【技术实现步骤摘要】
本申请涉及自动驾驶，具体而言，涉及一种目标检测模型构建方法、装置及目标检测系统。
技术介绍
1、目前，自动驾驶面临的核心挑战之一是实现可靠准确的环境感知。这对安全驾驶至关重要，因为感知模块接收的信息直接影响核心驾驶决策，决定车辆的路径规划。现有的目标检测模型，通常需根据前置摄像头的视觉感知来实时获取场景中物体的位置和类别以规划无碰撞路径。对于不同推理时间下yolov5检测模型的变体，通常较大的模型性能更好，但其计算需求也较大，而车辆的计算资源和功耗有限，难以支持较大模型的运行。可见，现有方法通常都是在汽车端进行数据的处理和目标检测，计算量大，车载硬件受到成本和功耗的限制，难以支持运行大型模型，从而降低了目标检测的精确度和效率。
技术实现思路
1、本申请实施例的目的在于提供一种目标检测模型构建方法、装置及目标检测系统，能够通过边缘计算实现在有限的计算资源下有效进行目标检测，减少了车辆端的计算量，提高了目标检测的精确度和效率。
2、本申请第一方面提供了一种目标检测模型构建方法，所述方法应用于边缘计算单元，包括：
3、预先构建e-yolov5网络结构；其中，所述e-yolov5网络结构包括focus模块、cbl模块、残差单元、csp1_x块、csp2_x块、spp模块、csm块；
4、使用kitti数据集获取自主车前方的图像样本；其中，所述图像样本包括3d边界框样本和自主车前方的视觉图像样本；
5、将所述3d边界框样本投影到摄像头帧坐标系中
6、通过所述2d边界框和所述视觉图像样本对所述e-yolov5网络结构进行训练，得到训练好的e-yolov5网络结构；
7、通过所述2d边界框对所述训练好的e-yolov5网络结构进行检测质量评估，得到评估结果；
8、在所述评估结果超过预设阈值时，则将所述训练好的e-yolov5网络结构确定为目标检测模型；
9、通过所述目标检测模型对目标车辆通过无线连接发送的实时视觉图像进行目标检测处理，得到目标检测结果；
10、将所述目标检测结果通过无线连接反馈至所述目标车辆。
11、进一步地，所述focus模块用于提取所述视觉图像样本的局部特征；
12、所述cbl模块包括卷积、批归一化、leaky relu激活函数；
13、所述csp1_x块与所述csp2_x块用于增加所述e-yolov5网络结构的学习能力和效率；
14、所述spp模块用于从提取出的图像特征中提取空间特征；
15、所述csm块用于对特征图的通道进行混洗。
16、进一步地，所述通过所述目标检测模型对目标车辆通过无线连接发送的实时视觉图像进行目标检测处理，得到目标检测结果，包括：
17、接收目标车辆通过基站传输的实时视觉图像；
18、对所述实时视觉图像进行解压缩处理，得到解压缩图像；
19、通过所述目标检测模型对所述解压缩图像进行目标检测处理，得到目标检测结果。
20、进一步地，所述评估结果至少包括精确率、召回率、平均精度、检测到的物体与真实边界框的交并比以及所述平均精度的平均值。
21、本申请第二方面提供了一种目标检测模型构建装置，所述目标检测模型构建装置应用于边缘计算单元，包括：
22、构建单元，用于预先构建e-yolov5网络结构；其中，所述e-yolov5网络结构包括focus模块、cbl模块、残差单元、csp1_x块、csp2_x块、spp模块、csm块；
23、获取单元，用于使用kitti数据集获取自主车前方的图像样本；其中，所述图像样本包括3d边界框样本和自主车前方的视觉图像样本；
24、投影单元，用于将所述3d边界框样本投影到摄像头帧坐标系中，得到用于训练和评估所述e-yolov5网络结构的2d边界框；
25、训练单元，用于通过所述2d边界框和所述视觉图像样本对所述e-yolov5网络结构进行训练，得到训练好的e-yolov5网络结构；
