三维目标检测算法的评估方法、系统、电子设备及介质技术方案

本发明专利技术涉及算法评估技术领域，公开了一种三维目标检测算法的评估方法、系统、电子设备及介质，该方法通过待评估算法得到标准检测数据对应的算法检测数据，并建立多个视图坐标系，计算在不同坐标系中算法检测数据与标准检测数据之间的数据重叠度，基于数据重叠度确定各坐标系的坐标系精确率，再对各视图坐标系的坐标系精确率加权计算，得到评估指标，通过不同的视图坐标系得到标准检测数据和算法检测数据之间不同的数据重叠度，进而确定不同的视图坐标系下的坐标系精确率，最后根据坐标系精确率进行加权计算得到评估指标，增加了评估参数的范围，从而提高评估结果的准确性。从而提高评估结果的准确性。从而提高评估结果的准确性。

【技术实现步骤摘要】
三维目标检测算法的评估方法、系统、电子设备及介质


[0001]本专利技术涉及算法评估
，尤其涉及一种三维目标检测算法的评估方法、系统、电子设备及介质。

技术介绍

[0002]目前，随着自动驾驶的不断进步，目标检测成为了自动驾驶领域中备受关注的方向，目标检测算法的准确性直接影响着自动驾驶车辆的安全性。而随着激光雷达的普遍使用，根据激光雷达采集得到的点云数据进行三维目标识别，得到高精度高深度信息，进而对自动驾驶进行辅助成为了自动驾驶的主流趋势。因此，如何准确评价一个三维目标检测算法，进而根据评价结果指导三维目标检测算法的改进成为了重要前提。
[0003]现有的算法评估方法通常是将点云数据中的目标人工进行标注，得到人工标注框，再通过三维目标检测算法对点云数据中的目标进行检测，得到算法标注框，如果人工标注框和算法标注框之间的重叠区域大，则该三维目标检测算法的评估结果为合格。但是，仅仅通过单一视图对三维目标检测算法的结果进行评估，其评估参数过于单一，造成评估结果只有合格和不合格，从而导致评估结果的准确性较低，无法向三维目标检测算法的改进提供足够的参考性。

