申请/专利权人：上海汽车集团股份有限公司;上海汽车工业(集团)总公司

申请日：2021-06-30

公开（公告）日：2024-03-22

公开（公告）号：CN113409194B

主分类号：G06T3/4038

分类号：G06T3/4038;G06T3/4046;G06T5/80;G06T5/60;G06T7/20;G06T7/70;G06N3/045

优先权：

专利状态码：有效-授权

法律状态：2024.03.22#授权;2021.10.08#实质审查的生效;2021.09.17#公开

摘要：本申请提供了一种泊车信息获取方法及装置、泊车方法及装置，该泊车信息获取方法包括：获取待泊车车辆所处位置的鸟瞰图；将鸟瞰图输入至预先构建的信息获取模型中，得到泊车信息；其中，信息获取模型基于多任务神经网络预先建立得到，多任务神经网络包括共享编码层和多个任务神经网络，多个任务神经网络共享该共享编码层。可见，本申请方案中，预先基于多任务神经网络构建信息获取模型，将鸟瞰图输入至信息获取模型，可以直接得到泊车信息，由于只需运行信息获取模型，占用的计算资源较少，因此无需对信息获取模型进行大量裁剪，从而提高了泊车信息的准确度，以及泊车信息的获取效率。

主权项：1.一种泊车信息获取方法，其特征在于，包括：获取待泊车车辆所处位置的鸟瞰图；将所述鸟瞰图输入至预先构建的信息获取模型中，得到泊车信息；其中，所述信息获取模型基于多任务神经网络预先建立得到，所述多任务神经网络包括共享编码层和多个任务神经网络，所述多个任务神经网络共享所述共享编码层；所述信息获取模型的构建过程，包括：获取训练图像集；所述训练图像集中包括多张训练图像，每张训练图像为携带标注信息的鸟瞰图，所述标注信息包括：鸟瞰图中每个像素点对应的道路元素类别，每个库位的库角点标注信息，以及，每个库位的库位属性；对所述训练图像集中的每张训练图像进行数据增强处理，得到每张训练图像的第一训练图像；将各张训练图像和各张第一训练图像组成目标图像集；依据所述目标图像集中的各张图像，确定多个训练集；其中，每个训练集中包括所述目标图像集中至少一张图像；从多个训练集中选取一个训练集作为目标训练集；将所述目标训练集中的各张图像输入至多任务神经网络的共享编码层，得到所述目标训练集的第一结果数据；将所述第一结果数据分别输入至每个任务神经网络的解码层，经每个任务神经网络的解码层中的每个网络层进行处理，得到每个任务神经网络的解码层输出的所述目标训练集的第二结果数据；其中，针对每个任务神经网络的解码层，所述解码层的第N个网络层的输入数据为，对所述解码层的第N-1个网络层的输出结果、和每个其他任务神经网络的解码层中的第N-1个网络层的计算结果进行融合处理后的结果；每个其他任务神经网络模型的解码层中的第N-1个网络层的计算结果为，对其他任务神经网络的解码层中的第N-1个网络层的输出结果进行第一计算的结果；N为大于1的正整数；依据各个第二结果数据以及所述目标训练集中的各张图像的标注信息，计算所述多任务神经网络在当前迭代的损失函数值；依据所述多任务神经网络在当前迭代的损失函数值，更新所述多任务神经网络的网络参数，得到新的多任务神经网络，并在未满足预设的迭代条件时，返回执行所述从多个训练集中选取一个训练集作为目标训练集的步骤，直至满足所述迭代条件，将当前的多任务神经网络作为信息获取模型。

全文数据：

权利要求：

百度查询： 上海汽车集团股份有限公司;上海汽车工业(集团)总公司 泊车信息获取方法及装置、泊车方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD