目标对象检测方法、装置、设备及存储介质制造方法及图纸

本公开提供了一种目标对象检测方法，可以应用于智能驾驶领域、车联网领域和智能城市领域。该方法包括：对至少部分表征待检测空间的待检测图像进行语义特征提取，得到待检测图像中的图像像素各自的图像语义特征；对待检测图像进行三维重建，得到初始空间网格群；利用图像像素各自的图像语义特征，更新初始空间网格群中与图像像素对应的初始空间网格，得到目标空间网格群；以及根据目标空间网格群对待检测空间进行目标对象检测，得到目标对象检测结果。本公开还提供了一种目标对象检测装置、设备、存储介质及程序产品。存储介质及程序产品。存储介质及程序产品。

【技术实现步骤摘要】
目标对象检测方法、装置、设备及存储介质


[0001]本公开涉及智能驾驶领域、车联网领域和智能城市领域，更具体地，涉及一种目标对象检测方法、装置、设备、存储介质及程序产品。

技术介绍

[0002]随着科技的快速发展，基于激光雷达等探测装置以及人工智能算法等先进技术实现的智能驾驶功能被广泛地应用于家用车辆驾驶、无人车辆作业等多种应用场景中。无人车辆等载具可以对采集到的图像进行目标对象检测，以检测到周围空间中存在的行人、货物等目标对象，从而可以基于检测到的目标对象自动进行躲避或更改行进路线等行驶操作，进而实现智能驾驶功能。
[0003]在实现本公开构思的过程中，专利技术人发现相关技术中至少存在如下问题：针对空间中目标对象的检测结果准确率较低，难以满足智能驾驶功能的实际需求。

