一种2.5D车辆检测方法、终端设备及存储介质技术

本发明专利技术公开了一种2.5D车辆检测方法、终端设备及存储介质，该方法包括如下步骤：构建Anchor‑Based多任务目标检测网络；对Anchor‑Based多任务目标检测网络的网络参数进行训练；采用训练后的Anchor‑Based多任务目标检测网络对待测图像中车辆目标的2D框以及车辆目标底面的四个角点进行预测；基于Anchor‑Based多任务目标检测网络的预测结果，输出车辆目标在待测图像中2D框以及车体坐标系下的位置与朝向。本发明专利技术以用于目标检测领域，可以基于深度学习单阶段Anchor‑Based目标检测网络实现单目图像2.5D车辆目标检测，其预测时间可以有效地满足车端的实时要求。

【技术实现步骤摘要】

本专利技术涉及目标检测，具体是一种2.5d车辆检测方法、终端设备及存储介质。

技术介绍

1、在智能驾驶领域，对于车辆的检测是保障无人驾驶车辆安全行驶的关键性任务之一。迄今，已经有多种传感模式用于道路车辆检测，包括毫米波雷达、激光雷达和相机。随着相机传感和计算技术的进步，利用单目视觉、立体视觉和基于视觉的多传感器融合进行车辆检测的进展已成为智能车辆领域中一个极其活跃的研究领域。

2、目前，基于图像的车辆检测方法主要分为2d车辆检测和3d车辆检测两大类。其中，2d车辆检测使用机器学习或者深度学习的方法，从图像中直接提取车辆所在区域的矩形框或旋转矩形框，常用于交通流量统计、基于相机的多传感器融合的语义信息；3d车辆检测使用深度学习的方法，从单图像或者相关联的多组图像(立体视觉、环视图像)中检测车辆在空间中的3d信息，包括位置、长宽高、朝向，常用于智能车辆的自主决策的输入源。

3、2d车辆检测的输出结果是在图像坐标系，无法感知目标的真实位置，且无法在2d矩形框中识别车辆的正面、侧面、尾面和朝向信息。3d车辆检测训练时3d样本无法通过相机直接本文档来自技高网...

【技术保护点】

1.一种2.5D车辆检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的2.5D车辆检测方法，其特征在于，步骤1中，所述Anchor-Based多任务目标检测网络由BackBone骨干网络、Neck特征融合网络、DetectionHead检测头三部分组成；

3.根据权利要求2所述的2.5D车辆检测方法，其特征在于，Anchor-Based多任务目标检测网络中，在DetectionHead检测头进行多特征尺度预测后，使用变换层将多特征尺度的相当于预设Anchor的预测进行拼接，为：

4.根据权利要求3所述的2.5D车辆检测方法，其特征在于，步骤...

【技术特征摘要】

1.一种2.5d车辆检测方法，其特征在于，包括如下步骤：

2.根据权利要求1所述的2.5d车辆检测方法，其特征在于，步骤1中，所述anchor-based多任务目标检测网络由backbone骨干网络、neck特征融合网络、detectionhead检测头三部分组成；

3.根据权利要求2所述的2.5d车辆检测方法，其特征在于，anchor-based多任务目标检测网络中，在detectionhead检测头进行多特征尺度预测后，使用变换层将多特征尺度的相当于预设anchor的预测进行拼接，为：

4.根据权利要求3所述的2.5d车辆检测方法，其特征在于，步骤2具体包括：

5.根据权利要求4所述的2.5d车辆检测方法，其特征在于，步骤2.1中，所述对于批次内的任意一帧数据中的目标和预设anchor进行编码，具体为：

6.根据权利要求4所述的2.5d车辆检测方法，其特征在于，步骤...

【专利技术属性】
技术研发人员：安向京，孟德远，胡庭波，
申请(专利权)人：长沙行深智能科技有限公司，
类型：发明
国别省市：