一种鸟瞰图目标检测方法、系统、存储介质及设备技术方案

本发明专利技术公开了一种鸟瞰图目标检测方法、系统、存储介质及设备，属于BEV视觉检测地图重建领域，该方法包括：S1、输入来自不同摄像头视角的图像，并通过骨干网络提取不同摄像头视角的特征；S2、利用长周期的时间信息，通过变形和拼接重新设计时间编码器，通过设计后的时间编码器处理所述不同摄像头视角的特征；S3、基于步骤S2的处理结果，进一步利用动态可变形注意力提取图像的空间特征；S4、利用前馈网络处理步骤S3中得到的特征，生成最终的BEV特征图；S5、利用最终的BEV特征图进行目标检测。本发明专利技术在鸟瞰视角检测中融合动态可变形注意力，使得查询图像更加全面，计算开销低，同时改进时序编码，能够更好地整合长时间的历史信息，提升检测的鲁棒性和准确性。

【技术实现步骤摘要】

本专利技术涉及bev视觉检测地图重建领域，涉及到transformer神经网络、时序和空间信息融合等技术，尤其涉及一种鸟瞰图目标检测方法、系统、存储介质及设备。

技术介绍

1、鸟瞰图(bird’s-eye-view，bev)，是自动驾驶中常用的一种表示形式，它将车辆周围的三维场景转换为二维平面图像，提供一个从上方观察的“鸟瞰”视角。这种表示方式可以直观地显示车辆在环境中的位置，并清晰地展示周围物体的分布、道路结构、车道线等关键信息。因此，bev表示在自动驾驶任务中非常有用，特别是在感知、规划和控制等方面。

2、近几年来，随着自动驾驶和bev视觉检测的技术的快速发展，环境感知任务和实现高精度的自动驾驶系统成为了关键环节，现有bev算法提出一个名为bevformer的新框架，用时空transformer来学习统一bev表示，来支持多种自动驾驶感知任务，在bev算法中，时序信息的使用是为了更好地处理动态环境中的物体感知与追踪任务。利用连续的时序信息，bev算法可以有效地推断物体的运动状态和轨迹，并处理遮挡等复杂场景问题。特别是在自动驾驶中，车辆需要在本文档来自技高网...

【技术保护点】

1.一种鸟瞰图目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求2所述的鸟瞰图目标检测方法，其特征在于，所述利用长周期的时间信息包括：

3.根据权利要求1所述的鸟瞰图目标检测方法，其特征在于，所述通过变形和拼接重新设计时间编码器，包括：

4.根据权利要求2所述的鸟瞰图目标检测方法，其特征在于，采用双线性插值的方式将过去时刻的特征对齐到当前时刻。

5.根据权利要求3所述的鸟瞰图目标检测方法，其特征在于，通过设计后的时间编码器处理所述不同摄像头视角的特征，包括：

6.根据权利要求5所述的鸟瞰图目标检测方法，其特征在于，所述步...

【技术特征摘要】

1.一种鸟瞰图目标检测方法，其特征在于，包括以下步骤：

2.根据权利要求2所述的鸟瞰图目标检测方法，其特征在于，所述利用长周期的时间信息包括：

3.根据权利要求1所述的鸟瞰图目标检测方法，其特征在于，所述通过变形和拼接重新设计时间编码器，包括：

4.根据权利要求2所述的鸟瞰图目标检测方法，其特征在于，采用双线性插值的方式将过去时刻的特征对齐到当前时刻。

5.根据权利要求3所述的鸟瞰图目标检测方法，其特征在于，通过设计后的时间编码器处理所述不同摄像头视角的特征，包括：

6.根据权利要求5所述的鸟瞰图目...

【专利技术属性】
技术研发人员：张宁，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：