【技术实现步骤摘要】
目标对象定位方法、装置、计算机设备和存储介质
[0001]本申请涉及计算机视觉
，特别是涉及一种目标对象定位检测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
[0002]随着信息计算机视觉技术的发展，出现了汽车视觉感知技术。汽车视觉感知技术是利用各种先进的传感器技术来感知道路交通环境信息，并将传感器获取的目标位置、车道信息等实时信息反馈给服务器进行信息处理，同时根据路况信息对各车辆或者行人等目标对象进行识别，分析目标对象的对象类别及定位目标对象所处车道位置，从而可以在紧急情况下进行自动预警提示，以保障车辆顺畅、安全地行进。
[0003]传统的基于激光雷达的目标对象定位方式，是通过获取路况场景的三维点云数据，对三维点云数据进行特征提取，从三维点云数据中提取不同类型的低维和高维特征。当检测到一组特征时，将特征传递到目标对象检测网络，经过对目标对象特征的处理，能够得到世界坐标系下的车道线和目标对象的坐标，实现对目标对象的定位。
[0004]然而，目前基于激光雷达的目标对象定位方式不仅需要较高的...
【技术保护点】
【技术特征摘要】
1.一种目标对象定位方法，其特征在于，所述方法包括：通过安装于目标车辆的目标相机针对道路进行图像采集，得到目标图像，所述目标图像中包括至少一条车道对应的图像数据；通过识别模型对所述目标图像进行对象识别，得到目标对象的像素掩码；确定所述目标对象的像素掩码在所述目标图像中对应的像素掩码坐标信息，所述像素掩码坐标信息包括像素横坐标最大值、像素横坐标最小值和目标像素纵坐标，所述目标像素纵坐标基于所述像素横坐标最大值对应的像素纵坐标、和所述像素横坐标最小值对应的像素纵坐标确定；通过车道线检测模型对所述目标图像进行车道线识别，得到各所述车道线对应的车道线函数；针对任一所述车道线对应的车道线函数，将所述目标对象的所述目标像素纵坐标输入所述车道线函数，得到所述目标像素纵坐标对应的预测横坐标；根据所述目标对象在各所述车道线函数中，所述目标像素纵坐标对应的各所述预测横坐标、及所述像素横坐标最小值和所述像素横坐标最大值，确定第一车道线和第二车道线，并根据所述第一车道线和所述第二车道线确定所述目标对象所处的车道；获取所述目标对象与所述目标车辆的距离，根据所述距离和所述目标对象所处的车道，确定所述目标对象的位置信息。2.根据权利要求1所述的方法，其特征在于，所述车道线检测模型包括检测层、修正层和拟合层，所述通过车道线检测模型对所述目标图像进行车道线识别，得到各所述车道线对应的车道线函数，包括：在所述检测层，对所述目标图像进行车道线识别，得到各所述车道线对应的车道线像素点；在所述修正层，根据所述目标相机的相机矩阵，确定逆投影矩阵，根据所述逆投影矩阵对各所述车道线对应的车道线像素点进行修正处理，得到各所述车道线对应的修正车道线像素点；在所述拟合层，分别对各所述车道线对应的修正车道线像素点进行拟合处理，得到各所述车道线对应的车道线函数。3.根据权利要求2所述的方法，其特征在于，所述根据所述目标相机的相机矩阵，确定逆投影矩阵，根据所述逆投影矩阵对各所述车道线的车道线像素点进行修正处理，得到各所述车道线对应的修正车道线像素点，包括：获取所述目标相机的相机矩阵，根据所述相机矩阵，确定逆投影矩阵；确定图像像素点与图像坐标的映射关系，并基于所述映射关系及各所述车道线的车道线像素点，分别确定各所述车道线的车道线像素点在所述目标图像中对应的图像坐标；根据所述逆投影矩阵和各所述车道线的车道线像素点在所述目标图像中对应的图像坐标，分别对各所述车道线像素点进行修正，得到各所述车道线对应的修正车道线像素点。4.根据权利要求1所述的方法，其特征在于，所述根据所述目标对象在各所述车道线函数中，所述目标像素纵坐标对应的各所述预测横坐标、及所述像素横坐标最小值和所述像素横坐标最大值，确定第一车道线和第二车道线，并根据所述第一车道线和所述第二车道线确定所述目标对象所处的车道，包括：
将所述目标对象在各所述车道线函数中，所述目标像素纵坐标对应的各所述预测横坐标与所述像素横坐标最小值进行比较，根据比较结果，确定所述像素横坐标最小值对应的所述车道线函数，并根据所述像素横坐标最小值对应的所述车道线函数，确定第一车道线；将所述目标对象在各所述车道线函数中，所述目标像素纵坐标对应的各所述预测横坐标与所述像素横坐标最大值进行比较，根据比较结果...
【专利技术属性】
技术研发人员：葛文超，刘卫华，熊丽音，冯昶，王屯，
申请(专利权)人：国汽智图北京科技有限公司，
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。