[發明專利]物體檢測方法、裝置、設備、存儲介質及車輛

在審

• 申請號: 201811044827.7
• 申請日: 2018-09-07
• 公開（公告）號: CN109345510A
• 公開（公告）日: 2019-02-15
• 發明（設計）人: 謝遠帆;楊子樞;王亮
• 申請（專利權）人: 百度在線網絡技術（北京）有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

1.一種物體檢測方法，其特征在于，包括：

將場景點云數據輸入預先訓練得到的點云特征抽取模型得到場景的點云描述特征，將場景圖像數據輸入預先訓練得到的圖像特征抽取模型得到場景的圖像描述特征；

將場景中各目標區域的點云描述特征和圖像描述特征輸入預先訓練得到的物體識別模型中，得到位于各目標區域處物體的檢測結果。

2.根據權利要求1所述的方法，其特征在于，將場景中各目標區域的點云描述特征和圖像描述特征輸入預先訓練得到的物體識別模型中之前，還包括：

對場景中各區域的點云描述特征或圖像描述特征進行識別，得到場景中包括的各候選物體，并將候選物體所在區域作為目標區域。

3.根據權利要求1所述的方法，其特征在于，將場景中各目標區域的點云描述特征和圖像描述特征輸入預先訓練得到的物體識別模型中，包括：

依據激光雷達和圖像采集器的參數將各點云目標區域投影到場景圖像上，確定各點云目標區域關聯的各圖像目標區域；

將各點云目標區域的點云描述特征和關聯的各圖像目標區域的圖像描述特征輸入所述物體識別模型。

4.根據權利要求1所述的方法，其特征在于，得到位于各目標區域處物體的檢測結果，包括：

確定位于各目標區域處物體的類別。

5.根據權利要求1所述的方法，其特征在于，得到位于各目標區域處物體的檢測結果，包括：

通過所述物體識別模型修正所述物體的位置；

通過所述物體識別模型確定所述物體的朝向和/或尺寸。

6.根據權利要求1所述的方法，其特征在于，所述物體識別模型是基于全卷積網絡訓練得到的。

7.一種物體檢測裝置，其特征在于，包括：

描述特征獲取模塊，用于將場景點云數據輸入預先訓練得到的點云特征抽取模型得到場景的點云描述特征，將場景圖像數據輸入預先訓練得到的圖像特征抽取模型得到場景的圖像描述特征；

物體檢測輸入模塊，用于將場景中各目標區域的點云描述特征和圖像描述特征輸入預先訓練得到的物體識別模型中；

檢測結果獲取模塊，用于得到位于各目標區域處物體的檢測結果。

8.根據權利要求7所述的裝置，其特征在于，還包括：

目標區域確定模塊，用于在將場景中各目標區域的點云描述特征和圖像描述特征輸入預先訓練得到的物體識別模型中之前，對場景中各區域的點云描述特征或圖像描述特征進行識別，得到場景中包括的各候選物體，并將候選物體所在區域作為目標區域。

9.根據權利要求7所述的裝置，其特征在于，所述物體檢測輸入模塊具體用于：

依據激光雷達和圖像采集器的參數將各點云目標區域投影到場景圖像上，確定各點云目標區域關聯的各圖像目標區域；

將各點云目標區域的點云描述特征和關聯的各圖像目標區域的圖像描述特征輸入所述物體識別模型。

10.根據權利要求7所述的裝置，其特征在于，所述檢測結果獲取模塊具體用于：

確定位于各目標區域處物體的類別。

11.根據權利要求7所述的裝置，其特征在于，所述檢測結果獲取模塊具體用于：

通過所述物體識別模型修正所述物體的位置；

通過所述物體識別模型確定所述物體的朝向和/或尺寸。

12.根據權利要求7所述的裝置，其特征在于，所述物體識別模型是基于全卷積網絡訓練得到的。

13.一種設備，其特征在于，所述設備包括：

一個或多個處理器；

存儲裝置，用于存儲一個或多個程序；

當所述一個或多個程序被所述一個或多個處理器執行，使得所述一個或多個處理器實現如權利要求1-6中任一所述的物體檢測方法。