提升横向感知精度的目标检测方法、系统、电子设备技术方案

本发明专利技术提供一种提升横向感知精度的目标检测方法、系统、电子设备，所述方法包括：获取旁侧方向目标的图像信息，其中，所述图像信息包括有车道线；基于所述图像信息，通过第一神经网络获取所述目标的第一三维外形框、与所述第一三维外形框对应的第一横向位置集；基于所述图像信息，通过第二神经网络获取所述目标的第二三维外形框与所述车道线的距离集；基于所述距离集，获取所述第二三维外形框对应的第二横向位置集；将所述第二横向位置集和所述第一横向位置集融合，形成第三横向位置集。通过神经网络获取目标的三维外形框，进而获取目标的横向位置集，又根据车道线和目标之间的距离关系，进一步提升所获取目标横向位置的精准度。进一步提升所获取目标横向位置的精准度。进一步提升所获取目标横向位置的精准度。

【技术实现步骤摘要】
提升横向感知精度的目标检测方法、系统、电子设备


[0001]本专利技术涉及目标检测
，尤其涉及一种提升横向感知精度的目标检测方法、系统、电子设备。

技术介绍

[0002]卡车宽度相比于乘用车更宽，卡车宽度典型值为2.8m，高速公路车道线宽3.75m，当两个卡车均在本车道居中行驶会车时，两卡车的最近距离只有95cm，相比乘用车1.6m的车宽，乘用车和卡车会车时的距离空间有155cm，约为卡车会车距离的1.6倍。因此，卡车在会车或者并列行驶时，对旁侧方向的目标车横向位置探测的精度要求比乘用车更高。
[0003]现有技术主要采取如下三种技术方案：1)基于深度学习直接回归物体在车体坐标系下的横向位置；2)基于平面假设，将物体映射到点云鸟瞰(bird
’
s eye view，BEV)下获取物体的横向位置；3)基于投影几何关系和目标障碍物先验信息获取物体的横向位置。现有技术存在不足主要包括：1)直接回归检测框(bounding box，bbox)的位置受到神经网络精确度的影响，很难符合卡车对横向精度的高要求；2)平面假设和目标障碍物先验都是一个强假设和先验，在现实情况中很难满足该假设，并且目标障碍物的先验信息可能会有所偏差，导致横向精度无法满足卡车自动驾驶场景下的高精度要求。

