[发明专利]一种物体检测方法及装置

权利要求书

1.一种物体检测方法，其特征在于，所述方法包括：

获取待检测物体的特征信息，所述特征信息包括RGB图像、深度图像和三维点云信息；

根据所述深度图像和所述三维点云信息确定所述待检测物体的形状特征矩阵；

根据所述RGB图像和所述形状特征矩阵确定所述待检测物体的类别。

2.根据权利要求1所述的物体检测方法，其特征在于，所述根据所述RGB图像和所述形状特征矩阵确定所述待检测物体的类别，包括：

将所述RGB图像和所述形状特征矩阵输入到神经网络中进行处理，得到所述待检测物体的类别。

3.根据权利要求2所述的物体检测方法，其特征在于，所述神经网络是预先训练得到的，所述方法还包括：

获取训练物体的RGB图像和形状特征矩阵，并获取所述训练物体当前的训练语料；

将所述训练物体的RGB图像和形状特征矩阵输入到初始神经网络中进行处理，得到所述训练物体的训练描述信息；

确定所述训练物体当前的训练语料与所述训练描述信息的相似度；

若所述相似度小于预设相似度阈值，则调整所述初始神经网络中的卷积参数，得到训练后的所述神经网络。

4.根据权利要求2或3所述的物体检测方法，其特征在于，所述将所述RGB图像和所述形状特征矩阵输入到神经网络中进行处理，得到所述待检测物体的类别，包括：

将所述RGB图像输入到神经网络包括的第一子神经网络中进行处理，得到所述第一子神经网络的输出；

将所述形状特征矩阵输入到所述神经网络包括的第二子神经网络中进行处理，得到所述第二子神经网络的输出；

将所述第一子神经网络的输出和所述第二子神经网络的输出输入到所述神经网络包括的全连接层中进行融合，得到所述待检测物体的类别。

5.根据权利要求4所述的物体检测方法，其特征在于，所述将所述第一子神经网络的输出和所述第二子神经网络的输出输入到所述神经网络包括的全连接层中进行融合，得到所述待检测物体的类别，包括：

将所述第一子神经网络的输出和所述第二子神经网络的输出输入到所述神经网络包括的全连接层中进行融合，得到分类结果，所述分类结果包括至少一个类别指示参数，所述类别指示参数用于指示所述待检测物体属于相应类别的概率；

获取所述至少一个类别指示参数中数值最大的目标类别指示参数；

当所述目标类别指示参数的数值大于预设数值阈值时，确定所述待检测物体的类别为所述目标类别。

6.根据权利要求5所述的物体检测方法，其特征在于，所述根据所述RGB图像和所述形状特征矩阵确定所述待检测物体的类别之后，所述方法还包括：

根据所述RGB图像、所述深度图像和所述三维点云信息确定所述待检测物体的位置信息；

根据所述待检测物体的位置信息确定所述待检测物体与目标对象之间的距离；

当所述待检测物体的类别属于危险物体类别，且所述待检测物体与所述目标对象之间的距离小于预设距离阈值时，发出警报信号。

7.根据权利要求1所述的物体检测方法，其特征在于，所述形状特征矩阵包括几何形状信息，所述几何形状信息包括法向量、投影法向量、曲率方向、投影曲率方向和曲率值中的一种或多种。

8.根据权利要求7所述的物体检测方法，其特征在于，所述RGB图像和所述形状特征矩阵均为三通道矩阵，所述RGB图像与所述深度图像在像素位置上对应，所述RGB图像和所述形状特征矩阵对应。

9.一种物体检测装置，其特征在于，所述装置包括：

获取模块，用于获取待检测物体的特征信息，所述特征信息包括RGB图像、深度图像和三维点云信息；

第一确定模块，用于根据所述深度图像和所述三维点云信息确定所述待检测物体的形状特征矩阵；

第二确定模块，用于根据所述RGB图像和所述形状特征矩阵确定所述待检测物体的类别。