技术实现思路

[0004]为了对披露的实施例的一些方面有基本的理解，下面给出了简单的概括。所述概括不是泛泛评述，也不是要确定关键/重要组成元素或描绘这些实施例的保护范围，而是作为后面的详细说明的序言。
[0005]鉴于以上所述现有技术的缺点，本专利技术公开了一种三维目标检测算法的评估方法、系统、电子设备及介质，以提高三维目标检测算法的评估准确性。
[0006]本专利技术公开了一种三维目标检测算法的评估方法，包括：获取待评估算法，并获取多个样本数据以及各所述样本数据对应的标准检测数据，其中，所述待评估算法用于分别对各所述样本数据进行目标检测，得到各所述样本数据对应的算法检测数据；建立多个预设视图类别对应的视图坐标系，将任一视图坐标系确定为目标坐标系，根据所述目标坐标系确定所述算法检测数据与所述标准检测数据之间的数据重叠度；根据所述数据重叠度与预设的重叠度阈值之间的比较结果从所述算法检测数据中确定样本识别正例，并根据所述样本识别正例的数量确定所述目标坐标系的坐标系精确率；基于各所述视图坐标系的预设视图权重对各所述视图坐标系的坐标系精确率进行加权计算，得到所述待评估算法的评估指标。
[0007]可选地，将任一视图坐标系确定为目标坐标系之后，根据所述数据重叠度与预设的重叠度阈值之间的比较结果从所述算法检测数据中确定样本识别正例之前，所述方法还包括：获取多个距离区间；根据所述目标坐标系分别确定各所述算法检测数据的中心点，并将所述中心点与所述目标坐标系的原点之间的欧式距离确定为中心点距离；基于各所述距
离区间与各所述中心点距离之间的匹配结果从所述算法检测数据中确定各所述距离区间对应的分类检测数据。
[0008]可选地，获取多个样本数据以及各所述样本数据对应的标准检测数据之后，建立多个预设视图类别对应的视图坐标系之前，所述方法还包括：获取所述标准检测数据对应的标准目标类别、标准目标朝向；获取所述算法检测数据对应的检测目标类别、检测目标朝向、检测置信度中的至少一种。
[0009]可选地，根据所述数据重叠度与预设的重叠度阈值之间的比较结果从所述算法检测数据中确定各所述视图坐标系对应的样本识别正例，包括：所述重叠度阈值的数量包括多个；将任一重叠度阈值确定为目标阈值，预先设置第一正例条件、第二正例条件、第三正例条件和第四正例条件，其中，所述第一正例条件包括分类检测数据的分类检测数据大于或等于所述目标阈值，所述第二正例条件包括所述分类检测数据的检测置信度大于或等于预设置信度阈值，所述第三正例条件包括所述分类检测数据的检测目标类别与对应的标准目标类别相同，所述第四正例条件包括所述分类检测数据的检测目标朝向与对应的标准目标朝向相同；将所述第一正例条件、所述第二正例条件、所述第三正例条件和所述第四正例条件中的至少一部分确定为判定条件；若任一分类检测数据满足所述判定条件，则将所述分类检测数据确定为所述目标阈值的样本识别正例。
[0010]可选地，根据所述样本识别正例的数量确定所述目标坐标系的坐标系精确率，包括：将任一距离区间确定为目标区间，对所述目标区间对应的分类检测数据进行数量统计，得到所述目标区间对应的分类数据总量；分别对各所述重叠度阈值的样本识别正例进行数量统计，得到各所述重叠度阈值的阈值正例数量；根据所述分类数据总量分别对各所述重叠度阈值的阈值正例数量进行计算，得到各所述重叠度阈值的阈值精确率；根据各所述重叠度阈值对应的预设阈值权重对各所述阈值精确率进行加权计算，得到所述目标区间的区间精确率；根据各所述距离区间对应的预设区间权重对各所述距离区间的区间精确率进行加权计算，得到所述目标坐标系的坐标系精确率。
[0011]可选地，通过以下公式确定所述待评估算法的评估指标：式中，AP
all
为所述待评估算法的评估指标，AP
view(k)
为第k个视图坐标系的坐标系精确率，θ
view(k)
为第k个视图坐标系的预设视图权重，s为视图坐标系的数量，AP
dis(j)
为第j个距离区间的区间精确率，β
dis(j)
为第j个距离区间的预设区间权重，m为距离区间的数量，AP
thr(i)
为第i个重叠度阈值的阈值精确率，α
thr(i)
为第i个重叠度阈值的预设阈值权重，n为重叠度阈值的数量。
[0012]可选地，根据所述目标坐标系确定所述算法检测数据与所述标准检测数据之间的数据重叠度，包括：若预设视图类别对应的预设视图类别包括三维视图，则将所述算法检测数据与所述标准检测数据的交点确定为第一坐标点；将所述算法检测数据的顶点确定为第一顶点，将包含在所述标准检测数据中的第一顶点确定为第二坐标点；将所述标准检测数
