一种基于深度信息估计的单目图像三维目标检测方法技术

本发明专利技术提供了一种基于深度信息估计的单目图像三维目标检测方法，该单目图像三维目标检测方法仅需输入单目图像，利用FasterR

【技术实现步骤摘要】
一种基于深度信息估计的单目图像三维目标检测方法


[0001]本专利技术涉及图像处理
，尤其涉及一种基于深度信息估计的单目图像三维目标检测方法。

技术介绍

[0002]目标检测的任务是识别出给定图像中所有感兴趣的目标，确定它们的类别和位置，其可以应用到各个场景。而通常所说的三维目标检测主要针对自动驾驶环境下以车辆为主要目标的检测任务，给出车辆目标等的三维检测结果，包括目标的类别、二维检测框、三维检测框等。自动驾驶车辆主动安全技术的研究重点之一是道路环境感知技术，而道路目标的准确检测则是道路环境感知技术的核心部分。因此，更好地完成道路目标检测任务才能保证车辆对道路环境感知的准确性和及时性，从而精确地指导智能车辆的决策控制，确保自动驾驶的安全性。
[0003]传统的目标检测方法，其存在的问题主要包括两个方面：一是基于滑动窗口的区域选择策略没有针对性，复杂度高，窗口冗余；二是手工设计的特征对于多样性的变化并没有很好的鲁棒性。因而随着人工神经网络和深度学习的发展，主流的目标检测方法已经选择使用基于深度学习卷积神经网络的方法来完成。
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度信息估计的单目图像三维目标检测方法，其特征在于：包括以下步骤：S1：输入获取的单目图像，利用Faster R
‑
CNN网络模型及其区域提议网络，得到目标的候选区域；S2：使用MonoDepth算法来构建深度信息估计分支网络，将上述单目图像输入至该深度信息估计分支网络，输出视差信息，继而得到深度信息，通过获取图像中各像素点的三维坐标信息构建点云，进而得到对应区域；S3：对步骤S1的候选区域和步骤S2的对应区域分别进行池化处理，然后对池化处理后得到的特征进行融合，利用卷积神经网络对融合后的特征进行目标的各个参数的估计预测，预测结束即完成了单目图像三维目标检测过程。2.如权利要求1所述的一种基于深度信息估计的单目图像三维目标检测方法，其特征在于：步骤S1中，得到目标的候选区域的过程为：区域提议网络通过卷积特征图和锚点机制生成一系列包含目标的提议区域，在每个矩形区域生成具有预先设定比例和纵横比的二维锚点，然后，该区域提议网络通过目标分数预测和二维边界框回归输出最终的候选区域。3.如权利要求1所述的一种基于深度信息估计的单目图像三维目标检测方法，其特征在于：步骤S2中，通过以下公式获取某像素点在三维空间中相机坐标系下的坐标：其中...

【专利技术属性】
技术研发人员：叶青松，刘玮，马云，段帅东，高明强，
申请(专利权)人：中国地质大学武汉，
类型：发明
国别省市：