【技术实现步骤摘要】
本申请涉及计算机，特别是涉及一种目标检测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、近年来，基于深度学习的视觉感知技术飞速发展，基于视觉、激光点云、以及三维(three dimensional，3d)目标检测技术进行图像中目标检测的方法层出不穷，极大促进了自动驾驶技术的应用落地。
2、目前的目测检测方法多采用后融合策略，输出视觉感知结果及激光雷达感知结果后，通过人为制定融合策略，对视觉感知结果及激光雷达感知结果进行融合，然后基于融合结果进行目标检测。这种方式需要经过视觉感知阶段、激光雷达感知阶段、以及视觉感知结果及激光雷达感知结果还要经过复杂的基于人工规则的后融合阶段等三个阶段的计算，才能得到融合结果，这种方式计算复杂，且人为制定规则所得到的融合结果精确度也比较低。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够简化特征融合计算方式并提升融合结果精确度的目标检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请还提供了一种目标检测方法，所述方法包括：
3、获取具有对应关系的待检测图像以及点云数据；
4、对所述待检测图像进行特征提取，得到多个图像特征；对所述点云数据进行特征提取，得到多个点云特征；
5、确定与各图像特征对应的标准特征，并确定与各点云特征对应的标准特征；
6、针对各标准特征，将与当前标准特征对应的图像特征以及与当前标准特征对应的点
7、基于所述融合特征，对所述待检测图像进行目标检测。
8、在其中一个实施例中，所述确定与各图像特征对应的标准特征，包括：
9、确定所述待检测图像的采集设备的设备参数；
10、针对各图像特征，基于所述设备参数，确定所述图像特征对应的特征矩阵；从三维空间特征集合中确定与所述特征矩阵对应的三维空间特征，将所述三维空间特征作为所述图像特征对应的标准特征。
11、在其中一个实施例中，所述确定与各点云特征对应的标准特征，包括：
12、针对各点云特征，确定所述点云特征中包含的空间位置信息，确定三维空间特征集合中各三维空间特征中包含的空间位置信息，将与所述点云特征的空间位置信息相同的三维空间特征作为与所述点云特征对应的标准特征。
13、在其中一个实施例中，所述将与当前标准特征对应的图像特征以及与当前标准特征对应的点云特征进行特征融合，得到融合特征，包括：
14、通过注意力机制，确定与所述当前标准特征对应的图像特征的图像特征权重，并确定与所述当前标准特征对应的点云特征的点云特征权重；
15、基于所述图像特征权重、点云特征权重、与当前标准特征对应的图像特征以及与当前标准特征对应的点云特征，进行加权求和处理；
16、基于处理结果确定所述融合特征。
17、在其中一个实施例中，所述基于所述图像特征权重、点云特征权重、与当前标准特征对应的图像特征以及与当前标准特征对应的点云特征，进行加权求和处理，包括：
18、将与当前标准特征对应的图像特征以及与当前标准特征对应的点云特征的特征矩阵调整为相同大小的特征矩阵；
19、基于调整后的所述当前标准特征对应的图像特征的特征矩阵、调整后的所述当前标准特征对应的点云特征的特征矩阵、所述图像特征权重、以及点云特征权重，进行加权求和处理。
20、在其中一个实施例中，所述确定与各图像特征对应的标准特征，并确定与各点云特征对应的标准特征之后，所述方法还包括：
21、建立图像特征与标准特征的第一对应关系，以及点云特征与标准特征的第二对应关系；
22、基于所述第一对应关系，确定与当前标准特征对应的图像特征，基于所述第二对应关系，确定与当前标准特征对应的点云特征。
23、第二方面，本申请还提供了一种目标检测装置，所述装置包括：
24、获取模块，用于获取具有对应关系的待检测图像以及点云数据；
25、特征提取模块，用于对所述待检测图像进行特征提取，得到多个图像特征；对所述点云数据进行特征提取，得到多个点云特征；
26、第一确定模块，用于确定与各图像特征对应的标准特征，并确定与各点云特征对应的标准特征；
27、特征融合模块，用于针对各标准特征，将与当前标准特征对应的图像特征以及与当前标准特征对应的点云特征进行特征融合，得到融合特征；
28、目标检测模块，用于基于所述融合特征，对所述待检测图像进行目标检测。
29、第三方面，本申请还提供了一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时上述各方法实施例中的步骤。
30、第四方面，本申请还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时上述各方法实施例中的步骤。
31、第五方面，本申请还提供了一种计算机程序产品，包括计算机程序，该计算机程序被处理器执行时实现上述各方法实施例中的步骤。
32、上述目标检测方法、装置、计算机设备、存储介质和计算机程序产品，本申请获取具有对应关系的待检测图像以及点云数据后，对待检测图像进行特征提取，得到多个图像特征；对点云数据进行特征提取，得到多个点云特征，确定与各图像特征对应的标准特征，并确定与各点云特征对应的标准特征，这样可以将图像特征和点云特征均映射到为标准特征，从而本申请只需要针对各标准特征，将与当前标准特征对应的图像特征以及与当前标准特征对应的点云特征进行特征融合，就可以将与同一标准特征对应的图像特征和点云特征进行融合得到融合特征，从而基于融合特征对待检测图像进行目标检测，相较于后融合处理算法需要经历的三阶段，只需要进行一个特征融合阶段的计算就可以实现目标检测，计算更加简单，且避免了人为制定规则所带来的融合结果精确度低的问题。
本文档来自技高网...【技术保护点】
1.一种目标检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述确定与各图像特征对应的标准特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述确定与各点云特征对应的标准特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述将与当前标准特征对应的图像特征以及与当前标准特征对应的点云特征进行特征融合，得到融合特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述图像特征权重、点云特征权重、与当前标准特征对应的图像特征以及与当前标准特征对应的点云特征，进行加权求和处理，包括：
6.根据权利要求1所述的方法，其特征在于，所述确定与各图像特征对应的标准特征，并确定与各点云特征对应的标准特征之后，所述方法还包括：
7.一种目标检测装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6中任一项所述的方法的步骤。
9.一种计算机可读存储
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【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：
2.根据权利要求1所述的方法，其特征在于，所述确定与各图像特征对应的标准特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述确定与各点云特征对应的标准特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述将与当前标准特征对应的图像特征以及与当前标准特征对应的点云特征进行特征融合，得到融合特征，包括：
5.根据权利要求4所述的方法，其特征在于，所述基于所述图像特征权重、点云特征权重、与当前标准特征对应的图像特征以及与当前标准特征对应的点云特征，进行加权求和处理，包括：
6.根据权利要求1所述的方...
【专利技术属性】
技术研发人员：石俊杰，
申请(专利权)人：一汽解放汽车有限公司，
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。