三维目标检测方法技术

本申请提供一种三维目标检测方法

【技术实现步骤摘要】
三维目标检测方法、电子设备及存储介质


[0001]本申请涉及计算机视觉和深度学习技术
、
尤其涉及一种三维目标检测方法
、
电子设备及存储介质
。

技术介绍

[0002]在自动驾驶领域中，自动驾驶系统会利用不同种类的传感器检测车辆前方或附近的物体，做出对应的决策
。
因此自动驾驶系统需要快速精准的检测出物体的类别及位置，才能确保行车安全
。
目前多数三维目标检测算法为检测出物体的类别，需要大量的标注样本，对物体的旋转角度标注困难且需要使用回归运算，在预测上需要花费很长的时间
。
此外，目前多数三维目标检测算法还需要准确的检测车辆与前方物体的距离，目前多数作法是利用光达或者雷达取得深度信息，但目前使用光达或者雷达的成本高昂
、
视场范围比较小
。

技术实现思路

[0003]鉴于以上内容，有必要提供一种三维目标检测方法
、
电子设备及存储介质，能够解决旋转角度标注困难问题及检测成本过高的问题
。
[0004]本申请实施例提供一种三维目标检测方法，所述三维目标检测方法包括：获取检测图像及所述检测图像对应的深度图像，其中，所述深度图像通过深度相机获取；将所述检测图像输入至训练完成的目标检测模型，利用所述目标检测模型确定所述检测图像中物体的物体类别及物体的二维边线框；根据所述物体类别，从三维物体模型库中确定与所述物体对应的物件模型及与所述物件模型对应的三维边线框；根据所述深度图像及所述二维边线框，计算所述二维边线框所框选的物体的点云数据及所述深度相机到所述物件模型的距离；根据所述物件模型与所述点云数据，确定所述物件模型的旋转角度；根据所述深度相机到所述物件模型的距离
、
所述旋转角度及所述三维边线框，确定所述物件模型在三维空间中的位置
。
[0005]在一种可选的实施方式中，所述根据所述深度图像及所述二维边线框，计算所述二维边线框所框选的物体的点云数据及所述深度相机到所述物件模型的距离包括：根据所述深度图像获取所述二维边线框所框选的物体的深度值及坐标，根据所述深度值确定所述深度相机到所述物体的物件模型的距离；根据所述坐标和所述深度相机的内外参矩阵变换公式得到所述点云数据
。
[0006]在一种可选的实施方式中，所述根据所述物件模型与所述点云数据，确定所述物件模型的旋转角度包括：根据所述点云数据，得到所述物体轮廓的第一点云数据；将所述物件模型转化为第二点云数据；将所述第一点云数据与所述第二点云数据进行点云匹配，得到所述物件模型的旋转角度
。
[0007]在一种可选的实施方式中，所述方法还包括：获取训练图像；基于
You Only Look Once(YOLO)
网络构建目标检测模型；将所述训练图像输入所述目标检测模型进行训练，通过所述目标检测模型进行卷积和均值池化交替处理后得到所述训练图像的特征值数据；利
用所述目标检测模型的全连接层处理所述特征值数据，得到所述训练图像中物体的二维边线框和物体类别，通过调整所述目标检测模型的参数，以最小化损失函数，得到所述训练完成的目标检测模型
。
[0008]在一种可选的实施方式中，所述利用所述目标检测模型的全连接层处理所述特征值数据，得到所述训练图像中物体的二维边线框和物体类别包括：利用所述目标检测模型的全连接层处理所述特征值数据，得到所述训练图像中的物体的多个候选二维边线框，将所述多个候选二维边线框进行非极大值抑制运算，得到所述训练图像中的物体的二维边线框和物体类别
。
[0009]在一种可选的实施方式中，所述方法还包括：建立所述三维物体模型库，其中，所述三维物体模型库包括与不同物体类别对应的多个物件模型及与每个物件模型对应的三维边线框，所述三维边线框包括每个物体类别对应的长
、
宽
、
高
。
[0010]在一种可选的实施方式中，所述根据所述深度相机到所述物件模型的距离
、
所述旋转角度及所述三维边线框，确定所述物件模型在三维空间中的位置包括：根据所述旋转角度确定所述物件模型在所述三维空间中的方向；根据所述物件模型在所述三维空间中的方向
、
所述深度相机到所述物件模型的距离及所述物件模型的三维边线框，确定所述物件模型在三维空间中的位置
。
[0011]在一种可选的实施方式中，所述方法还包括：将所述物件模型在三维空间中的位置作为所述物体在三维空间中的位置，输出所述物体类别及所述物体在三维空间中的位置
。
