本发明专利技术实施例公开了一种目标检测方法、装置及设备，其中，方法包括：获取在当前帧数据中检测到的若干目标组成当前目标集合；判断当前帧数据是否为第一帧数据；若是，则将当前目标集合作为全局目标集合；若否，将当前目标集合与全局目标集合进行匹配，确认出丢失目标集合和新增目标集合，基于每一丢失目标，采用卡尔曼滤波算法预测出位置信息，并将新增目标集合中各新增目标加入到所述全局目标集合中；输出全局目标集合中各目标的位置信息。通过本发明专利技术，不仅可优化漏检的问题，而且相对降低了目标检测系统的硬件成本。标检测系统的硬件成本。标检测系统的硬件成本。
【技术实现步骤摘要】
一种目标检测方法、装置及设备
[0001]本专利技术涉及目标检测
，特别是涉及一种目标检测方法、装置及设备。
技术介绍
[0002]3D目标检测是车辆感知系统中不可或缺的任务之一，基于深度学习的3D目标检测方法越来越受欢迎。由于Lidar(Light detection and ranging，光探测和测距，学名叫做“激光雷达”)可以提供稠密的3D点云，非常精确的测量和扫描物体在3D空间中的位置以及形状，所以基于Lidar的3D目标检测算法也就成为了近年来自动驾驶研发的重点之一。
[0003]尽管目前对于3D目标检测已经有不少的研究，但是在实际应用中仍然有许多问题存在：1)对物体遮挡、截断、周围动态环境的健壮性问题；2)现有方式大都依赖于物体表面纹理或结构特征；3)激光雷达的昂贵性迫使车企不得不控制激光雷达的选型，从而限制了深度学习模型的表现，导致3D目标检测的稳定性大大降低，并且造成漏检。
[0004]考虑到自动驾驶系统的实时性，在保证算法速度实时，满足算力要求，不为系统添加过重负担的前提下，通过卡尔曼滤波算法来优化漏检问题。卡尔曼滤波在计算过程中除了前一个状态量外，不需要保留其它历史数据，因此占用内存小，并且速度很快，很适合应用于实时问题和嵌入式系统。
技术实现思路
[0005]本专利技术实施例旨在提供一种目标检测方法、装置及设备，以解决现有技术中3D目标检测存在漏检和成本较高的问题。
[0006]为解决上述技术问题，本专利技术实施例提供以下技术方案：
[0007]根据本专利技术的一方面，提供一种目标检测方法，所述方法包括：
[0008]获取在当前帧数据中检测到的若干目标，将所述若干目标组成当前目标集合；
[0009]判断所述当前帧数据是否为第一帧数据；
[0010]若是，则将所述当前目标集合作为全局目标集合；
[0011]若否，将所述当前目标集合与所述全局目标集合进行匹配，确认出由丢失目标组成的丢失目标集合和由新增目标组成的新增目标集合，基于所述丢失目标集合中每一丢失目标，采用卡尔曼滤波算法预测出所述丢失目标的位置信息，并将所述新增目标集合中各新增目标加入到所述全局目标集合中；
[0012]输出所述全局目标集合中各目标的位置信息。
[0013]可选地，所述将所述当前目标集合与所述全局目标集合进行匹配，确认出由丢失目标组成的丢失目标集合和由新增目标组成的新增目标集合的步骤，包括：
[0014]将所述当前目标集合中的各目标与所述全局目标集合中的各目标进行匹配；
[0015]若所述目标出现在所述全局目标集合中且未出现在所述当前目标集合中，则所述目标为丢失目标，将所述目标加入至所述丢失目标集合中；
[0016]若所述目标出现在所述当前目标集合中且未出现在所述全局目标集合中，则所述
目标为新增目标，将所述目标加入至所述新增目标集合中。
[0017]可选地，所述方法还包括：
[0018]基于所述丢失目标集合中每一丢失目标，判断是否在预设帧数量的连续帧数据中均未检测到所述丢失目标，若是，则从所述丢失目标集合和所述全局目标集合中删除所述丢失目标。
[0019]可选地，所述方法还包括：
[0020]基于深度学习模型对所述当前帧数据中符合预设目标类型的目标进行检测，得到在所述当前帧数据中检测到的所述若干目标，所述预设目标类型为一种或多种。
[0021]可选地，所述方法还包括：
[0022]基于每一目标类型设置对应的所述帧数量。
[0023]可选地，所述采用卡尔曼滤波算法预测出所述丢失目标的位置信息的步骤，包括：
[0024]根据所述当前帧数据的前一帧数据中所述丢失目标对应的第一历史位置、所述当前帧数据的前二帧数据中所述丢失目标对应的第二历史位置和相邻数据帧的采集时间间隔，得到所述丢失目标对应的当前速度；
[0025]根据所述第一历史位置和所述当前速度，基于卡尔曼预测方程得到所述当前帧数据中所述丢失目标对应的位置信息。
[0026]可选地，所述方法还包括：
[0027]获取所述前一帧数据中所述丢失目标在雷达坐标系下对应的第一雷达位置和所述前二帧数据中所述丢失目标在雷达坐标系下对应的第二雷达位置；
[0028]将所述第一雷达位置和所述第二雷达位置转换为世界坐标系下的所述第一历史位置和所述第二历史位置；
[0029]根据所述第一历史位置、所述第二历史位置和所述采集时间间隔，得到所述丢失目标对应的当前速度；
