[发明专利]目标检测方法、装置、电子设备和可读存储介质

说明书

本申请公开了一种目标检测方法、装置、电子设备和可读存储介质。所述方法包括：将具有对应关系的图像数据和点云数据进行融合，生成包含色彩信息的增强点云数据；利用目标检测模型从所述增强点云数据中提取一级特征，基于所述一级特征在所述增强点云数据中生成感兴趣区域；利用所述目标检测模型从所述感兴趣区域中确定目标检测结果。该方案具有输入数据维度更丰富、检测模型轻量化且检测结果更精确等优点。

技术领域

本申请涉及无人驾驶技术领域，具体涉及一种目标检测方法、装置、电子设备和可读存储介质。

背景技术

无人驾驶是一个复杂系统，其中包括感知模块，用于识别并定位环境中的各种行人、车辆等障碍物，该模块主要包括激光雷达和摄像头。随着技术迭代更新，传感器融合技术在无人车目标检测上的应用越来越广泛，其目的是结合上述两种传感器的优点，实现更精确的目标检测效果。

然而在现有用于无人驾驶的融合方案中，需要两个特征提取网络分支对点云和图像分别进行特征提取，导致整体网络复杂，容易对数据造成过拟合；在特征级别进行融合操作难免会丢失原始数据中本应包含的信息；且由于在生成感兴趣区域(Region ofInterest，ROI)时只用到了点云信息，数据维度少，往往直接影响检测结果的精准性。

申请内容

鉴于上述问题，提出了本申请以便提供一种克服上述问题或者至少部分地解决上述问题的一种目标检测方法、装置、电子设备和可读存储介质。

依据本申请的一个方面，提供了一种目标检测方法，应用于无人驾驶设备中，所述目标检测方法包括：

将具有对应关系的图像数据和点云数据进行融合，生成包含色彩信息的增强点云数据；

利用目标检测模型从所述增强点云数据中提取一级特征，基于所述一级特征在所述增强点云数据中生成感兴趣区域；

利用所述目标检测模型从所述感兴趣区域中确定目标检测结果。

可选的，所述方法还包括获取所述具有对应关系的图像数据和点云数据的步骤，其中，所述图像数据是通过无人驾驶设备的摄像头采集的RGB图像，所述点云数据是通过无人驾驶设备的激光雷达采集的激光点云数据；

所述对应关系是将所述图像数据和点云数据经过时间同步处理后实现的。

可选的，所述将具有对应关系的图像数据和点云数据进行融合，生成包含色彩信息的增强点云数据包括：

根据所述激光雷达到所述摄像头的外参以及摄像头的内参，将所述激光点云数据中的反射点投影到图像坐标系中，确定各所述反射点在所述图像坐标系中的第一坐标；

根据所述RGB图像中的各像素点在所述图像坐标系中的第二坐标，确定距离各所述反射点的第一坐标最近的像素点，通过线性插值根据所述最近的像素点的RGB值确定各所述反射点的RGB值；

根据确定的各所述反射点的RGB值得到包含色彩信息的增强点云数据。

可选的，所述利用目标检测模型从所述增强点云数据中提取一级特征，基于所述一级特征在所述增强点云数据中生成感兴趣区域包括：

利用所述目标检测模型对所述增强点云数据中的融合点进行一级特征提取，基于提取的一级特征对各所述融合点进行背景和前景点的划分，根据所述前景点生成感兴趣区域。

可选的，所述根据所述前景点生成感兴趣区域包括：

对生成的各所述感兴趣区域进行非极大值抑制，控制生成的感兴趣区域的数量。

可选的，所述利用目标检测模型从所述感兴趣区域中确定目标检测结果包括：

利用所述目标检测模型的二阶段网络从所述感兴趣区域中提取二级特征；