System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本申请涉及图像处理,尤其涉及一种目标检测方法、装置及电子设备。
技术介绍
1、在智能化的自动驾驶车辆中,感知是关键算法之一,而感知要达到无盲区和超视距就必须完成车和路的协同感知。在车和路的协同感知中,路侧感知作为关键算法模块,在以相机作为主传感器的情况时,通常是直接在图像上进行2d框检测与实例分割,然后根据实例分割的结果估计出目标的接地点,再基于单目深度估计的方法将接地点投影到三维空间,从而得到目标的三维位置,以此来实现对目标的检测,进而以便于自动驾驶车辆借助路侧感知的感知结果,提前规划合理的行驶路线。
2、然而,上述路侧感知在检测目标时,需要先验知识才能得到目标准确的三维位置。该先验知识例如地面水平无坡度、路侧相机与地面俯仰角度不变。但由于道路不存在完全水平的道路,且由于受到风雨雪或其他振动的影响,路侧相机存在一定的抖动,使得路侧相机与地面俯仰角度存在变化。因此,上述基于先验知识的路侧感知在检测目标时,导致目标的位置精度存在一定的偏差,难以满足自动驾驶车辆的需求。
技术实现思路
1、本申请提供了一种目标检测方法、装置及电子设备,用以解决路侧感知的位置精度差的问题。具体实现方案如下:
2、第一方面,本申请提供了一种目标检测方法,所述方法包括:
3、获取路侧设备所检测的目标图像,并基于第一目标特征提取网络,提取所述目标图像的第一特征;
4、基于鸟瞰图bev空间转换,将所述第一特征转换为多维网格特征;
5、基于第二目标特征提取
6、将所述第二特征输入所述目标检测网络,得到所述目标图像对应的检测结果。
7、通过上述申请实施例,基于bev空间转换,将第一目标特征提取网络针对路侧设备检测的目标图像所提取的第一特征转换为了bev视角下的多维网格特征,并基于第二特征提取网络进一步的提取多维网格特征,以提取目标图像更深层次的特征,并且使得得到的第二特征的形式符合目标检测网络的输入形式,再基于目标检测网络对得到的第二特征进行检测,得到目标图像对应的检测结果,使得对目标进行检测时无需基于先验知识(如地面水平无坡度、路侧相机与地面俯仰角度不变)即可得到准确的检测结果,从而提高了路侧感知的位置精度,并在道路有坡度、路侧设备存在轻微抖动的场景下具有很好的适应性。同时,该方式只需同一个时刻下的图像,即可对目标进行检测,从而得到检测结果,在不降低检测结果的准确性的前提下,减少了算力需求。
8、在一种可能的实施方式中,在所述获取路侧设备所检测的目标图像,并基于第一目标特征提取网络,提取所述目标图像的第一特征之前,还包括:
9、获取所述路侧设备所检测的历史图像;
10、基于所述历史图像,训练第一原始特征提取网络,得到第一特征提取网络,若所述第一特征提取网络符合第一预设条件,将所述第一特征提取网络作为所述第一目标特征提取网络;以及,
11、基于所述历史图像,训练第二原始特征提取网络,得到第二特征提取网络,若所述第二特征提取网络符合第二预设条件,将所述第二特征提取网络作为所述第二目标特征提取网络。
12、在一种可能的实施方式中,所述获取路侧设备所检测的目标图像,包括:
13、获取所述路侧设备所检测的原始目标图像;
14、基于所述路侧设备的内参与外参的标定以及图像预处理方式,对所述原始目标图像进行预处理,得到所述目标图像。
15、在一种可能的实施方式中,所述基于鸟瞰图bev空间转换,将所述第一特征转换为多维网格特征,包括:
16、针对所述第一特征中的每一个像素点进行深度估计,得到视锥点云;
17、基于所述视锥点云的位置信息,将所述视锥点云分配至bev网格,得到所述多维网格特征。
18、在一种可能的实施方式中,所述检测结果包括目标的类别、位置、宽度、高度、长度、航向角与速度。
19、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:
20、第一特征提取模块,用于获取路侧设备所检测的目标图像,并基于第一目标特征提取网络,提取所述目标图像的第一特征;
