【技術(shù)實現(xiàn)步驟摘要】
本申請涉及圖像處理，特別是涉及一種基于圖像多任務(wù)的機場平臺車識別方法和系統(tǒng)。
技術(shù)介紹
1、當前，機場平臺車在行李轉(zhuǎn)運中起著不可或缺的作用，它主要負責將乘客的行李送上飛機。傳統(tǒng)的行李轉(zhuǎn)運方式需要耗費大量人力和時間駕駛轉(zhuǎn)運車輛，容易出現(xiàn)錯誤和延誤。隨著相機傳感和計算技術(shù)的進步，利用單目視覺、立體視覺以及基于視覺的多傳感器融合，已經(jīng)成為智能駕駛領(lǐng)域中一個非常活躍的研究方向，一些機器人或自動化裝置也被用于行李轉(zhuǎn)運，實現(xiàn)自動化轉(zhuǎn)運的第一步是對機場平臺車進行檢測定位和精細分割，以便無人駕駛轉(zhuǎn)運車能夠識別、跟蹤和接駁機場平臺車。然而，傳統(tǒng)的機場平臺車檢測和分割方法通常分別使用獨立的算法進行處理，這些自動化裝置的檢測和分割技術(shù)仍存在一些問題，例如機場車的定位精度低、機場車分割效果差、算法的復雜度高，魯棒性差，推理速度慢等。此外，這些方法也無法在2d矩形框中識別機場車的正面、側(cè)面、尾面以及朝向信息，也無法識別對接區(qū)域信息。同時，多個模型之間缺乏聯(lián)系，無法相互促進，且會導致硬件資源消耗增加。目前的多任務(wù)學習方法檢測分支通常采用anchor-base的方案，這會增加檢測頭的復雜度以及生成結(jié)果的數(shù)量，從而降低模型的推理速度。傳統(tǒng)的圖像處理方法只能完成單一任務(wù)，難以同時處理遠距離粗略定位和近距離對接面精細分割兩個任務(wù)，導致機場平臺車檢測分割的準確率和效率較低。
技術(shù)實現(xiàn)思路
1、基于此，有必要針對上述技術(shù)問題，提供一種基于圖像多任務(wù)的機場平臺車識別方法和系統(tǒng)。
2、一種基于圖像多任務(wù)的機場平臺
3、獲取待測圖像并對所述待測圖像進行預處理。
4、將預處理后的待測圖像輸入到訓練好的目標檢測分割網(wǎng)絡(luò)中，得到機場平臺車2d框、四個角點和三個平面的預測結(jié)果；所述目標檢測分割網(wǎng)絡(luò)包括：骨干網(wǎng)絡(luò)、neck特征融合網(wǎng)絡(luò)、檢測頭和分割頭；所述骨干網(wǎng)絡(luò)用于提取預處理后的圖像不同層次的特征；所述neck特征融合網(wǎng)絡(luò)用于對不同層次的特征進行融合，得到不同特征尺度的融合特征；所述檢測頭用于根據(jù)每個特征尺度的融合特征采用多個不同檢測層對機場平臺車2d框、四個角點以及三個平面進行預測；所述分割頭用于根據(jù)不同層次的特征和不同特征尺度的融合特征對機場平臺車進行分割。
5、根據(jù)所述預測結(jié)果，確定機場平臺車在所述待測圖像中的2d框、三個平面分割區(qū)域邊界坐標以及車體坐標系下位置與朝向。
6、一種基于圖像多任務(wù)的機場平臺車識別系統(tǒng)，該系統(tǒng)包括：無人駕駛轉(zhuǎn)運車、圖像獲取裝置、處理器、存儲器以及控制系統(tǒng)。
7、所述無人駕駛轉(zhuǎn)運車，用于牽引或接駁機場平臺車。
8、所述圖像獲取裝置，安裝在所述無人駕駛轉(zhuǎn)運車上，用于獲取圖像，并傳輸所述圖像至所述處理器。
9、所述處理器，用于執(zhí)行上述任一所述基于圖像多任務(wù)的機場平臺識別方法在所述圖像中進行目標檢測和分割，得到檢測和分割結(jié)果，并將所述檢測和分割結(jié)果傳輸至所述控制系統(tǒng)。
10、所述存儲器與處理器連接，用于存儲多任務(wù)模型及相關(guān)數(shù)據(jù)。
11、所述控制系統(tǒng)與所述無人駕駛轉(zhuǎn)運車連接，用于根據(jù)所述檢測和分割結(jié)果控制無人駕駛轉(zhuǎn)運車的行動。