26、模型评估单元，用于通过所述2d边界框对所述训练好的e-yolov5网络结构进行检测质量评估，得到评估结果；
27、确定单元，用于在所述评估结果超过预设阈值时，则将所述训练好的e-yolov5网络结构确定为目标检测模型；
28、目标检测单元，用于通过所述目标检测模型对目标车辆通过无线连接发送的实时视觉图像进行目标检测处理，得到目标检测结果；
29、反馈单元，用于将所述目标检测结果通过无线连接反馈至所述目标车辆。
30、进一步地，所述focus模块用于提取所述视觉图像样本的局部特征；
31、所述cbl模块包括卷积、批归一化、leaky relu激活函数；
32、所述csp1_x块与所述csp2_x块用于增加所述e-yolov5网络结构的学习能力和效率；
33、所述spp模块用于从提取出的图像特征中提取空间特征；
34、所述csm块用于对特征图的通道进行混洗。
35、进一步地，所述目标检测单元包括：
36、接收子单元，用于接收目标车辆通过基站传输的实时视觉图像；
37、解压缩子单元，用于对所述实时视觉图像进行解压缩处理，得到解压缩图像；
38、检测子单元，用于通过所述目标检测模型对所述解压缩图像进行目标检测处理，得到目标检测结果。
39、进一步地，所述评估结果至少包括精确率、召回率、平均精度、检测到的物体与真实边界框的交并比以及所述平均精度的平均值。
40、本申请第三方面提供了一种目标检测系统，所述目标检测系统包括目标车辆、核心网络、边缘计算单元和基站，其中，
41、所述目标车辆实时获取车前方的实时视觉图像；
42、所述目标车辆通过无线连接将所述实时视觉图像发送至所述基站；
43、所述基站架通过所述核心网络将所述实时视觉图像发送至所述边缘计算单元；
44、所述边缘计算单元通过预先构建的目标检测模型对所述实时视觉图像进行目标检测处理，得到目标检测结果；其中，所述目标检测模型为e-yolov5网络结构；
45、所述边缘计算单元通过所述核心网络将所述目标检测结果发送至所述基站；
46、所述基站将所述目标检测结果发送至所述目标车辆。
47、进一步地，所述目标车辆实时获取车前方的实时视觉图像，包括：
48、所述目标车辆实时获取车前方视觉图像；
49、所述目标车辆使用python imaging library库对所述车前方视觉图像进行本地压缩处理，得到压缩后的实时视觉图像。
50、本申请第四方面提供了一种电子设备，包括存储器以及处理器，所述存储器用于本文档来自技高网...
【技术保护点】
1.一种目标检测模型构建方法，其特征在于，所述方法应用于边缘计算单元，包括：
2.根据权利要求1所述的目标检测模型构建方法，其特征在于，所述Focus模块用于提取所述视觉图像样本的局部特征；
3.根据权利要求1所述的目标检测模型构建方法，其特征在于，所述通过所述目标检测模型对目标车辆通过无线连接发送的实时视觉图像进行目标检测处理，得到目标检测结果，包括：
4.根据权利要求1所述的目标检测模型构建方法，其特征在于，所述评估结果至少包括精确率、召回率、平均精度、检测到的物体与真实边界框的交并比以及所述平均精度的平均值。
5.一种目标检测系统，其特征在于，所述目标检测系统包括目标车辆、核心网络、边缘计算单元和基站，其中，
6.根据权利要求5所述的目标检测系统，其特征在于，所述目标车辆实时获取车前方的实时视觉图像，包括：
7.一种目标检测模型构建装置，其特征在于，所述目标检测模型构建装置应用于边缘计算单元，包括：
8.根据权利要求7所述的目标检测模型构建装置，其特征在于，所述目标检测单元包括：
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。