【技术实现步骤摘要】
本申请属于自动驾驶，具体涉及一种通用目标检测方法和装置、无人车和存储介质。
技术介绍
1、自动驾驶(autonomous vehicles,avs)中确定周围的环境状态至关重要。准确的状态信息可以帮助运动规划做出及时的规划，从而提供安全且平滑的用户体验。感知环境的传统方法主要提供边界框检测，自动驾驶中主要是基于相机数据或lidar数据的3d对象检测或基于融合方法的检测来实现，然后在跟踪器中对检测到的对象进行运动预测。然而，现有的对象检测大多为基于白名单的检测，即只能检测标注类别内的对象，导致以此为基础的运动预测策略在真实业务的开集场景中准确率不高。
2、公开于该
技术介绍
部分的信息仅仅旨在增加对本申请的总体背景的理解，而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
技术实现思路
1、本申请的目的在于提供一种通用目标检测方法，其用于解决现有的目标检测方法只能检测标注类别内的对象，导致在真实业务场景中检测准确率不高的问题。
2、为实现上述目的，本申请提供了一种通用目标检测方法，所述方法包括：
3、获取目标场景连续帧的点云数据；
4、基于预设点云感知模型，从所述点云数据中感知第一目标集，其中，所述第一目标集中的目标包括第一目标信息；
5、将所述点云数据转换为bev图，并基于时空金字塔网络，从所述bev图中感知第二目标集，其中，所述第二目标集中的目标包括第二目标信息；
6、对所述第一
7、一实施例中，将所述点云数据转换为bev图，并基于时空金字塔网络，从所述bev图中感知第二目标集，具体包括：
8、基于时空金字塔网络，从所述bev图中感知目标单元，其中，所述目标单元包括类别信息、运动预测信息和状态估计信息；
9、对所述目标单元进行聚类，确定所述第二目标集中的目标；
10、基于聚类为同一目标的目标单元的类别信息、运动预测信息和状态估计信息，确定对应目标的第二目标信息。
11、一实施例中，所述方法还包括：
12、基于聚类为同一目标的目标单元外包框，生成对应目标的最小矩形外包框；
13、和/或，采用k-means点云聚类算法对所述目标单元进行聚类；
14、和/或，对聚类为同一目标的目标单元的类别信息、运动预测信息和状态估计信息进行加权求均值，确定对应目标的第二目标信息。
15、一实施例中，所述第一目标集为第二目标集的子集；
16、对所述第一目标集和第二目标集进行并集，确定所述目标场景中目标，具体包括：
17、对所述第一目标集和第二目标集中的目标进行匹配，获得匹配目标和非匹配目标；
18、将所述匹配目标对应的第一目标信息和第二目标信息进行合并，确定为所述匹配目标的通用目标信息；
19、将所述非匹配目标对应的第二目标信息确定为所述非匹配目标的通用目标信息。
20、一实施例中，所述方法还包括：
21、将所述目标场景中的目标与上一帧的跟踪目标进行匹配，获得已跟踪目标和/或非已跟踪目标；
22、计算所述已跟踪目标和/或非已跟踪目标在上一帧和当前帧之间的速度信息，对所述已跟踪目标和/或非已跟踪目标在当前帧的通用目标信息预测量进行修正，获得所述已跟踪目标和/或非已跟踪目标在当前帧的通用目标信息修正量。
23、一实施例中，所述时空金字塔网络包括单元分类头、运动预测头和状态估计头，所述单元分类头用于从bev图中分割出目标单元并感知对应的单元类别信息，所述运动预测头用于预测目标单元的轨迹，所述状态估计头用于估计目标单元的当前运动状态。
24、一实施例中，将所述点云数据转换为bev图，具体包括：
25、将所述点云数据转换为体素数据，其中，所述体素数据以二进制信息表示是否被占据；
26、以所述体素数据的高度信息对应二维图像的通道，将所述体素数据转换为bev图。
27、本申请还提供一种无人车，包括：
28、至少一个处理器；以及
29、存储器，所述存储器存储指令，当所述指令被所述至少一个处理器执行时，使得所述至少一个处理器执行如上所述的通用目标检测方法。
30、本申请还提供一种机器可读存储介质，其存储有可执行指令，所述指令当被执行时使得所述机器执行如上所述的通用目标检测方法。
31、与现有技术相比，根据本申请的通用目标检测方法，通过预设点云感知模型从点云数据中感知第一目标集，并在将所述点云数据转换为bev图后，基于时空金字塔网络，从bev图中感知第二目标集，最后将第一目标集和第二目标集进行并集，确定目标场景中的目标。由于预设点云感知模型可以选用多种成熟模型从点云数据中感知丰富的目标信息(第一目标信息)，而时空金字塔网络可以从点云数据中感知算法白名单之外的目标，两者结合可以在实现通用目标检测的同时，获得更丰富的目标信息。
32、在另一个方面，通用目标信息中关于目标运动的部分都可以以其对应的外包框的运动信息进行确认，这样，在对模型进行训练时，不需要对数据集中的点云运动进行单独标注，从而降低训练成本；同时，通用目标识别的速率得到有效提升，适合工业落地应用。
本文档来自技高网...【技术保护点】
1.一种通用目标检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的通用目标检测方法，其特征在于，将所述点云数据转换为BEV图，并基于时空金字塔网络，从所述BEV图中感知第二目标集，具体包括：
3.根据权利要求2所述的通用目标检测方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的通用目标检测方法，其特征在于，所述第一目标集为第二目标集的子集；
5.根据权利要求4所述的通用目标检测方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的通用目标检测方法，其特征在于，所述时空金字塔网络包括单元分类头、运动预测头和状态估计头，所述单元分类头用于从BEV图中分割出目标单元并感知对应的类别信息，所述运动预测头用于预测目标单元的轨迹，所述状态估计头用于估计目标单元的当前运动状态。
7.根据权利要求1所述的通用目标检测方法，其特征在于，将所述点云数据转换为BEV图，具体包括：
8.一种通用目标检测装置，其特征在于，包括：
9.一种无人车，其特征在于，包括：
10.
...【技术特征摘要】
1.一种通用目标检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的通用目标检测方法，其特征在于，将所述点云数据转换为bev图，并基于时空金字塔网络，从所述bev图中感知第二目标集，具体包括：
3.根据权利要求2所述的通用目标检测方法，其特征在于，所述方法还包括：
4.根据权利要求1所述的通用目标检测方法，其特征在于，所述第一目标集为第二目标集的子集；
5.根据权利要求4所述的通用目标检测方法，其特征在于，所述方法还包括：
6.根据权利要求1所述的通用目标检测方法，其特征在于，所述时空金字...
【专利技术属性】
技术研发人员：栗向滨，张雄，苗乾坤，
申请(专利权)人：新石器慧通北京科技有限公司，
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。