【技术实现步骤摘要】
一种目标检测方法、装置及计算机设备
[0001]本申请涉及图像识别领域，尤其涉及一种目标检测方法、装置及计算机设备。
技术介绍
[0002]在自动驾驶感知系统中，相机和激光雷达是自动驾驶车辆必不可少的传感器。相机可采集周围环境的RGB彩色信息与纹理信息，模拟人类视觉感知成像，相机的优势在于可以准确的描述目标的纹理信息，但缺少目标的深度信息。激光雷达依靠激光束不间断扫描完成对周围环境的场景再现，激光束可以在物体表面产生激光点，它可以采集周围环境在雷达坐标系下的XYZ准确坐标和反射率，激光雷达的优势在于可以获取目标的深度信息，但缺乏目标的纹理信息。可以通过图像和激光雷达的融合算法，保留目标的纹理信息和缺深度信息。
[0003]但是，现有技术基于图像和激光点云融合的3D目标检测存在两大问题。一是图像和激光雷达的融合算法总体设计比较复杂，整个模型从点云与图像的输入到检测结果的输出，无法同时在图形处理器(Graphics Processing Unit,简称GPU)实现，造成数据在处理过程中在设备间传输多次造成极大的延时，无法...
【技术保护点】
【技术特征摘要】
1.一种目标检测方法，其特征在于，应用于图形处理器，所述方法包括：获取对应目标区域的原始点云和原始图像，其中，所述原始点云包括多个稀疏点，所述原始图像包括多个像素点；将所述原始点云中各所述稀疏点投影至所述原始图像，得到各稀疏点与像素点之间的对应关系；提取所述原始点云的点云特征，以及提取所述原始图像的图像特征，其中，所述点云特征包括多个稀疏点特征，所述图像特征包括多个像素点特征；根据各稀疏点与像素点之间的对应关系，将各稀疏点特征与对应的像素点特征进行融合，得到所述目标区域对应的目标融合特征；基于所述目标融合特征对所述目标区域进行类别预测和边界框预测，得到检测目标。2.根据权利要求1所述的方法，其特征在于，将所述原始点云中各稀疏点投影至所述原始图像，得到各稀疏点与像素点之间的对应关系的步骤，包括：基于公式建立稀疏点与像素点之间的对应关系，其中，[u,v,1]为像素点在图像坐标系中的二维坐标值，P
[3*4]
为相机坐标系到图像坐标系的投影矩阵，大小为3*4，P
[3*4]
为相机的旋转矩阵，大小为4*4，为雷达到相机的投影矩阵，大小为4*4，[X,Y,Y,1]为稀疏点在点云坐标系中的三维坐标值。3.根据权利要求1所述的方法，其特征在于，各稀疏点对应的点云数据包括三维坐标值和反射率，提取所述原始点云的点云特征的步骤，包括；将所述原始点云进行并行下采样；基于下采样后的原始点云中各所述稀疏点对应的点云数据，提取各稀疏点对应的稀疏点特征和邻域特征，其中，以任一所述稀疏点为关键点，预设半径范围内的稀疏点为所述关键点对应的邻近点，所述邻域特征由稀疏点对应的邻近点的点云数据拼接组成；将各所述稀疏点特征及对应的邻域特征融合为所述点云特征。4.根据权利要求3所述的方法，其特征在于，确定各稀疏点的邻近点的步骤，包括：判断以所述关键点为中心的所述预设半径范围内的稀疏点的数量N是否大于或等于预设数量M，其中，N为正整数；若N≥M，按照各稀疏点与关键点的距离，将N个所述稀疏点进行升序排列，并将前M个次序对应的稀疏点确定为所述关键点的邻近点；若N<M，按照各稀疏点与关键点的距离，将N个所述稀疏点进行升序排列，并将前M
‑
N个稀疏点确定为补充点，复制所述补充点，将N个所述稀疏点和M
‑
N个所述补充点确定为所述关键点的邻近点。5.根据权利要求1所述的方法，其特征在于，根据稀疏点与像素点之间的对应关系，将各稀疏点特征与对应的像素点特征进行融合，得到所述目标区域对应的融合特征的步骤，包括：基于各稀疏点与像素点之间的对应关系，将各稀疏点特征与对应的像素点特征进行融合，得到第一融合特征；将所述第一融合特征进行插值，得到第二融合特征；
通过两个Linear
‑
BN
【专利技术属性】
技术研发人员：赵亚丽，梁爽，陈义飞，邱中原，刘浩，
申请(专利权)人：北京超星未来科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。