一种物体识别方法、装置、设备及存储介质制造方法及图纸

本申请实施例提供了一种物体识别方法、装置、设备及存储介质。物体识别方法，包括：获取自动驾驶车辆的图像数据，所述图像数据由摄像装置采集；将所述图像数据转换为第一点云数据；将所述第一点云数据输入第一预设识别模型，得到第一物体识别信息；依据所述第一物体识别信息，确定所述自动驾驶车辆的物体识别结果。根据本申请实施例的物体识别方法，可以提高物体识别方法的准确性。

【技术实现步骤摘要】
一种物体识别方法、装置、设备及存储介质
本申请属于数据处理领域，尤其涉及一种物体识别方法、装置、设备及存储介质。
技术介绍
在自动驾驶技术中，为实现自动驾驶车辆的安全行驶，需要实现自动驾驶车辆周围的物体识别。为了得到自动驾驶车辆周围的物体识别结果，现阶段，如《第一本无人驾驶技术书_1.刘少山》中公开，通常会在自动驾驶车辆上安装摄像装置(如摄像头)，直接基于摄像装置采集的图像数据，得到自动驾驶车辆周围的物体识别结果，如物体识别结果可以是自动驾驶车辆前方50米有行人。但是，这种物体识别方法的准确率较低。
技术实现思路
本申请实施例提供一种物体识别方法、装置、设备及存储介质，能够提高物体识别方法的准确性。第一方面，本申请实施例提供一种物体识别方法，包括：获取自动驾驶车辆的图像数据，图像数据由摄像装置采集；将图像数据转换为第一点云数据；将第一点云数据输入第一预设识别模型，得到第一物体识别信息；依据第一物体识别信息，确定自动驾驶车辆的物体识别结果。在一些实施例中，方法还包括：获取自动驾驶车辆的第二点云数据，第二点云数据由激光雷达采集；将第二点云数据输入第二预设识别模型，得到第二物体识别信息；依据第一物体识别信息，确定自动驾驶车辆的物体识别结果，包括：基于第一物体识别信息和第二物体识别信息，融合得到自动驾驶车辆的物体识别结果。在一些实施例中，将图像数据转换为第一点云数据，包括：计算图像数据中每个像素的点云信息，点云信息包括深度信息、坐标信息和反射强度信息；基于每个像素的点云信息将图像数据转换为第一点云数据。在一些实施例中，将图像数据转换为第一点云数据之后，还包括：基于预设校正参数校正第一点云数据，得到校正后的第一点云数据；将第一点云数据输入第一预设识别模型，得到第一物体识别信息，包括：将校正后的第一点云数据输入第一预设识别模型，得到第一物体识别信息。在一些实施例中，预设校正参数包括缩放比例偏差、旋转变换偏差、中心偏移误差中的至少一个。在一些实施例中，获取自动驾驶车辆的第二点云数据之后，方法还包括：根据第一点云数据和第二点云数据，计算第一点云数据和第二点云数据的第一校正参数；将第一校正参数更新为预设校正参数。在一些实施例中，方法还包括：对摄像装置和激光雷达进行时间同步。在一些实施例中，方法还包括：获取自动驾驶车辆在预设历史时段内的历史图像数据，以及历史图像数据对应的历史物体识别结果；基于历史图像数据和历史物体识别结果训练第一预设模型，得到第一预设识别模型。第二方面，提供了一种物体识别装置，包括：数据获取模块，用于获取自动驾驶车辆的图像数据，图像数据由摄像装置采集；转换模块，用于将图像数据转换为第一点云数据；物体识别模块，用于将第一点云数据输入第一预设识别模型，得到第一物体识别信息；确定模块，用于依据第一物体识别信息，确定自动驾驶车辆的物体识别结果。第三方面，本专利技术实施例提供了一种物体识别设备，设备包括：处理器以及存储有计算机程序指令的存储器；处理器执行计算机程序指令时实现如第一方面的物体识别方法。第四方面，本专利技术实施例提供了一种计算机存储介质，计算机存储介质上存储有计算机程序指令，计算机程序指令被处理器执行时实现如第一方面的物体识别方法。本申请实施例的物体识别方法、装置、设备及存储介质，通过将获取到的摄像装置采集的自动驾驶车辆的图像数据转换为第一点云数据，输入第一预设识别模型，得到自动驾驶车辆的第一物体识别信息，再依据第一物体识别信息确定物体识别结果。这样，将图像数据转换为第一点云数据，可以根据图像数据得到自动驾驶车辆周围的物体的三维信息，如此，基于包含有自动驾驶车辆周围的物体的三维信息的第一点云数据，得到物体识别结果，可以有效提高物体识别结果的准确性。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对本申请实施例中所需要使用的附图作简单的介绍，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。图1是本申请实施例提供的一种物体识别方法的流程示意图；图2是本申请实施例提供的一种基于第二点云数据得到第二物体识别结果的流程示意图；图3是本申请实施例提供的一种物体识别方法的流程示意图；图4是本申请实施例提供的一种物体识别装置的结构示意图；图5是本申请实施例提供的一种物体识别设备的结构示意图。具体实施方式下面将详细描述本申请的各个方面的特征和示例性实施例，为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及具体实施例，对本申请进行进一步详细描述。应理解，此处所描述的具体实施例仅被配置为解释本申请，并不被配置为限定本申请。对于本领域技术人员来说，本申请可以在不需要这些具体细节中的一些细节的情况下实施。下面对实施例的描述仅仅是为了通过示出本申请的示例来提供对本申请更好的理解。需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。在现有技术中，由于摄像装置成本低廉，技术相对比较成熟，故而，通常会根据摄像装置(如摄像头)采集的图像数据，分析得到自动驾驶车辆周围的物体识别结果。具体的，可以通过深度学习基于摄像装置采集的图像数据，实现对自动驾驶车辆周围物体的识别。但是，图像数据中通常用数值表示物体对应的各个像素点的灰度值，没有物体的三维信息，直接基于图像数据中各个像素点的灰度值分析得到的物体识别结果相较于基于三维信息得到的物体识别结果而言，准确性较低。因此，为了解决现有技术存在的技术问题，本申请实施例提供了一种物体识别方法、装置、设备及存储介质，将获取到的摄像装置采集的自动驾驶车辆的图像数据转换为第一点云数据输入第一预设识别模型，得到自动驾驶车辆的物体识别结果。这样，将图像数据转换为第一点云数据，可以根据图像数据得到自动驾驶车辆周围的物体的三维信息，如此，基于第一点云数据得到物体识别结果，可以有效提高物体识别结果的准确性。下面结合图1对本申请实施例提供的物体识别方法进行介绍。图1示出了本申请实施例提供的一种物体识别方法的流程示意图，如图1所示，该方法可以包括以下步骤：S110，获取自动驾驶车辆的图像数据。...