技术实现思路

[0004]针对现有技术存在的问题，本专利技术提供一种提升横向感知精度的目标检测方法、系统、电子设备。
[0005]本专利技术提供的一种提升横向感知精度的目标检测方法，所述方法包括：r/>[0006]获取旁侧方向目标的图像信息，其中，所述图像信息包括有车道线；
[0007]基于所述图像信息，通过第一神经网络获取所述目标的第一三维外形框、与所述第一三维外形框对应的第一横向位置集；
[0008]基于所述图像信息，通过第二神经网络获取所述目标的第二三维外形框与所述车道线的距离集；
[0009]基于所述距离集，获取所述第二三维外形框对应的第二横向位置集；
[0010]将所述第二横向位置集和所述第一横向位置集融合，形成第三横向位置集。
[0011]根据本专利技术提供的一种提升横向感知精度的目标检测方法，所述第一神经网络包括端到端神经网络。
[0012]根据本专利技术提供的一种提升横向感知精度的目标检测方法，基于所述图像信息，通过第二神经网络获取所述目标的第二三维外形框与所述车道线的距离信息，包括：
[0013]通过第二神经网络获取图像空间中所述目标的第一二维外形框与所述车道线的像素距离集；
[0014]通过视觉投影关系变换，将所述像素距离集变换至三维空间后，作为所述距离集。
[0015]根据本专利技术提供的一种提升横向感知精度的目标检测方法，所述方法还包括：
[0016]基于所述图像信息，通过第三神经网络对所述目标进行像素级分类，获取所述目标的第二二维外形框；
[0017]基于投影关系，将所述第二二维外形框转化为第三三维外形框；
[0018]将所述第三三维外形框和第一三维外形框融合，获得第四三维外形框；
[0019]基于所述第四三维外形框相较于所述第一三维外形框的修正量，调整所述第三横向位置集，以获取第四横向位置集。
[0020]根据本专利技术提供的一种提升横向感知精度的目标检测方法，所述方法还包括：
[0021]获取所述目标的激光点云信息；
[0022]基于所述激光点云信息，获取所述目标靠近本车一侧的局部轮廓；
[0023]将所述局部轮廓和所述第四三维外形框融合，获得第五三维外形框；
[0024]基于所述第五三维外形框相较于所述第四三维外形框的修正量，调整所述第四横向位置集，以获取第五横向位置集。
[0025]根据本专利技术提供的一种提升横向感知精度的目标检测方法，将所述第二横向位置集和所述第一横向位置集融合，和/或，将所述第三三维外形框和第一三维外形框融合，和/或，将所述局部轮廓和所述第四三维外形框融合，均通过卡尔曼滤波器进行所述融合。
[0026]本专利技术还提供的一种提升横向感知精度的目标检测系统，所述系统包括：
[0027]获取模块，用来获取旁侧方向目标的图像信息，其中，所述图像信息包括有车道线；
[0028]第一感知模块，用来基于所述图像信息，通过第一神经网络获取所述目标的第一三维外形框、与所述第一三维外形框对应的第一横向位置集；
[0029]车道线模块，用来基于所述图像信息，通过第二神经网络获取所述目标的第二三维外形框与所述车道线的距离集；
[0030]第二感知模块，用来基于所述距离集，获取所述第二三维外形框对应的第二横向位置集；
[0031]融合模块，用来将所述第二横向位置集和所述第一横向位置集融合，形成第三横向位置集。
[0032]本专利技术还提供的一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序时实现如上述任一项所述提升横向感知精度的目标检测方法的步骤。
[0033]本专利技术还提供的一种自动驾驶的卡车，所述卡车包括所述电子设备。
[0034]本专利技术还提供的一种非暂态计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述提升横向感知精度的目标检测方法的步骤。
[0035]本专利技术提供的提升横向感知精度的目标检测方法、系统、电子设备，通过神经网络获取目标的三维外形框，进而获取目标的横向位置集，实现目标实例的分割，从而获得更加精准的目标横向位置信息，进一步地，又根据车道线和目标之间的距离关系，辅助车辆横向定位，对横向位置信息进行修正，从而进一步提升所获取目标横向位置的精准度。
附图说明
[0036]为了更清楚地说明本专利技术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的介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，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。
[0037]图1为本专利技术提供的一种提升横向感知精度的目标检测方法流程示意图；
[0038]图2为本专利技术提供的一种提升横向感知精度的目标检测系统结构示意图；
[0039]图3为本专利技术提供的一种电子设备的实体结构示意图。
具体实施方式
[0040]为使本专利技术的目的、技术方案和优点更加清楚，下面将结合本专利技术中的附图，对本专利技术中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0041]下面结合附图，通过具体的实施例及其应用场景对本申请实施例提供的提升横向感知精度的目标检测方法进行详细地说明。
[0042]图1为本专利技术提供的一种提升横向感知精度的目标检测方法流程示意图，如本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种提升横向感知精度的目标检测方法，其特征在于，所述方法包括：获取旁侧方向目标的图像信息，其中，所述图像信息包括有车道线；基于所述图像信息，通过第一神经网络获取所述目标的第一三维外形框、与所述第一三维外形框对应的第一横向位置集；基于所述图像信息，通过第二神经网络获取所述目标的第二三维外形框与所述车道线的距离集；基于所述距离集，获取所述第二三维外形框对应的第二横向位置集；将所述第二横向位置集和所述第一横向位置集融合，形成第三横向位置集。2.根据权利要求1所述的提升横向感知精度的目标检测方法，其特征在于，所述第一神经网络包括端到端神经网络。3.根据权利要求1所述的提升横向感知精度的目标检测方法，其特征在于，基于所述图像信息，通过第二神经网络获取所述目标的第二三维外形框与所述车道线的距离信息，包括：通过第二神经网络获取图像空间中所述目标的第一二维外形框与所述车道线的像素距离集；通过视觉投影关系变换，将所述像素距离集变换至三维空间后，作为所述距离集。4.根据权利要求1所述的提升横向感知精度的目标检测方法，其特征在于，所述方法还包括：基于所述图像信息，通过第三神经网络对所述目标进行像素级分类，获取所述目标的第二二维外形框；基于投影关系，将所述第二二维外形框转化为第三三维外形框；将所述第三三维外形框和第一三维外形框融合，获得第四三维外形框；基于所述第四三维外形框相较于所述第一三维外形框的修正量，调整所述第三横向位置集，以获取第四横向位置集。5.根据权利要求4所述的提升横向感知精度的目标检测方法，其特征在于，所述方法还包括：获取所述目标的激光点云信息；基于所述激光点云信息，获取所述目标靠近本车一侧的局部轮廓；将所述局部轮廓...

【专利技术属性】
技术研发人员：程新景，
申请(专利权)人：际络科技上海有限公司，
类型：发明
国别省市：