[發明專利]一種目標對象的檢測方法、裝置、設備和存儲介質

在審

• 申請號: 202011196088.0
• 申請日: 2020-10-30
• 公開（公告）號: CN113762003A
• 公開（公告）日: 2021-12-07
• 發明（設計）人: 劉浩;徐卓然;許新玉
• 申請（專利權）人: 北京京東乾石科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發明實施例公開了一種目標對象的檢測方法、裝置、設備及存儲介質。該方法包括：將獲取的三維點云數據壓縮至鳥瞰圖視角的待檢測圖像；將待檢測圖像輸入預先訓練出的目標檢測模型，根據目標檢測模型的輸出結果確定待檢測圖像中包含的對象的類型和位置；其中，目標檢測模型中包含主干網絡和檢測器，檢測器包含至少兩個并聯的子檢測模塊，不同子檢測模塊對應的尺寸大小不同。本發明實施例通過將待檢測圖像輸入到包含主干網絡和對應不同尺寸大小的至少兩個并聯的子檢測模塊的目標檢測模型中，解決了現有技術中目標對象檢測結果不準確的問題，在自動駕駛領域中，提高了對不同尺寸大小的障礙物的識別能力，進而保證了自動駕駛過程中的安全性。

技術領域

本發明實施例涉及自動駕駛技術領域，尤其涉及一種目標對象的檢測方法、裝置、設備和存儲介質。

背景技術

為確保運行的安全性，自動駕駛車輛必須對可能阻礙行駛的障礙物進行檢測識別，以便根據不同的障礙物類型和狀態做出合理的回避動作。目前，自動駕駛中最為成熟的檢測方案為激光雷達點云的BEV(Bird’s-eye View)檢測，即將三維點云數據壓縮至鳥瞰圖視角的圖像數據，然后送入2D目標檢測算法進行檢測。

在實現本發明的過程中，發明人發現現有技術中至少存在如下問題：

基于RGB圖像視覺上的目標檢測算法皆可以用于BEV檢測，如SSD(Single ShotDetection)、YOLO(You Only Look Once)、RCNN(Regions with CNN features)及其變種算法。但這些算法并非是為BEV檢測專門設計的，在RGB圖像檢測領域中，同一個類別的目標由于距離相機遠近不同，尺度亦不同，而在BEV檢測中，物體的大小只取決于物體的實際大小，因而直接套用RGB圖像中的多尺度方法并非合適，檢測準確度有待提高。

發明內容

本發明實施例提供了一種目標對象的檢測方法、裝置、設備和存儲介質，以提高對不同尺寸大小的目標對象的識別能力，進而保證自動駕駛過程中的安全性。

第一方面，本發明實施例提供了一種目標對象的檢測方法，該方法包括：

將獲取的三維點云數據壓縮至鳥瞰圖視角的待檢測圖像；

將所述待檢測圖像輸入預先訓練出的目標檢測模型，根據所述目標檢測模型的輸出結果確定所述待檢測圖像中包含的對象的類型和位置；

其中，所述目標檢測模型中包含主干網絡和檢測器，所述檢測器包含至少兩個并聯的子檢測模塊；所述主干網絡用于對所述待檢測圖像進行特征提取，各所述子檢測模塊分別用于基于所述主干網絡提取的特征圖矩陣檢測具有本子檢測模塊對應的尺寸大小的對象的類型和位置，并且不同子檢測模塊對應的尺寸大小不同。

第二方面，本發明實施例還提供了一種目標對象的檢測裝置，該裝置包括：

待檢測圖像獲取模塊，用于將獲取的三維點云數據壓縮至鳥瞰圖視角的待檢測圖像；

待檢測圖像輸入模塊，用于將所述待檢測圖像輸入預先訓練出的目標檢測模型，根據所述目標檢測模型的輸出結果確定所述待檢測圖像中包含的對象的類型和位置；

其中，所述目標檢測模型中包含主干網絡和檢測器，所述檢測器包含至少兩個并聯的子檢測模塊；所述主干網絡用于對所述待檢測圖像進行特征提取，各所述子檢測模塊分別用于基于所述主干網絡提取的特征圖矩陣檢測具有本子檢測模塊對應的尺寸大小的對象的類型和位置，并且不同子檢測模塊對應的尺寸大小不同。

第三方面，本發明實施例還提供了一種電子設備，該電子設備包括：

一個或多個處理器；

存儲器，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上述所涉及的任一所述的目標對象的檢測方法。