据的顶点确定为第二顶点，将包含在所述算法检测数据中的第二顶点确定为第三坐标点；根据预设的三角化算法对所述第一坐标点、所述第二坐标点、所述第三坐标点进行三角化计算，得到参考区域；根据所述算法检测数据的体积、所述标准检测数据的体积和所述参考区域的体积计算得到所述算法检测数据与所述标准检测数据之间的数据重叠度。
[0013]可选地，通过以下公式确定所述算法检测数据与所述标准检测数据之间的数据重叠度：式中，IoU为所述算法检测数据与所述标准检测数据之间的数据重叠度，V1为所述算法检测数据的体积，V2为所述标准检测数据的体积，V
I
为所述参考区域的体积。
[0014]本专利技术公开了一种三维目标检测算法的评估系统，包括：获取模块，用于获取待评估算法，并获取多个样本数据以及各所述样本数据对应的标准检测数据，其中，所述待评估算法用于分别对各所述样本数据进行目标检测，得到各所述样本数据对应的算法检测数据；重叠度确定模块，用于建立多个预设视图类别对应的视图坐标系，将任一视图坐标系确定为目标坐标系，根据所述目标坐标系确定本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维目标检测算法的评估方法，其特征在于，包括：获取待评估算法，并获取多个样本数据以及各所述样本数据对应的标准检测数据，其中，所述待评估算法用于分别对各所述样本数据进行目标检测，得到各所述样本数据对应的算法检测数据；建立多个预设视图类别对应的视图坐标系，将任一视图坐标系确定为目标坐标系，根据所述目标坐标系确定所述算法检测数据与所述标准检测数据之间的数据重叠度；根据所述数据重叠度与预设的重叠度阈值之间的比较结果从所述算法检测数据中确定样本识别正例，并根据所述样本识别正例的数量确定所述目标坐标系的坐标系精确率；基于各所述视图坐标系的预设视图权重对各所述视图坐标系的坐标系精确率进行加权计算，得到所述待评估算法的评估指标。2.根据权利要求1所述的方法，其特征在于，将任一视图坐标系确定为目标坐标系之后，根据所述数据重叠度与预设的重叠度阈值之间的比较结果从所述算法检测数据中确定样本识别正例之前，所述方法还包括：获取多个距离区间；根据所述目标坐标系分别确定各所述算法检测数据的中心点，并将所述中心点与所述目标坐标系的原点之间的欧式距离确定为中心点距离；基于各所述距离区间与各所述中心点距离之间的匹配结果从所述算法检测数据中确定各所述距离区间对应的分类检测数据。3.根据权利要求2所述的方法，其特征在于，获取多个样本数据以及各所述样本数据对应的标准检测数据之后，建立多个预设视图类别对应的视图坐标系之前，所述方法还包括：获取所述标准检测数据对应的标准目标类别、标准目标朝向；获取所述算法检测数据对应的检测目标类别、检测目标朝向、检测置信度中的至少一种。4.根据权利要求3所述的方法，其特征在于，根据所述数据重叠度与预设的重叠度阈值之间的比较结果从所述算法检测数据中确定各所述视图坐标系对应的样本识别正例，包括：所述重叠度阈值的数量包括多个；将任一重叠度阈值确定为目标阈值，预先设置第一正例条件、第二正例条件、第三正例条件和第四正例条件，其中，所述第一正例条件包括分类检测数据的分类检测数据大于或等于所述目标阈值，所述第二正例条件包括所述分类检测数据的检测置信度大于或等于预设置信度阈值，所述第三正例条件包括所述分类检测数据的检测目标类别与对应的标准目标类别相同，所述第四正例条件包括所述分类检测数据的检测目标朝向与对应的标准目标朝向相同；将所述第一正例条件、所述第二正例条件、所述第三正例条件和所述第四正例条件中的至少一部分确定为判定条件；若任一分类检测数据满足所述判定条件，则将所述分类检测数据确定为所述目标阈值的样本识别正例。5.根据权利要求4所述的方法，其特征在于，根据所述样本识别正例的数量确定所述目标坐标系的坐标系精确率，包括：
将任一距离区间确定为目标区间，对所述目标区间对应的分类检测数据进行数量统计，得到所述目标区间对应的分类数据总量；分别对各所述重叠度阈值的样本识别正例进行数量统计，得到各所述重叠度阈值的阈值正例数量；根据所述分类数据总量分别对各所述重叠度阈值的阈值正例数量进行计算，得到各所述重叠度阈值的阈值精确率；根据各所述重叠度阈值对应的预设阈值权重对各所述阈值精确率进行加权计算，得到所述目标区间的区间精确率；根据各所述距离区间对应的预设区间权重对各所述距离区间的区间精...

【专利技术属性】
技术研发人员：李杰，邓皓匀，任凡，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：