[0030]根据所述第一历史位置和所述当前速度，基于卡尔曼预测方程得到所述当前帧数据中所述丢失目标在世界坐标系下的第一位置信息；
[0031]将所述第一位置信息转换为雷达坐标系下的第二位置信息，将所述第二位置信息作为所述当前帧数据中所述丢失目标对应的位置信息。
[0032]根据本专利技术的另一方面，提供一种目标检测装置，包括：
[0033]目标获取模块，用于获取在当前帧数据中检测到的若干目标，将所述若干目标组成当前目标集合；
[0034]首帧判断模块，用于判断所述当前帧数据是否为第一帧数据；
[0035]全局目标初始化模块，用于当所述首帧判断模块判断为是时，将所述当前目标集合作为全局目标集合；
[0036]全局目标更新模块，用于当所述首帧判断模块判断为否时，将所述当前目标集合与所述全局目标集合进行匹配，确认出由丢失目标组成的丢失目标集合和由新增目标组成的新增目标集合，基于所述丢失目标集合中每一丢失目标，采用卡尔曼滤波算法预测出所述丢失目标的位置信息，并将所述新增目标集合中各新增目标加入到所述全局目标集合中；
[0037]目标输出模块，用于输出所述全局目标集合中各目标的位置信息。
[0038]根据本专利技术的再一方面，提供一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，所述处理器执行所述程序时实现上述任一项所述的目标检测方法的步骤。
[0039]根据本专利技术的再一方面，提供一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，当所述计算机程序被处理器执行时，所述处理器执行上述任一项所述的目标检测方法的步骤。
[0040]本专利技术实施例的有益效果是：区别于现有技术的情况，本专利技术实施例中，将在当前帧数据中检测到的若干目标组成当前目标集合，并根据当前目标集合建立和更新全局目标集合；针对每帧数据，将当前目标集合与全局目标集合进行匹配，得到在当前帧数据中漏检的各目标，针对每一漏检的目标，采用卡尔曼滤波算法预测出所述目标的位置信息；最终，输出全局目标集合中各目标对应的位置信息。采用本专利技术，不仅可优化漏检的问题，而且相对降低了目标检测系统的硬件成本。此外，卡尔曼滤波算法占用内存小、运行速度快，相对于其他软件优化算法效率更高。
附图说明
[0041]一个或多个实施例通过与之对应的附图中的图片进行示例性说明，这些示例性说明并不构成对实施例的限定，附图本文档来自技高网...
【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，所述方法包括：获取在当前帧数据中检测到的若干目标，将所述若干目标组成当前目标集合；判断所述当前帧数据是否为第一帧数据；若是，则将所述当前目标集合作为全局目标集合；若否，将所述当前目标集合与所述全局目标集合进行匹配，确认出由丢失目标组成的丢失目标集合和由新增目标组成的新增目标集合，基于所述丢失目标集合中每一丢失目标，采用卡尔曼滤波算法预测出所述丢失目标的位置信息，并将所述新增目标集合中各新增目标加入到所述全局目标集合中；输出所述全局目标集合中各目标的位置信息。2.根据权利要求1所述的方法，其特征在于，所述将所述当前目标集合与所述全局目标集合进行匹配，确认出由丢失目标组成的丢失目标集合和由新增目标组成的新增目标集合的步骤，包括：将所述当前目标集合中的各目标与所述全局目标集合中的各目标进行匹配；若所述目标出现在所述全局目标集合中且未出现在所述当前目标集合中，则所述目标为丢失目标，将所述目标加入至所述丢失目标集合中；若所述目标出现在所述当前目标集合中且未出现在所述全局目标集合中，则所述目标为新增目标，将所述目标加入至所述新增目标集合中。3.根据权利要求1所述的方法，其特征在于，所述方法还包括：基于所述丢失目标集合中每一丢失目标，判断是否在预设帧数量的连续帧数据中均未检测到所述丢失目标，若是，则从所述丢失目标集合和所述全局目标集合中删除所述丢失目标。4.根据权利要求3所述的方法，其特征在于，所述方法还包括：基于深度学习模型对所述当前帧数据中符合预设目标类型的目标进行检测，得到在所述当前帧数据中检测到的所述若干目标，所述预设目标类型为一种或多种。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：基于每一目标类型设置对应的所述帧数量。6.根据权利要求1至5任一项所述的方法，其特征在于，所述采用卡尔曼滤波算法预测出所述丢失目标的位置信息的步骤，包括：根据所述当前帧数据的前一帧数据中所述丢失目标对应的第一历史位置、所述当前帧数据的前二帧数据中所述丢失目标对应的第二历史位置和相邻数据帧的采集时间间隔，得到所述丢失目标...
【专利技术属性】
技术研发人员：张甜，常宇飞，
申请(专利权)人：深圳市惠尔智能有限公司，
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。