【技术保护点】
1.一种物体识别方法，其特征在于，包括：/n获取自动驾驶车辆的图像数据，所述图像数据由摄像装置采集；/n将所述图像数据转换为第一点云数据；/n将所述第一点云数据输入第一预设识别模型，得到第一物体识别信息；/n依据所述第一物体识别信息，确定所述自动驾驶车辆的物体识别结果。/n

【技术特征摘要】
1.一种物体识别方法，其特征在于，包括：
获取自动驾驶车辆的图像数据，所述图像数据由摄像装置采集；
将所述图像数据转换为第一点云数据；
将所述第一点云数据输入第一预设识别模型，得到第一物体识别信息；
依据所述第一物体识别信息，确定所述自动驾驶车辆的物体识别结果。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取自动驾驶车辆的第二点云数据，所述第二点云数据由激光雷达采集；
将所述第二点云数据输入第二预设识别模型，得到第二物体识别信息；
所述依据所述第一物体识别信息，确定所述自动驾驶车辆的物体识别结果，包括：
基于所述第一物体识别信息和所述第二物体识别信息，融合得到所述自动驾驶车辆的物体识别结果。


3.根据权利要求1所述的方法，其特征在于，所述将所述图像数据转换为第一点云数据，包括：
计算所述图像数据中每个像素的点云信息，所述点云信息包括深度信息、坐标信息和反射强度信息；
基于所述每个像素的点云信息将所述图像数据转换为第一点云数据。


4.根据权利要求1所述的方法，其特征在于，所述将所述图像数据转换为第一点云数据之后，还包括：
基于预设校正参数校正所述第一点云数据，得到校正后的第一点云数据；
所述将所述第一点云数据输入第一预设识别模型，得到第一物体识别信息，包括：
将所述校正后的第一点云数据输入所述第一预设识别模型，得到所述第一物体识别信息。


5.根据权利要求4所述的方法，其特征在于，所述预设校正参数包括缩放比例偏差、旋转变换偏差、中心偏移误...

【专利技术属性】
技术研发人员：聂泳忠，赵春莲，
申请(专利权)人：西人马帝言北京科技有限公司，
类型：发明
国别省市：北京;11