技术实现思路

[0004]有鉴于此，本公开提供了一种目标对象检测方法、装置、设备、存储介质及程序产品。
[0005]本公开的一个方面提供了一种目标对象检测方法，包括：
[0006]对至少部分表征待检测空间的待检测图像进行语义特征提取，得到上述待检测图像中的图像像素各自的图像语义特征；
[0007]对上述待检测图像进行三维重建，得到初始空间网格群；
[0008]利用上述图像像素各自的图像语义特征，更新上述初始空间网格群中与上述图像像素对应的初始空间网格，得到目标空间网格群；以及
[0009]根据上述目标空间网格群对上述待检测空间进行目标对象检测，得到目标对象检测结果。
[0010]根据本公开的实施例，对至少部分表征待检测空间的待检测图像进行语义特征提取包括：
[0011]利用包含有多个语义特征提取子层的语义特征提取层，处理上述待检测图像，得到与上述语义特征提取子层对应的初始图像语义特征；以及
[0012]将多个语义特征提取子层各自对应的初始图像语义特征进行特征融合，得到上述图像语义特征。
[0013]根据本公开的实施例，上述初始空间网格群包括初始体素网格群；
[0014]其中，对上述待检测图像进行三维重建，得到初始空间网格群包括：
[0015]将上述待检测图像输入至占有网络层，输出上述初始体素网格群。
[0016]根据本公开的实施例，目标对象检测方法还包括：
[0017]对样本点云数据进行体素化处理，得到样本体素网格群，上述样本点云数据为对样本待检测空间进行探测后得到的；
[0018]利用至少部分表征上述样本待检测空间的样本待检测图像，以及与上述样本待检测图像对应的样本标签训练初始占有网络层，得到训练后的上述占有网络层；
[0019]其中，上述样本标签包括上述样本体素网格群，上述样本体素网格群中的样本体素网格与上述样本待检测图像中的样本图像像素一一对应。
[0020]根据本公开的实施例，上述样本点云数据为安装与样本车辆上的探测装置对上述样本待检测空间进行探测后得到的。
[0021]根据本公开的实施例，根据上述目标空间网格群对上述待检测空间进行目标对象检测包括：
[0022]将上述目标空间网格群输入至体素网络层，输出上述目标对象检测结果。
[0023]根据本公开的实施例，上述目标对象检测层包括以下至少一项：
[0024]三维卷积子层、稀疏卷积子层。
[0025]根据本公开的实施例，利用上述图像像素各自的图像语义特征，更新上述初始空间网格群中与上述图像像素对应的初始空间网格包括：
[0026]将上述图像像素各自的图像语义特征，填充至上述初始空间网格群中与上述图像像素对应的初始空间网格中，得到上述目标空间网格群。
[0027]根据本公开的实施例，目标对象检测方法还包括：
[0028]利用安装于无人车辆上的图像采集装置，对上述待检测空间进行图像采集，得到上述待检测图像；以及
[0029]根据上述目标对象检测结果控制上述无人车执行目标运行操作。
[0030]本公开的另一个方面提供了一种目标对象检测装置，包括：
[0031]语义特征提取模块，用于对至少部分表征待检测空间的待检测图像进行语义特征提取，得到上述待检测图像中的图像像素各自的图像语义特征；
[0032]三维重建模块，用于对上述待检测图像进行三维重建，得到初始空间网格群；
[0033]更新模块，用于利用上述图像像素各自的图像语义特征，更新上述初始空间网格群中与上述图像像素对应的初始空间网格，得到目标空间网格群；以及
[0034]目标对象检测模块，用于根据上述目标空间网格群对上述待检测空间进行目标对象检测，得到目标对象检测结果。
[0035]本公开的另一个方面提供了一种电子设备，包括：
[0036]一个或多个处理器；
[0037]存储器，用于存储一个或多个程序，
[0038]其中，当所述一个或多个程序被所述一个或多个处理器执行时，使得所述一个或多个处理器实现如上所述的目标对象检测方法。
[0039]本公开的另一方面提供了一种计算机可读存储介质，存储有计算机可执行指令，所述指令在被执行时用于实现如上所述的目标对象检测方法。
[0040]本公开的另一方面提供了一种计算机程序产品，所述计算机程序产品包括计算机可执行指令，所述指令在被执行时用于实现如上所述的目标对象检测方法。
[0041]根据本公开的实施例，因为采用了通过利用待检测图像中图像像素各自的图像语义特征更新与图像像素对应的初始空间网格的技术手段，可以使目标空间网格群保留初始空间网格的网格特征信息，以及保留对应的图像像素的图像语义特征信息，至少部分避免
了相关技术中在目标对象检测过程中，待检测图像中的图像特征信息丢失的技术问题，从而根据所述目标空间网格群对所述待检测空间进行目标对象检测，可以实现提升目标对象检测准确率的技术效果。
附图说明
[0042]通过以下参照附图对本公开实施例的描述，本公开的上述以及其他目的、特征和优点将更为清楚，在附图中：
[0043]图1示意性示出了根据本公开实施例的可以应用目标对象检测方法、装置的示例性系统架构；
[0044]图2示意性示出了根据本公开实施例的目标对象检测方法的流程图；
[0045]图3示意性示出了根据本公开实施例的对至少部分表征待检测空间的待检测图像进行语义特征提取的应用场景图；
[0046]图4示意性示出了根据本公开另一实施例的目标对象检测方法的流程图；
[0047]图5示意性示出了根据本公开实施例的样本体素网格群和目标空间网格群的示意图；
[0048]图6示意性示出了根据本公开实施例的目标对象检测方法的应用场景图；
[0049]图7示意性示出了根据本公开的实施例的目标对象检测装置的框图；以及
[0050]图8示意性示出了根据本公开实施例的适于实现目标对象检测方法的电子设备的框图。
具体实施方式
[0051]以下，将参照附图来描述本本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标对象检测方法，包括：对至少部分表征待检测空间的待检测图像进行语义特征提取，得到所述待检测图像中的图像像素各自的图像语义特征；对所述待检测图像进行三维重建，得到初始空间网格群；利用所述图像像素各自的图像语义特征，更新所述初始空间网格群中与所述图像像素对应的初始空间网格，得到目标空间网格群；以及根据所述目标空间网格群对所述待检测空间进行目标对象检测，得到目标对象检测结果。2.根据权利要求1所述的方法，其中，对至少部分表征待检测空间的待检测图像进行语义特征提取包括：利用包含有多个语义特征提取子层的语义特征提取层，处理所述待检测图像，得到与所述语义特征提取子层对应的初始图像语义特征；以及将多个语义特征提取子层各自对应的初始图像语义特征进行特征融合，得到所述图像语义特征。3.根据权利要求1所述的方法，其中，所述初始空间网格群包括初始体素网格群；其中，对所述待检测图像进行三维重建，得到初始空间网格群包括：将所述待检测图像输入至占有网络层，输出所述初始体素网格群。4.根据权利要求3所述的方法，还包括：对样本点云数据进行体素化处理，得到样本体素网格群，所述样本点云数据为对样本待检测空间进行探测后得到的；利用至少部分表征所述样本待检测空间的样本待检测图像，以及与所述样本待检测图像对应的样本标签训练初始占有网络层，得到训练后的所述占有网络层；其中，所述样本标签包括所述样本体素网格群，所述样本体素网格群中的样本体素网格与所述样本待检测图像中的样本图像像素一一对应。5.根据权利要求4所述的方法，其中，所述样本点云数据为安装与样本车辆上的探测装置对所述样本待检测空间进行探测后得到的。6.根据权利要求3所述的方法，其中，根据所述目标空间网格群对所述待检测空间进行目标对象检测包括：将所述目标空间网格群...

【专利技术属性】
技术研发人员：张宝丰，刘浩，
申请(专利权)人：北京京东乾石科技有限公司，
类型：发明
国别省市：