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】
本专利技术实施例涉及通信领域,具体而言,涉及一种目标的检测方法及装置。
技术介绍
1、相关领域中,通常使用视觉技术或者雷达技术对环境中的目标进行检测。视觉技术在目标识别方面有很强的能力,但受环境影响大。雷达技术受环境、光照等因素影响小,但无法提供丰富的目标信息和外貌特征。
2、雷视融合技术融合了视觉技术和雷达技术,将视觉技术和雷达技术融合可以避免单独使用视觉技术或雷达技术时的缺点。但是目前的雷视融合技术对视觉数据和雷达数据的精度要求较高,否则会产生误差漂移,并逐渐放大误差。
3、例如专利cn114724120b提供了基于雷视语义分割自适应融合的车辆目标检测方法及系统,该方法受特殊环境影响大,视觉图片误检漏检多时,其融合的特征精度也会较差。
4、专利cn114842643b视频车辆检测模型在线更新方法、装置及雷视融合系统,该方法对视觉检测和雷达数据精度要求高,否则会产生误差漂移,并逐渐放大误差。
5、针对上述问题,目前尚未存在有效的解决方案。
技术实现思路
1、本专利技术实施例提供了一种目标的检测方法及装置,以至少解决相关技术中目标检测的准确率较低的问题。
2、根据本专利技术的一个实施例,提供了一种目标的检测方法,包括:获取样本对象特征集合,其中,所述样本对象特征集合中包括:样本视觉图像特征、样本雷达点云图像特征和样本文本特征;确定所述样本视觉图像特征、样本雷达点云图像特征和样本文本特征之间的相似度矩阵;通过所述相似度矩阵对
3、在一个示例性实施例中,确定所述样本视觉图像特征、样本雷达点云图像特征和样本文本特征之间的相似度矩阵,包括:确定所述样本视觉图像特征和所述样本雷达点云图像特征之间的相似度,得到第一相似度矩阵,其中,所述第一相似度矩阵中位于对角线上的特征相似度最大;确定所述样本视觉图像特征和所述样本文本特征之间的相似度,得到第二相似度矩阵,其中,所述第二相似度矩阵中位于对角线上的特征相似度最大;确定所述样本雷达点云图像特征和所述样本文本特征之间的相似度,得到第三相似度矩阵其中,所述第三相似度矩阵中位于对角线上的特征相似度最大。
4、在一个示例性实施例中,通过所述相似度矩阵对检测模型进行训练,得到目标检测模型,包括:将所述第一相似度矩阵、所述第二相似度矩阵和所述第三相似度矩阵输入所述检测模型,得到所述检测模型对所述样本对象特征集合中的样本目标的预估检测标签;在所述预估检测标签与所述样本目标的已知标签满足预设收敛条件的情况下,得到所述目标检测模型。
5、在一个示例性实施例中,所述方法还包括:在所述预估检测标签与所述样本目标的已知标签不满足预设收敛条件的情况下,修改所述检测模型的模型参数,继续对所述检测模型进行训练。
6、在一个示例性实施例中,所述获取样本对象特征集合包括:获取样本对象特征集合,其中,所述样本对象特征集合包括:样本视觉图像、样本雷达点云图像和样本文本;使用特征编码模型对所述样本对象特征集合进行特征编码,得到所述样本对象特征集合。
7、在一个示例性实施例中,在所述得到目标检测模型之后,所述方法还包括:获取待检测对象,其中,所述待检测对象为待检测视觉图像,或者是待检测雷达点云图像,或者是待检测视觉图像、待检测雷达点云图像、待检测文本中的任意两个或三个的组合;将所述待检测对象输入所述目标检测模型,通过所述目标检测模型对所述待检测对象中的目标进行检测,得到检测结果。
8、在一个示例性实施例中,通过所述目标检测模型对所述待检测对象中的目标进行检测,得到检测结果,包括:通过所述目标检测模型对所述待检测对象中的目标进行检测,得到目标检测框,其中,所述目标检测框中为检测出的目标;通过所述目标检测模型识别所述检测框中目标的类别,得到所述目标的检测标签。
9、根据本专利技术的另一个实施例,提供了一种目标的目标的检测装置,包括:获取模块,用于获取样本对象特征集合,其中,所述样本对象特征集合中包括:样本视觉图像特征、样本雷达点云图像特征和样本文本特征;确定模块,用于确定所述样本视觉图像特征、样本雷达点云图像特征和样本文本特征之间的相似度矩阵;训练模块,用于通过所述相似度矩阵对检测模型进行训练,得到目标检测模型,其中,所述目标检测模型用于对视觉图像、雷达点云图像中的目标进行检测。
10、根据本专利技术的又一个实施例,还提供了一种计算机可读存储介质,所述计算机可读存储介质中存储有计算机程序,其中,所述计算机程序被处理器执行时实现上述任一项中所述的方法的步骤。
11、根据本专利技术的又一个实施例,还提供了一种电子装置,包括存储器和处理器,所述存储器中存储有计算机程序,所述处理器被设置为运行所述计算机程序以执行上述任一项方法实施例中的步骤。
12、在本专利技术中,通过获取样本对象特征集合,样本对象特征集合包括:样本视觉图像特征、样本雷达点云图像特征和样本文本特征,确定所述样本视觉图像特征、样本雷达点云图像特征和样本文本特征之间的相似度矩阵;通过相似度矩阵对检测模型进行训练,得到目标检测模型,目标检测模型用于对视觉图像、雷达点云图像中的目标进行检测。由于在对检测模型进行训练时融合了文本特征,达到减少误差的目的,因此,可以解决目标检测的准确率较低的问题,达到提高目标检测的准确率的效果。
本文档来自技高网...【技术保护点】
1.一种目标的检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,确定所述样本视觉图像特征、样本雷达点云图像特征和样本文本特征之间的相似度矩阵,包括:
3.根据权利要求2所述的方法,其特征在于,通过所述相似度矩阵对检测模型进行训练,得到目标检测模型,包括:
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
5.根据权利要求1所述的方法,所述获取样本对象特征集合包括:
6.根据权利要求1至5中任一项所述的方法,其特征在于,在所述得到目标检测模型之后,所述方法还包括:
7.根据权利要求6所述的方法,其特征在于,通过所述目标检测模型对所述待检测对象中的目标进行检测,得到检测结果,包括:
8.一种目标的检测装置,其特征在于,包括:
9.一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中存储有计算机程序,其中,所述计算机程序被处理器执行时实现所述权利要求1至7任一项中所述的方法的步骤。
10.一种电子装置,包括存储器和处理器,其特征在于,所述存
...【技术特征摘要】
1.一种目标的检测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,确定所述样本视觉图像特征、样本雷达点云图像特征和样本文本特征之间的相似度矩阵,包括:
3.根据权利要求2所述的方法,其特征在于,通过所述相似度矩阵对检测模型进行训练,得到目标检测模型,包括:
4.根据权利要求3所述的方法,其特征在于,所述方法还包括:
5.根据权利要求1所述的方法,所述获取样本对象特征集合包括:
6.根据权利要求1至5中任一项所述的方法,其特征在于,在所述得到目标检测模型之后,所述方法...
【专利技术属性】
技术研发人员:林亦宁,陈庆,
申请(专利权)人:上海闪马智能科技有限公司,
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。