[0012]本申请实施例还提供一种电子设备，所述电子设备包括处理器和存储器，所述处理器用于执行存储器中存储的计算机程序以实现所述的三维目标检测方法
。
[0013]本申请实施例还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至少一个指令，所述至少一个指令被处理器执行时实现所述的三维目标检测方法
。
[0014]通过利用本申请各实施例提供的技术方案，不需进行复杂的运算且无需对物体的旋转角度进行标注，减少了人力成本且能快速地得到物体的三维位置
。
附图说明
[0015]图1为本申请实施例提供的一种三维目标检测方法的流程图
。
[0016]图2为本申请实施例提供的非极大值抑制方法流程图
。
[0017]图3为本申请实施例提供的确定三维边线框示意图
。
[0018]图4为本申请实施例提供的一种电子设备的结构示意图
。
具体实施方式
[0019]为了能够更清楚地理解本申请的上述目的
、
特征和优点，下面结合附图和具体实施例对本申请进行详细描述
。
需要说明的是，此处所描述的具体实施例仅用以解释本申请，并不用于限定本申请
。
[0020]在下面的描述中阐述了很多具体细节以便于充分理解本申请，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例
。
基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围
。
[0021]以下，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量
。
由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括一个或者更多个该特征
。
在本申请的一些实施例的描述中，“示例性的”或者“例如”等词用于表示作例子
、
例证或说明
。
本申请的一些实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势
。
确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种三维目标检测方法，其特征在于，所述三维目标检测方法包括：获取检测图像及所述检测图像对应的深度图像，其中，所述深度图像通过深度相机获取；将所述检测图像输入至训练完成的目标检测模型，利用所述目标检测模型确定所述检测图像中物体的物体类别及物体的二维边线框；根据所述物体类别，从三维物体模型库中确定与所述物体对应的物件模型及与所述物件模型对应的三维边线框；根据所述深度图像及所述二维边线框，计算所述二维边线框所框选的物体的点云数据及所述深度相机到所述物件模型的距离；根据所述物件模型与所述点云数据，确定所述物件模型的旋转角度；根据所述深度相机到所述物件模型的距离
、
所述旋转角度及所述三维边线框，确定所述物件模型在三维空间中的位置
。2.
根据权利要求1所述的三维目标检测方法，其特征在于，所述根据所述深度图像及所述二维边线框，计算所述二维边线框所框选的物体的点云数据及所述深度相机到所述物件模型的距离包括：根据所述深度图像获取所述二维边线框所框选的物体的深度值及坐标，根据所述深度值确定所述深度相机到所述物体的物件模型的距离；根据所述坐标和所述深度相机的内外参矩阵变换公式得到所述点云数据
。3.
根据权利要求1所述的三维目标检测方法，其特征在于，所述根据所述物件模型与所述点云数据，确定所述物件模型的旋转角度包括：根据所述点云数据，得到所述物体轮廓的第一点云数据；将所述物件模型转化为第二点云数据；将所述第一点云数据与所述第二点云数据进行点云匹配，得到所述物件模型的旋转角度
。4.
根据权利要求1所述的三维目标检测方法，其特征在于，所述方法还包括：获取训练图像；基于
You Only Look Once(YOLO)
网络构建目标检测模型；将所述训练图像输入所述目标检测模型进行训练，通过所述目标检测模型进行卷积和均值池化交替处理后得到所述训练图像的特征值数据；利用所述目标检测模型的全连接层处理所述特征值数据，得到所述训练图像中物体的二维边线框和物体类别，通过调整所述目标检测模型的...

【专利技术属性】
技术研发人员：李洁，卢志德，郭锦斌，
申请(专利权)人：鸿海精密工业股份有限公司，
类型：发明
国别省市：