[发明专利]车载3D目标检测方法、系统及装置

说明书

本申请车载3D目标检测方法，在采集车辆周围的视频图像之后，基于所述视频图像识别出需要检测的目标物体，并从所述目标物体中提取关键点，同时获取关键点的位置信息，以确定所述目标物体与车辆的相对位置。随后，还基于所述关键点的位置信息跟踪所述目标物体，以提高对所述目标检测的准确率。本申请还涉及执行该目标检测方法的目标检测系统和目标检测装置。

技术领域

本申请涉及车辆领域，尤其涉及一种辅助驾驶的车载3D(Three Dimensions)目标检测方法，以及执行此方法的目标检测系统和目标检测装置。

背景技术

车载目标检测系统是当前较为常见的一种驾驶辅助系统，通过在车辆上安装视频采集设备获取目标的视频，并采用车载处理器对得到的视频进行图像目标检测，为车辆行驶提供预警，提高驾驶的安全性。目标检测主要针对道路环境下的机动车或非机动车辆、行人、动物、路障等。针对不同的运用场景，目标检测系统一般采用不同的检测方法，比如对单一目标类别(如行人)的检测系统，或是多目标类别的二维检测系统等。

三维(Three Dimensions，3D)目标检测系统因为数据运算和分析量较大，车载处理器较难同时兼顾检测速度、位置精度以及检测的准确率。现有的3D目标检测系统中，有的位置精度不高，从而降低了检测系统的响应速度；有的准确率或响应速度太低，导致无法达到现实场景的位置精度需求。

发明内容

本申请提出一种提高检测速度和准确率的3D目标检测方法，而且可以保证一定的位置精度信息；同时，本申请还提出一种基于车载环视系统的目标检测系统和目标检测装置。具体包括如下技术方案：

一种车载3D目标检测方法，包括以下步骤：

采集车辆周围的视频图像；

基于所述视频图像识别出需要检测的目标物体；

从所述目标物体中提取关键点，并获取所述关键点的位置信息；

基于所述关键点的位置信息跟踪所述目标物体。

本申请所述车载3D目标检测方法，车载处理器通过深度学习等方式得到目标物体模型，再基于所述目标物体模型，通过对所述视频图像中识别出的所述目标物体提取所述关键点来简化所述目标物体的空间模型。再基于所述关键点保持对所述目标的跟踪，以提高对所述目标物体检测的准确率，最后输出检测结果。本申请所述车载3D目标检测方法通过简化所述目标物体的空间模型，采用所述关键点来替换所述目标物体的实体模型，较大程度减小了数据处理的负荷，提高了本申请车载3D目标检测方法的结果输出速度，并通过对所述目标物体的跟踪来优化检测的准确率，以达到现实场景的使用要求。

其中，所述从所述目标物体中提取关键点，并获取所述关键点的位置信息包括：

对识别出的所述目标物体建立空间框图；

提取所述空间框图的轮廓交点作为所述关键点；

获取所述关键点的位置信息。

在申请3D目标检测方法还可以利用所述空间框图来建立所述目标物体的空间模型，在简化所述目标物体空间模型的同时，还明确了所述关键点的数量和位置。由此可以尽快的对所述目标物体提取所述关键点的位置信息。

其中，基于所述车辆外形结构的几何中心为原点的全局坐标系获取所述关键点的位置信息。车辆的几何中心可以为全局坐标系提供稳定的客观基准。

其中，所述从所述目标物体中提取关键点，并获取所述关键点的位置信息还包括：

基于所述关键点的位置信息计算所述目标物体与车辆之间的距离值。

申请车载3D目标检测方法还可以通过对所述目标物体的识别，来计算该目标物体与所述车辆的距离值，进而在所述目标物体距所述车辆较近时对驾驶员发出提醒信号，提醒驾驶人员进行避让。