对象检测方法、相关设备及计算机存储介质技术

本发明专利技术实施例公开了对象检测方法，包括：计算设备从双目图像的对象区域中获取m个像素点对的二维坐标，双目图像包括利用双目摄像头采集的第一图像和第二图像，每个像素点对的一个像素点来自第一图像，另一个来自第二图像，每个像素点对的像素点分别对应第一图像和第二图像中的对象区域的相同特征；根据m个像素点对的二维坐标，确定待检测对象在摄像坐标系下的三维坐标，并转换为待检测对象的激光点云数据所在坐标系下的数据，以和激光点云数据合并为合并点云数据，进而通过合并点云数据确定所述检测对象。通过实施本发明专利技术实施例，能够解决现有技术中存在的对象检测的准确度不高、或者对象检测难以实现等问题。

【技术实现步骤摘要】
对象检测方法、相关设备及计算机存储介质
本专利技术涉及计算机
，尤其涉及对象检测方法、相关设备及计算机存储介质。
技术介绍
在无人驾驶领域，车辆的安全行驶主要依赖于对行车周围环境的感知和检测。目前，由于激光雷达具有较高地分辨率，能够较为准确地还原并构建场景的三维点云图，进而实现场景中的对象检测和识别。然而在实践中发现，激光雷达很容易受天气状况的影响，且探测距离有限。这将降低对象检测的准确度。例如，在雾天、雨天等状况不佳的天气环境下，激光雷达的探测距离急剧减小，影响对象检测的准确度。同时，利用激光雷达进行对象检测时获得的点云数据很稀疏，很难依据稀疏的点云数据实现对象检测。
技术实现思路
本专利技术实施例公开了对象检测方法、相关设备及计算机存储介质，能够解决现有技术中存在的对象检测的精确度不高以及难以实现对象检测等问题。第一方面，本专利技术实施例公开提供了一种对象检测方法，所述方法包括：计算设备确定双目图像的对象区域，从该双目图像的对象区域中获取m个像素点对的二维坐标，进而根据该m个像素点对的二维坐标确定待检测对象在摄像坐标系下的三维坐标。该摄像坐标系指的是以双目摄像头中的任一摄像头为原点形成的坐标系。进一步地，计算设备将待检测对象在摄像坐标系下的三维坐标转换为待检测对象的激光点云数据所在坐标系下的数据，并和激光点云数据合并为合并点云数据，其中，该激光点云数据为利用激光雷达扫描待检测对象获得的数据。最后，计算设备根据该合并点云数据确定出检测对象。可选地，本专利技术中的双目图像包括利用双目摄像头采集的第一图像和第二图像，m个像素点对中每个像素点对包括两个像素点，一个像素点来自第一图像，另一个像素点来自第二图像，且每个像素点对的像素点分别对应第一图像和第二图像中的对象区域的相同特征。换句话说，这两个像素点为双目图像的对象区域的映射像素点对，任一个像素点为另一个的映射像素点。通过实施本专利技术实施例，能够解决现有技术中存在的对象检测的精确度不高、或者难以实现对象检测等问题。结合第一方面，在第一方面的第一种可能的实施方式中，计算设备可根据m个像素点对的二维坐标，确定待检测对象在图像坐标系下的三维坐标，其中，待检测对象在图像坐标系下的三维坐标包括待检测对象在根据第一图像建立的坐标系的二维坐标和深度值。进一步地，计算设备根据双目摄像头的焦距和图像坐标系下原点相对于摄像坐标系的原点的偏移量，将待检测对象在图像坐标系下的三维坐标转换为待检测对象在摄像坐标系下的三维坐标。结合第一方面的第一种可能的实施方式，在第一方面的第二种可能的实施方式中，计算设备根据m个像素点对的二维坐标、双目摄像头的基线和焦距，计算m个像素点对中每个像素点对的深度值，该像素点对的二维坐标包括像素点对位于第一图像中的一个像素点的二维坐标和像素点对位于第二图像中的另一个像素点的二维坐标。计算设备根据m个像素点对中每个像素点对的深度值，确定第一像素点，其中，第一像素点的深度值不超过第一预设值，该第一预设值具体可为系统自定义设置的，例如用户设置的经验值，或者根据一些列统计数据统计获得的数值等。其中，该待检测对象在图像坐标系下的三维坐标包括该第一像素点在图像坐标系下的三维坐标。结合第一方面的第一种或第二种可能的实施方式，在第一方面的第三种可能的实施方式中，第一像素点的深度值具体不超过平均深度值与第二预设值之和，该平均深度值为对m个像素点对中每个像素点对的深度值求取的平均值。该第二预设值具体可为系统自定义设置的数值，可选地，该第二预设值可为深度标准差，该深度标准差具体为对m个像素点对中每个像素点对的深度值求取的标准差。结合第一方面的第二种或第三种可能的实施方式，在第一方面的第四种可能的实施方式中，计算设备根据预设插值算法对第一像素点插值，获得第一插值像素点，该第一插值像素点在图像坐标系下的三维坐标包括在待检测对象在图像坐标系下的三维坐标之内，即是待检测对象在图像坐标系下的三维坐标包括第一插值像素点在图像坐标下的三维坐标。结合第一方面，或第一方面的第一种至第四种中任一种可能的实施方式，在第一方面的第五种可能的实施方式中，该合并点云数据还包括第二插值像素点在激光点云数据所在坐标系下的三维坐标，其中，该第二插值像素点具体为计算设备采用预设插值算法对激光点云数据以及转换的待检测对象的激光点云数据所在坐标系下的数据插值，获得的像素点。结合第一方面，或第一方面的第一种至第五种中的任一种可能的实施方式中，双目图像为利用双目图像的畸变参数和外参矩阵对双目摄像头采集的图像进行处理后获得的图像。第二方面，本专利技术实施例提供了一种计算设备，所述装置包括用于执行如上第一方面或第一方面的任意可能的实施方式中所描述的方法的功能模块或单元。第三方面，本专利技术实施例提供了一种计算设备，包括：处理器，存储器，通信接口和总线；处理器、通信接口、存储器通过总线相互通信；通信接口，用于接收和发送数据；存储器，用于存储指令；处理器，用于调用存储器中的指令，执行上述第一方面或第一方面的任意可能的实施方式中所描述的方法。第四方面，提供了一种计算机非瞬态(non-transitory)存储介质，所述计算机非瞬态存储介质存储了用于对象检测的程序代码。所述程序代码包括用于执行上述第一方面或第一方面的任意可能的实施方式中所描述的方法的指令。第五方面，提供了一种芯片产品，以执行上述第一方面或第一方面的任意可能的实施方式中的方法。本专利技术在上述各方面提供的实现方式的基础上，还可以进行进一步组合以提供更多实现方式。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍。图1A-图1B是本专利技术实施例提供的两种可能的网络框架示意图。图2是本专利技术实施例提供的一种对象检测方法的流程示意图。图3是本专利技术实施例提供的一种双目摄像头拍摄的场景示意图。图4是本专利技术实施例提供的一种矫正后的双目图像的示意图。图5是本专利技术实施例提供的一种双目图像中待检测对象的对象区域的示意图。图6是本专利技术实施例提供的一种双目图像的对象区域中像素点对的示意图。图7A是本专利技术实施例提供的一种深度值计算的示意图。图7B是本专利技术实施例提供的一种不同坐标系下的特征像素点的示意图。图8是本专利技术实施例提供的一种关于摄像坐标系和激光雷达坐标系的场景示意图。图9是本专利技术实施例提供的一种合并点云数据的示意图。图10是本专利技术实施例提供的一种合并点云数据聚类的示意图。图11是本专利技术实施例提供的一种对象检测装置的结构示意图。图12是本专利技术实施例提供的一种计算设备的结构示意图。具体实施方式下面结合附图，对本专利技术的实施例进行描述。为解决现有技术中存在的对象检测的准确度不高、或者对象检测难以实现等问题，本专利技术提出一种对象检测方法、所述方法适用的网络框架以及相关设备。首先，参见图1A是本专利技术实施例提供的一种可能的网络框架示意图。如图1A，该网络框架中包括车辆100、双目摄像单元102、激光雷达103以及计算设备104。其中，双目摄像单元102用于采集双目图像，该双目摄像单元可包括两个摄像单元，例如左目摄像单元和右目摄像单元。其中，左目摄像单元采集的图像可称为左目图像，右目摄像单元采集的图像可称为右目图像。在实际应用中，双目摄像单元中包括的本文档来自技高网...

【技术保护点】
1.一种对象检测方法，其特征在于，所述方法包括：计算设备从双目图像的对象区域中获取m个像素点对的二维坐标，所述双目图像的对象区域为待检测对象在所述双目图像中所占的图像区域，所述双目图像包括利用双目摄像头采集的第一图像和第二图像，每个像素点对的一个像素点来自所述第一图像，另一个来自所述第二图像，且所述每个像素点对的像素点分别对应所述第一图像和第二图像中的所述对象区域的相同特征；根据m个像素点对的二维坐标，确定所述待检测对象在摄像坐标系下的三维坐标，其中，所述摄像坐标系指的是以所述双目摄像头中的任一摄像头为原点形成的坐标系；将所述待检测对象在摄像坐标系下的三维坐标转换为所述待检测对象的激光点云数据所在坐标系下的数据，并与所述激光点云数据合并为合并点云数据，所述激光点云数据为利用激光雷达扫描所述待检测对象获得的数据；通过所述合并点云数据确定所述检测对象。

【技术特征摘要】
1.一种对象检测方法，其特征在于，所述方法包括：计算设备从双目图像的对象区域中获取m个像素点对的二维坐标，所述双目图像的对象区域为待检测对象在所述双目图像中所占的图像区域，所述双目图像包括利用双目摄像头采集的第一图像和第二图像，每个像素点对的一个像素点来自所述第一图像，另一个来自所述第二图像，且所述每个像素点对的像素点分别对应所述第一图像和第二图像中的所述对象区域的相同特征；根据m个像素点对的二维坐标，确定所述待检测对象在摄像坐标系下的三维坐标，其中，所述摄像坐标系指的是以所述双目摄像头中的任一摄像头为原点形成的坐标系；将所述待检测对象在摄像坐标系下的三维坐标转换为所述待检测对象的激光点云数据所在坐标系下的数据，并与所述激光点云数据合并为合并点云数据，所述激光点云数据为利用激光雷达扫描所述待检测对象获得的数据；通过所述合并点云数据确定所述检测对象。2.根据权利要求1所述的方法，其特征在于，所述根据m个像素点对的二维坐标，确定所述待检测对象在摄像坐标系下的三维坐标包括：根据所述m个像素点对的二维坐标，确定所述待检测对象在图像坐标系下的三维坐标，其中，所述待检测对象在图像坐标系下的三维坐标包括待检测对象在根据所述第一图像建立的坐标系的二维坐标以及深度值；根据所述双目摄像头的焦距以及所述图像坐标系的原点相对于摄像坐标系的原点的偏移量，将所述待检测对象在所述图像坐标系下的三维坐标转换为所述待检测对象在所述摄像坐标系下的三维坐标。3.根据权利要求2所述的方法，其特征在于，所述根据所述m个像素点对的二维坐标，确定所述待检测对象在图像坐标系下的三维坐标，包括：根据所述m个像素点对的二维坐标、所述双目摄像头的基线以及焦距，计算所述m个像素点对中的每个像素点对的深度值，所述像素点对的二维坐标包括所述像素点对位于所述第一图像中的一个像素点的二维坐标和所述像素点对位于所述第二图像中的另一个像素点的二维坐标；根据所述m个像素点对中的每个像素点对的深度值，确定第一像素点，其中，所述第一像素点的深度值不超过第一预设值，所述待检测对象在图像坐标系下的三维坐标包括所述第一像素点在图像坐标系下的三维坐标。4.根据权利要求2或3所述的方法，其特征在于，所述第一像素点的深度值不超过第一预设值，包括：所述第一像素点的深度值不超过平均深度值与第二预设值之和，其中，所述平均深度值是对所述m个像素点对中每个像素点对的深度值求取的平均值。5.根据权利要求3或4所述的方法，其特征在于，所述方法还包括：根据预设插值算法对所述第一像素点插值，获得插值像素点；其中，所述待检测对象在图像坐标系下的三维坐标包括所述插值像素点在图像坐标系下的三维坐标。6.根据权利要求1-5中任一项所述的方法，其特征在于，所述双目图像为利用所述双目图像的畸变参数和外参矩阵对所述双目摄像头采集的图像进行处理后获得的图像。7.一种计算设备，其特征在于，所述计算设备包括通信模块和处理模块，其中，所述通信模块，用于从双目图像的对象区域中获取m个像素点对的二维坐标，所述双目图像...

【专利技术属性】
技术研发人员：方民权，李跃亮，李怀洲，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44