qū)域中的多個軌道坐標點；對所述待檢測圖像進行橫向分段，基于所述軌道坐標點擬合出第一軌道和第二軌道在各個橫向分段的軌道斜率，所述待檢測圖像中包括所述第一軌道和所述第二軌道；若一個橫向分段內所述第一軌道與所述第二軌道之間的軌道斜率差值小于預設差值閾值，則獲取所述一個橫向分段內所述第一軌道和所述第二軌道之間的圖像像素間隔；根據(jù)所述預設鋼軌間距和所述第一軌道和所述第二軌道之間的圖像像素間隔得到所述一個橫向分段的尺度信息；基于所述各個橫向分段的尺度信息和所述機車的尺寸信息在所述待檢測圖像中劃分出潛在危險區(qū)域。

4、于本申請的一實施例中，根據(jù)所述所處區(qū)域進行障礙物預警包括：若所述所處區(qū)域為所述潛在危險區(qū)域或所述鐵軌行駛區(qū)域，則所述機車進行障礙物預警，并執(zhí)行緊急避險策略。

5、于本申請的一實施例中，根據(jù)障礙物檢測結果得到障礙物在所述待檢測圖像中的所處區(qū)域包括：根據(jù)所述障礙物檢測結果得到所述障礙物在所述待檢測圖像中的像素位置和所述像素位置對應的橫向分段；基于所述像素位置對應的橫向分段的尺度信息和所述障礙物的像素位置得到所述障礙物相對于機車的現(xiàn)實位置。根據(jù)所述障礙物相對于機車的現(xiàn)實位置為所述緊急避險策略提供輔助駕駛參數(shù)。

6、于本申請的一實施例中，基于所述機車路徑信息從所述待檢測圖像中劃分出鐵軌行駛區(qū)域包括：將所述待檢測圖像輸入預先訓練好的語義分割模型中進行語義分割以提取出所述待檢測圖像中的鐵軌特征；將所述鐵軌特征與所述機車路徑信息進行匹配，若匹配成功則基于所述鐵軌特征從所述待檢測圖像中劃分出鐵軌行駛區(qū)域。

7、于本申請的一實施例中，基于預先訓練的障礙物檢測模型對所述待檢測圖像進行障礙物檢測之前，還包括：獲取歷史機車行駛圖像；對所述歷史機車行駛圖像中的障礙物基于障礙物標簽進行標注，得到障礙物訓練集，所述障礙物標簽至少包括行人標簽、大型障礙物標簽和小型障礙物標簽；將所述障礙物訓練集輸入預設目標檢測進行訓練，得到障礙物檢測模型。

8、于本申請的一實施例中，基于預設目標檢測模型對所述待檢測圖像進行障礙物檢測之后，還包括：根據(jù)所述障礙物檢測結果得到所述障礙物的障礙物類型和所述障礙物在所述待檢測圖像中的所處區(qū)域；若所述障礙物的所述所處區(qū)域為所述鐵軌行駛區(qū)，進行一級嚴重報警；若所述障礙物的所述障礙物類型為行人，且所述障礙物的所述所處區(qū)域為所述潛在危險區(qū)域，進行一級嚴重報警；若所述障礙物的所述障礙物類型不為行人，且所述障礙物的所述所處區(qū)域為所述潛在危險區(qū)域，進行二級中度報警。

9、本申請的實施例還提供一種機車危險區(qū)域障礙物檢測裝置，所述機車危險區(qū)域障礙物檢測裝置包括：信息輸入模塊，用于獲取機車的待檢測圖像和機車路徑信息；區(qū)域劃分模塊，用于基于所述機車路徑信息從所述待檢測圖像中劃分出鐵軌行駛區(qū)域，根據(jù)預設鋼軌間距從所述待檢測圖像中劃分出潛在危險區(qū)域；檢測預警模塊，用于基于預先訓練的障礙物檢測模型對所述待檢測圖像進行障礙物檢測，根據(jù)障礙物檢測結果得到障礙物在所述待檢測圖像中的所處區(qū)域，并根據(jù)所述所處區(qū)域進行障礙物預警。

10、本申請的實施例還提供一種電子設備，所述電子設備包括：一個或多個處理器；存儲裝置，用于存儲一個或多個程序，當所述一個或多個程序被所述一個或多個處理器執(zhí)行時，使得所述電子設備實現(xiàn)如上述各實施例中任一所述的機車危險區(qū)域障礙物檢測方法。

11、本申請的實施例還提供一種計算機可讀存儲介質，其上存儲有計算機程序，當所述計算機程序被計算機的處理器執(zhí)行時，使計算機執(zhí)行如上述各實施例中任一所述的機車危險區(qū)域障礙物檢測方法。

12、本申請的有益效果：本申請的實施例提供一種機車危險區(qū)域障礙物檢測方法、裝置、電子設備及存儲介質，該方法包括獲取機車的待檢測圖像和機車路徑信息，基于機車路徑信息從待檢測圖像中劃分出鐵軌行駛區(qū)域，根據(jù)預設鋼軌間距從待檢測圖像中劃分出潛在危險區(qū)域，基于預先訓練的障礙物檢測模型對待檢測圖像進行障礙物檢測，根據(jù)障礙物檢測結果得到障礙物在待檢測圖像中的所處區(qū)域，并根據(jù)所處區(qū)域進行障礙物預警，該方法通過鋼軌的平行特性估計障礙物的所處區(qū)域，根據(jù)鋼軌間距劃分潛在危險區(qū)域，從而可以起到對障礙物的精準分級預警，提高了機車的行車安全。

13、應當理解的是，以上的一般描述和后文的細節(jié)描述僅是示例性和解釋性的，并不能限制本申請。

技術特征：

1.一種機車危險區(qū)域障礙物檢測方法，其特征在于，所述機車危險區(qū)域障礙物檢測方法包括：

2.根據(jù)權利要求1所述的機車危險區(qū)域障礙物檢測方法，其特征在于，根據(jù)預設鋼軌尺度從所述待檢測圖像中劃分出潛在危險區(qū)域包括：

3.根據(jù)權利要求1所述的機車危險區(qū)域障礙物檢測方法，其特征在于，根據(jù)所述所處區(qū)域進行障礙物預警包括：

4.根據(jù)權利要求3所述的機車危險區(qū)域障礙物檢測方法，其特征在于，根據(jù)障礙物檢測結果得到障礙物在所述待檢測圖像中的所處區(qū)域包括：

5.根據(jù)權利要求1所述的機車危險區(qū)域障礙物檢測方法，其特征在于，基于所述機車路徑信息從所述待檢測圖像中劃分出鐵軌行駛區(qū)域包括：

6.根據(jù)權利要求1所述的機車危險區(qū)域障礙物檢測方法，其特征在于，基于預先訓練的障礙物檢測模型對所述待檢測圖像進行障礙物檢測之前，還包括：

7.根據(jù)權利要求1所述的機車危險區(qū)域障礙物檢測方法，其特征在于，基于預設目標檢測模型對所述待檢測圖像進行障礙物檢測之后，還包括：

8.一種機車危險區(qū)域障礙物檢測裝置，其特征在于，所述機車危險區(qū)域障礙物檢測裝置包括：

9.一種電子設備，其特征在于，所述電子設備包括：

10.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，當所述計算機程序被計算機的處理器執(zhí)行時，使計算機執(zhí)行如權利要求1-7中任一項所述的機車危險區(qū)域障礙物檢測方法。

技術總結
本申請?zhí)峁┮环N機車危險區(qū)域障礙物檢測方法、裝置、電子設備及存儲介質，該方法包括獲取機車的待檢測圖像和機車路徑信息，基于機車路徑信息從待檢測圖像中劃分出鐵軌行駛區(qū)域，根據(jù)預設鋼軌間距從待檢測圖像中劃分出潛在危險區(qū)域，基于預先訓練的障礙物檢測模型對待檢測圖像進行障礙物檢測，根據(jù)障礙物檢測結果得到障礙物在待檢測圖像中的所處區(qū)域，并根據(jù)所處區(qū)域進行障礙物預警，通過該方法解決相關技術中無人機車障礙物檢測不準確的技術問題。

技術研發(fā)人員：張志勇,安禎陽,張四平,張成杰
受保護的技術使用者：重慶賽迪奇智人工智能科技有限公司
技術研發(fā)日：
技術公布日：2025/5/15