【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领域
、
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,并做出对应的决策
。
例如,自动驾驶系统需要快速精准的检测出物体的类别及三维位置,然后做出对应的决策以确保行车安全
。
然而,目前利用三维目标检测算法检测出物体的类别及位置,并利用回归运算得到物体的三维位置,然而回归运算在预测上需要花费很长的时间
。
此外,在进行三维目标检测时,现有自动驾驶系统利用光达或者雷达取得深度信息来检测车辆与前方物体的距离,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,以解决物体检测效率慢及成本高的问题
。
[0004]本申请实施例提供了一种三维目标检测方法,所述三维目标检测方法包括:获取训练图像;基于全卷积网络构建语义分割模型;将所述训练图像输入所述语义分割模型,利用所述语义分割模型中的卷积层和池化层进行多次卷积及池化,得到多个不同尺寸的特征图;将所述多个不同尺寸的特征图进行上采样,得到和所述训练图像相同尺寸的第一图像,对所述第一图像进行像素分类并优化分类损失,输出所述训练图像中物体的物体类别 ...
【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:获取训练图像;基于全卷积网络构建语义分割模型;将所述训练图像输入所述语义分割模型,利用所述语义分割模型中的卷积层和池化层进行多次卷积及池化,得到多个不同尺寸的特征图;将所述多个不同尺寸的特征图进行上采样,得到和所述训练图像相同尺寸的第一图像,对所述第一图像进行像素分类并优化分类损失,输出所述训练图像中物体的物体类别及所述物体的位置,得到训练完成的语义分割模型;获取检测图像及所述检测图像相应的深度图像,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所述训练完成的语义分割模型,得到所述检测图像中物体的物体类别及物体位置;根据所述物体类别,从所述三维物体模型库中确定与所述物体对应的物件模型;根据所述深度图像得到所述物体的点云数据及所述深度相机到所述物件模型的距离;根据所述点云数据及所述物件模型,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物体的位置,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,所述将所述多个不同尺寸的特征图进行上采样,得到和所述训练图像相同尺寸的第一图像包括:将所述多个不同尺寸的特征图进行上采样后,进行反卷积运算,得到运算结果;对所述运算结果进行加和运算,得到和所述训练图像相同尺寸的第一图像
。3.
根据权利要求1所述的三维目标检测方法,其特征在于,所述根据所述物体类别,从所述三维物体模型库中确定与所述物体对应的物件模型包括:根据所述物体类别查找所述三维物体模型库,确定所述物体的物件模型,所述三维物体模型库包括物体类别及与物体类别对应的物件模型
。4.
根据权利要求1所述的三维目标检测方法,其特征在于,所述根据所述深度图像得到所述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...
【专利技术属性】
技术研发人员:李洁,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:
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。