21、转换模块,用于基于鸟瞰图bev空间转换,将所述第一特征转换为多维网格特征;
22、第二特征提取模块,用于基于第二目标特征提取网络,提取所述多维网格特征的第二特征;其中,所述第二特征的形式符合目标检测网络的输入形式;
23、处理模块,用于将所述第二特征输入所述目标检测网络,得到所述目标图像对应的检测结果。
24、在一种可能的实施方式中,所述第一特征提取模块,具体用于获取所述路侧设备所检测的历史图像;基于所述历史图像,训练第一原始特征提取网络,得到第一特征提取网络,若所述第一特征提取网络符合第一预设条件,将所述第一特征提取网络作为所述第一目标特征提取网络;以及,基于所述历史图像,训练第二原始特征提取网络,得到第二特征提取网络,若所述第二特征提取网络符合第二预设条件,将所述第二特征提取网络作为所述第二目标特征提取网络。
25、在一种可能的实施方式中,所述第一特征提取模块,具体用于获取所述路侧设备所检测的原始目标图像;基于所述路侧设备的内参与外参的标定以及图像预处理方式,对所述原始目标图像进行预处理,得到所述目标图像。
26、在一种可能的实施方式中,所述转换模块,具体用于针对所述第一特征中的每一个像素点进行深度估计,得到视锥点云;基于所述视锥点云的位置信息,将所述视锥点云分配至bev网格,得到所述多维网格特征。
27、在一种可能的实施方式中,所述检测结果包括目标的类别、位置、宽度、高度、长度、航向角与速度。
28、第三方面,本申请提供了一种电子设备,包括:
29、存储器,用于存放计算机程序;
30、处理器,用于执行所述存储器上所存放的计算机程序时,实现上述的一种目标检测方法步骤。
31、第四方面,本申请提供了一种计算机可读存储介质,计算机可读存储介质内存储有计算机程序,计算机程序被处理器执行时实现上述的一种目标检测方法步骤。
32、上述第二方面至第四方面中的各个方面以及各个方面可能达到的技术效果请参照上述针对第一方面或第一方面中的各种可能方案可以达到的技术效果说明,这里不再重复赘述。
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,包括:
2.如权利要求1所述的方法,其特征在于,在所述获取路侧设备所检测的目标图像,并基于第一目标特征提取网络,提取所述目标图像的第一特征之前,还包括:
3.如权利要求1所述的方法,其特征在于,所述获取路侧设备所检测的目标图像,包括:
4.如权利要求1所述的方法,其特征在于,所述基于鸟瞰图BEV空间转换,将所述第一特征转换为多维网格特征,包括:
5.如权利要求1所述的方法,其特征在于,所述检测结果包括目标的类别、位置、宽度、高度、长度、航向角与速度。
6.一种目标检测装置,其特征在于,包括:
7.如权利要求6所述的装置,其特征在于,所述第一特征提取模块,用于获取所述路侧设备所检测的原始目标图像;
8.如权利要求6所述的装置,其特征在于,所述转换模块,用于针对所述第一特征中的每一个像素点进行深度估计,得到视锥点云;
9.一种电子设备,其特征在于,包括:
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质内存储有计算机程序,所述计
...【技术特征摘要】
1.一种目标检测方法,其特征在于,包括:
2.如权利要求1所述的方法,其特征在于,在所述获取路侧设备所检测的目标图像,并基于第一目标特征提取网络,提取所述目标图像的第一特征之前,还包括:
3.如权利要求1所述的方法,其特征在于,所述获取路侧设备所检测的目标图像,包括:
4.如权利要求1所述的方法,其特征在于,所述基于鸟瞰图bev空间转换,将所述第一特征转换为多维网格特征,包括:
5.如权利要求1所述的方法,其特征在于,所述检测结果包括目标的类别、位置、宽度、高度、长度、航向角...
【专利技术属性】
技术研发人员:金黎明,
申请(专利权)人:浙江绿色智行科创有限公司,
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。