目标检测方法、目标检测装置，设备以及计算机存储介质制造方法及图纸

本申请提出一种目标检测方法、目标检测装置，目标检测设备以及计算机存储介质。所述目标检测方法包括：获取待检测图像；将所述待检测图像输入二维检测模型，获取二维检测信息；其中，所述二维检测信息包括目标二维信息；将所述待检测图像输入三维检测模型，获取三维检测信息；基于所述目标二维信息在所述二维检测信息中的位置信息，在所述三维检测信息获取所述待检测图像的目标三维信息；基于所述目标二维信息和所述目标三维信息，获取所述待检测图像中的目标检测结果。通过上述目标检测方法，将三维检测与二维检测进行耦合，在保证召回和精度的同时预测出目标的三维信息，提升目标检测结果的可靠性。

【技术实现步骤摘要】

本申请涉及目标检测，特别是涉及一种目标检测方法、目标检测装置，目标检测设备以及计算机存储介质。

技术介绍

1、基于视觉图像的感知缺乏3d信息，无法直接用于智能辅助驾驶功能。

2、目前主流的做法分为三点，一是基于传统的卷积网络，预测出障碍物的伪3d信息，包含图像的2d包围框、车的车头框或者车尾框、车的方向线、以及车的子类别属性(轿车、卡车、公交车)，然后基于平面假设，利用图像接地点(2d包围框的底部)或者障碍物的宽度、高度信息，根据相似三角形原理进行测距，该方法依赖较强的先验假设，测距不稳定。

3、二是基于bev(bird's eye view鸟瞰图)的深度学习方法，直接预测出相机坐标系下的障碍物位置、尺寸、航向角信息，该方法受限于感知距离短，同时车载芯片的算力以及算子支持程度低，应用范围被严重限制。

4、三是基于单目3d的方法，该方法是第一种技术路线与第二种路线的折中，基于基础的卷积算子完成3d信息的预测，具有较好的可移植性。但是受限于真值的质量，真值一般是由基于激光雷达传感器获得的点云，在点云作为输入的视觉算法里获得，本文档来自技高网...

【技术保护点】

1.一种目标检测方法，其特征在于，所述目标检测方法包括：

2.根据权利要求1所述的目标检测方法，其特征在于，

3.根据权利要求1所述的目标检测方法，其特征在于，

4.根据权利要求3所述的目标检测方法，其特征在于，

5.根据权利要求1所述的目标检测方法，其特征在于，

6.根据权利要求5所述的目标检测方法，其特征在于，

7.根据权利要求6所述的目标检测方法，其特征在于，

8.一种目标检测装置，其特征在于，所述目标检测装置包括：图像获取模块、二维检测模块、三维检测模块，以及目标检测模块；其中，

9....

【技术特征摘要】

1.一种目标检测方法，其特征在于，所述目标检测方法包括：

2.根据权利要求1所述的目标检测方法，其特征在于，

3.根据权利要求1所述的目标检测方法，其特征在于，

4.根据权利要求3所述的目标检测方法，其特征在于，

5.根据权利要求1所述的目标检测方法，其特征在于，

6.根据权利要求5所述的目标检测方法，其特征在于，

7.根据权利要求6所述的目标检测方...

【专利技术属性】
技术研发人员：黄刚，谢钱昆，
申请(专利权)人：浙江零跑科技股份有限公司，
类型：发明
国别省市：