(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202210293162.3 (22)申请日 2022.03.23 (65)同一申请的已公布的文献号 申请公布号 CN 114677577 A (43)申请公布日 2022.06.28 (73)专利权人 北京拙河科技有限公司 地址 100000 北京市海淀区四道口北街3 6 号4号楼6层0 6 (72)发明人 袁潮　其他发明人请求 不公开姓名　 (74)专利代理 机构 北京君莫知识产权代理事务 所(普通合伙) 11715 专利代理师 王凝 (51)Int.Cl. G06V 20/00(2022.01) G06V 10/762(2022.01) G06V 10/82(2022.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (56)对比文件 CN 114037892 A,2022.02.11 CN 110349132 A,2019.10.18 CN 111967288 A,2020.1 1.20 CN 105931190 A,2016.09.07 US 2015339824 A1,2015.1 1.26 李伟等.基 于卷积神经网络的深度图像超分 辨率重建方法. 《电子测量与仪 器学报》 .2017, (第12期),正文第1-2节. Jianqiao L i,Minlong Lu.Co ntinuous Depth Map Reco nstructi on From L ight Fields. 《IE EE Transacti ons on Image Processing》 .2015, 审查员 宋泽宇 (54)发明名称 一种光场相机的机动车检测方法及系统 (57)摘要 本申请提供的一种光场相机的机动车检测 方法及系统， 该方法包括： 通过光场相机采集机 动车同一时刻的多视角图像； 提取所述多视角图 像中的任意两张图像， 计算所述机动车上像素点 与拍摄平 面的深度值； 对所述深度值进行聚类处 理， 确定所述机动车对应的深度图； 将所述深度 图输入车辆感知模型， 获得所述机动车的目标图 像； 将所述目标图像作为所述机动车的检测结 果。 通过该方法提高机动车检测的效率和准确 性。 权利要求书2页 说明书8页 附图3页 CN 114677577 B 2022.11.29 CN 114677577 B 1.一种光场相机的机动车检测方法， 其特 征在于， 包括： 通过光场相机采集机动车同一时刻的多视角图像； 提取所述多视角图像中的任意两张图像， 计算所述机动车上像素点与拍摄平面的深度 值； 所述计算所述机动车 上像素点与拍摄平面的深度值， 包括： 在同一深度层提取 所述任意两张图像中的原 始像素点； 对于拍摄平面上的全部空间点Xw插入一条法向量p， 得到平面方程； 公式为： pTXw+d＝0； 其中， d是配置参数； 根据所述平面方程， 构建直角坐标系； 所述原始像素点在所述 直角坐标系中对应一个原 始像素坐标； 对所述原 始像素点进行偏移， 直至 视点对齐为止； 当所述视点对齐时， 确定所述 直角坐标系中偏移后的像素坐标； 根据所述原 始像素坐标和所述偏移后的像素坐标， 确定偏移量以及偏移后的像素点； 根据所述原始像素点、 所述偏移量以及所述偏移后的像素点， 计算所述机动车上像素 点与拍摄平面的局部深度值； 重复上述过程， 遍历所述任意两张图像的全部像素点， 计算所述机动车上像素点与拍 摄平面的深度值； 对所述深度值进行聚类处 理， 确定所述机动车对应的深度图； 将所述深度图输入车辆感知模型， 获得 所述机动车的目标图像； 所述将所述深度图输入车辆感知模型， 获得 所述机动车的目标图像， 包括： 将所述深度图输入卷积神经网络模型， 提取图像特 征； 将所述图像特征输入深度残差卷积神经网络和自适应损失网络， 进行自适应分辨率重 建， 获得所述机动车的目标图像； 其中， 所述深度残差卷积神经网络包括4个残差块， 使用批归一化层和非线性激活函数 组成卷积的残差块； 所述自适应损失网络是VG G网络； 将所述目标图像作为所述机动车的检测结果。 2.根据权利要求1所述的方法， 其特征在于， 所述提取所述多视角图像中的任意两张图 像， 包括： 构建一个多维光场； 基于所述多维光场， 提取所述多视角图像中的任意两张图像； 其中， 所述任意两张图像 不相交。 3.根据权利要求1所述的方法， 其特征在于， 所述根据所述原始像素点、 所述偏移量以 及所述偏移后的像素点， 计算所述机动车 上像素点与拍摄平面的局部深度值， 包括： 根据所述原 始像素点、 所述偏移量以及所述偏移后的像素点， 确定线性关系； 将所述线性关系的斜 率， 作为所述机动车 上像素点与拍摄平面的局部深度值。 4.根据权利要求1所述的方法， 其特 征在于， 所述聚类处 理具体为： k ‑means聚类算法。 5.根据权利要求1所述的方法， 其特征在于， 所述图像特征包括： 所述机动车的场景信 息、 边缘信息、 纹 理信息以及部件信息 。 6.一种光场相机的机动车检测系统， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 114677577 B 2图像采集模块， 用于通过光场相机采集机动车同一时刻的多视角图像； 深度值计算模块， 用于提取所述多视角图像中的任意两张图像， 计算所述机动车上像 素点与拍摄平面的深度值； 所述计算所述机动车 上像素点与拍摄平面的深度值， 包括： 在同一深度层提取 所述任意两张图像中的原 始像素点； 对于拍摄平面上的全部空间点Xw插入一条法向量p， 得到平面方程； 公式为： pTXw+d＝0； 其中， d是配置参数； 根据所述平面方程， 构建直角坐标系； 所述原始像素点在所述 直角坐标系中对应一个原 始像素坐标； 对所述原 始像素点进行偏移， 直至 视点对齐为止； 当所述视点对齐时， 确定所述 直角坐标系中偏移后的像素坐标； 根据所述原 始像素坐标和所述偏移后的像素坐标， 确定偏移量以及偏移后的像素点； 根据所述原始像素点、 所述偏移量以及所述偏移后的像素点， 计算所述机动车上像素 点与拍摄平面的局部深度值； 重复上述过程， 遍历所述任意两张图像的全部像素点， 计算所述机动车上像素点与拍 摄平面的深度值； 深度图确定模块， 用于对所述深度值进行聚类处 理， 确定所述机动车对应的深度图； 目标图像获取模块， 用于将所述深度图输入车辆感知模型， 获得所述机动车的目标图 像； 所述目标图像获取模块具体用于： 将所述深度图输入卷积神经网络模型， 提取图像特 征； 将所述图像特征输入深度残差卷积神经网络和自适应损失网络， 进行自适应分辨率重 建， 获得所述机动车的目标图像； 其中， 所述深度残差卷积神经网络包括4个残差块， 使用批归一化层和非线性激活函数 组成卷积的残差块； 所述自适应损失网络是VG G网络； 检测结果确定模块， 用于将所述目标图像作为所述机动车的检测结果。权　利　要　求　书 2/2 页 3 CN 114677577 B 3