12、上述基于圖像多任務(wù)的機場平臺車識別方法和系統(tǒng)，所述方法可以實現(xiàn)粗略定位和精細分割兩個任務(wù)的同時處理，能夠更準確地定位和分割機場平臺中機場平臺車相關(guān)區(qū)域，輸出機場車朝向信息以及機場平臺車的側(cè)面、對接面和頂面的信息，從而實現(xiàn)高效準確的機場平臺車檢測和分割，能夠有效地解決傳統(tǒng)方法存在的問題，提高檢測和分割的準確率，減少算法的復雜度，提高模型的泛化能力，實現(xiàn)高效準確的機場平臺車檢測和分割，實現(xiàn)單目圖像機場平臺車目標檢測、關(guān)鍵點檢測以及語義分割，預測時間可以滿足車端的實時要求。
本文檔來自技高網(wǎng)...【技術(shù)保護點】
1.一種基于圖像多任務(wù)的機場平臺車識別方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取待測圖像并對所述待測圖像進行預處理之前，還包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述骨干網(wǎng)絡(luò)為ResNeXt網(wǎng)絡(luò)；
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述Neck特征融合網(wǎng)絡(luò)為加權(quán)雙向特征金字塔網(wǎng)絡(luò)。
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述檢測頭包括目標檢測層、類別檢測層、目標框偏差檢測層、關(guān)鍵點可見性檢測層以及關(guān)鍵點偏差檢測層；
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述目標檢測層包括一個卷積層和一個激活層；所述類別檢測層包括卷積層和激活層。
7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述目標框偏差檢測層采用改進的Anchor-free算法，所述改進的Anchor-free算法采用熱力圖生成目標框，引入預測點的高斯分布區(qū)域計算真實預測值；
8.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述關(guān)鍵點可見性檢測層包括一個卷積層和多個深度可分離卷積層；
...【技術(shù)特征摘要】
1.一種基于圖像多任務(wù)的機場平臺車識別方法，其特征在于，所述方法包括：
2.根據(jù)權(quán)利要求1所述的方法，其特征在于，獲取待測圖像并對所述待測圖像進行預處理之前，還包括：
3.根據(jù)權(quán)利要求2所述的方法，其特征在于，所述骨干網(wǎng)絡(luò)為resnext網(wǎng)絡(luò)；
4.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述neck特征融合網(wǎng)絡(luò)為加權(quán)雙向特征金字塔網(wǎng)絡(luò)。
5.根據(jù)權(quán)利要求3所述的方法，其特征在于，所述檢測頭包括目標檢測層、類別檢測層、目標框偏差檢測層、關(guān)鍵點可見性檢測層以及關(guān)鍵點偏差檢測層；
6.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述目標檢測層包括一個卷積層和一個激活層；所述類別檢測層包括卷積層和激活層。
7.根據(jù)權(quán)利要求5所述的方法，其特征在于，所述目標框偏差檢測層采用改進的anchor-free算法，所述改進的anchor-free算法采用熱力圖生成目標框，引入預測點的高斯分布區(qū)域計算真實預測值；
8.根據(jù)權(quán)利要求...
【專利技術(shù)屬性】
技術(shù)研發(fā)人員：安向京，扶建方，孟德遠，胡庭波，
申請(專利權(quán))人：廣州行深智能科技有限公司，
類型：發(fā)明
國別省市：
還沒有人留言評論。發(fā)表了對其他瀏覽者有用的留言會獲得科技券。