[發(fā)明專(zhuān)利]物體檢測(cè)方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及車(chē)輛

在審

• 申請(qǐng)?zhí)枺?/td>: 201811044827.7
• 申請(qǐng)日: 2018-09-07
• 公開(kāi)（公告）號(hào): CN109345510A
• 公開(kāi)（公告）日: 2019-02-15
• 發(fā)明（設(shè)計(jì)）人: 謝遠(yuǎn)帆;楊子樞;王亮
• 申請(qǐng)（專(zhuān)利權(quán)）人: 百度在線(xiàn)網(wǎng)絡(luò)技術(shù)（北京）有限公司
• 主分類(lèi)號(hào): G06T7/00
• 分類(lèi)號(hào): G06T7/00
• 代理公司: 北京品源專(zhuān)利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明實(shí)施例公開(kāi)了一種物體檢測(cè)方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及車(chē)輛。其中，該方法包括：將場(chǎng)景點(diǎn)云數(shù)據(jù)輸入預(yù)先訓(xùn)練得到的點(diǎn)云特征抽取模型得到場(chǎng)景的點(diǎn)云描述特征，將場(chǎng)景圖像數(shù)據(jù)輸入預(yù)先訓(xùn)練得到的圖像特征抽取模型得到場(chǎng)景的圖像描述特征；將場(chǎng)景中各目標(biāo)區(qū)域的點(diǎn)云描述特征和圖像描述特征輸入預(yù)先訓(xùn)練得到的物體識(shí)別模型中，得到位于各目標(biāo)區(qū)域處物體的檢測(cè)結(jié)果。本發(fā)明的技術(shù)方案，相比于現(xiàn)有的后融合多傳感器檢測(cè)方案，該方案相當(dāng)于特征的前融合多傳感器檢測(cè)方案，不需要應(yīng)用規(guī)則以及概率作為融合的基礎(chǔ)進(jìn)行數(shù)據(jù)關(guān)聯(lián)，在檢測(cè)出物體的同時(shí)，簡(jiǎn)化了檢測(cè)流程。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及傳感器技術(shù)領(lǐng)域，尤其涉及一種物體檢測(cè)方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及車(chē)輛。

背景技術(shù)

隨著傳感器技術(shù)的發(fā)展，同時(shí)采用多個(gè)傳感器對(duì)同一物體或環(huán)境等進(jìn)行檢測(cè)，并將多個(gè)傳感器的檢測(cè)數(shù)據(jù)進(jìn)行融合處理得到的檢測(cè)結(jié)果，相比于單一傳感器對(duì)同一物體或環(huán)境等進(jìn)行檢測(cè)的結(jié)果更全面和準(zhǔn)確等。因此多傳感器融合檢測(cè)多應(yīng)用于物體檢測(cè)或目標(biāo)跟蹤等領(lǐng)域。

目前，多傳感器融合檢測(cè)方案中主要采用的是后融合多傳感器檢測(cè)方案。一個(gè)典型的后融合處理過(guò)程如圖1所示相當(dāng)于結(jié)果融合，傳感器1和2分別將傳感數(shù)據(jù)傳輸?shù)絻蓚€(gè)不同的檢測(cè)器中，得到第一對(duì)象特征和第二對(duì)象特征，對(duì)第一對(duì)象特征和第二對(duì)象特征通過(guò)最大化后驗(yàn)概率的方式進(jìn)行融合得到對(duì)象特征。

而現(xiàn)有的后融合多傳感器檢測(cè)方案，需要規(guī)則以及概率作為融合的基礎(chǔ)進(jìn)行數(shù)據(jù)關(guān)聯(lián)，一方面流程較長(zhǎng)，引起更高的延遲；另一方面不能使用數(shù)據(jù)驅(qū)動(dòng)對(duì)整個(gè)融合系統(tǒng)優(yōu)化。因此提供一個(gè)新的多傳感器融合方案來(lái)實(shí)現(xiàn)物體檢測(cè)是十分必要的。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供一種物體檢測(cè)方法、裝置、設(shè)備、存儲(chǔ)介質(zhì)及車(chē)輛，實(shí)現(xiàn)了物體檢測(cè)，同時(shí)簡(jiǎn)化了檢測(cè)流程。

第一方面，本發(fā)明實(shí)施例提供了一種物體檢測(cè)方法，包括：

將場(chǎng)景點(diǎn)云數(shù)據(jù)輸入預(yù)先訓(xùn)練得到的點(diǎn)云特征抽取模型得到場(chǎng)景的點(diǎn)云描述特征，將場(chǎng)景圖像數(shù)據(jù)輸入預(yù)先訓(xùn)練得到的圖像特征抽取模型得到場(chǎng)景的圖像描述特征；

將場(chǎng)景中各目標(biāo)區(qū)域的點(diǎn)云描述特征和圖像描述特征輸入預(yù)先訓(xùn)練得到的物體識(shí)別模型中，得到位于各目標(biāo)區(qū)域處物體的檢測(cè)結(jié)果。

第二方面，本發(fā)明實(shí)施例還提供了一種物體檢測(cè)裝置，該裝置包括：

描述特征獲取模塊，用于將場(chǎng)景點(diǎn)云數(shù)據(jù)輸入預(yù)先訓(xùn)練得到的點(diǎn)云特征抽取模型得到場(chǎng)景的點(diǎn)云描述特征，將場(chǎng)景圖像數(shù)據(jù)輸入預(yù)先訓(xùn)練得到的圖像特征抽取模型得到場(chǎng)景的圖像描述特征；

物體檢測(cè)輸入模塊，用于將場(chǎng)景中各目標(biāo)區(qū)域的點(diǎn)云描述特征和圖像描述特征輸入預(yù)先訓(xùn)練得到的物體識(shí)別模型中；

檢測(cè)結(jié)果獲取模塊，用于得到位于各目標(biāo)區(qū)域處物體的檢測(cè)結(jié)果。

第三方面，本發(fā)明實(shí)施例還提供了一種設(shè)備，該設(shè)備包括：

一個(gè)或多個(gè)處理器；

存儲(chǔ)裝置，用于存儲(chǔ)一個(gè)或多個(gè)程序；

當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)第一方面中任意所述的物體檢測(cè)方法。

第四方面，本發(fā)明實(shí)施例還提供了一種存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)第一方面中任意所述的物體檢測(cè)方法。

第五方面，本發(fā)明實(shí)施例提供了一種車(chē)輛，包括車(chē)體，所述車(chē)體上設(shè)置有如本發(fā)明任意實(shí)施例提供的設(shè)備，以及與所述設(shè)備通信連接的激光雷達(dá)和圖像采集器。