[发明专利]一种物体的检测方法、装置、设备及存储介质

说明书

本发明实施例公开了一种物体的检测方法、装置、设备及存储介质，该物体的检测方法包括：获取当前车辆检测到的外部环境的点云数据和图像数据；基于第一预设神经网络模型，对所述点云数据和图像数据进行特征提取和特征融合，以生成融合特征图，并确定所述融合特征图的候选框和候选框概率；根据所述融合特征图中的候选框和候选框概率进行物体检测。本发明实施例的技术方案，通过点云和图像两种数据进行物体检测，提高了检测的全面性和准确度，并基于神经网络对两种数据进行特征提取和融合，从而根据融合后的特征图进行物体检测，提高了检测效率。

技术领域

本发明实施例涉及自动驾驶技术领域，尤其涉及一种物体的检测方法、装置、设备及存储介质。

背景技术

3D物体检测是自动驾驶感知模块的基础任务，对于自动驾驶系统有着举足轻重的地位。

现有的3D物体检测方法，主要分为基于图像的检测方法和基于点云数据的方法。基于图像的检测方法，单纯利用2D图像信息的三维物体检测，大多数是从2D图像推断出3D检测框，这种方法的准确率受限于深度估计的精度。基于点云数据的检测方法，与基于图像的检测方法相比，激光雷达提供可靠的深度信息，可以用于精确定位物体并表征它们的形状，然而点云数据具有无序性、分布不规则性等特征，检测方法较为复杂，且对于较小物体的检测分辨率不够。

综上，在实现本发明过程中，发明人发现现有技术中至少存在如下问题：现有的物体检测方法无法兼顾检测分辨率与计算效率，无法满足自动驾驶对精度和实时性的要求。

发明内容

本发明提供了一种物体的检测方法、装置、设备及存储介质，以提高物体检测的精度和实时性。

第一方面，本发明实施例提供了一种物体的检测方法，该方法包括：

获取当前车辆检测到的外部环境的点云数据和图像数据；

基于第一预设神经网络模型，对所述点云数据和图像数据进行特征提取和特征融合，以生成融合特征图，并确定所述融合特征图的候选框和候选框概率；

根据所述融合特征图中的候选框和候选框概率进行物体检测。

第二方面，本发明实施例还提供了一种物体的检测装置，该装置包括：

数据获取模块，用于获取当前车辆检测到的外部环境的点云数据和图像数据；

候选框确定模块，用于基于第一预设神经网络模型，对所述点云数据和图像数据进行特征提取和特征融合，以生成融合特征图，并确定所述融合特征图的候选框和候选框概率；

物体检测模块，用于根据所述融合特征图的候选框和候选框概率进行物体检测。

第三方面，本发明实施例还提供了一种物体的检测设备，该设备包括：

一个或多个处理器；

存储器，用于存储一个或多个程序；

当所述一个或多个程序被所述一个或多个处理器执行，使得所述一个或多个处理器实现本发明任意实施例提供的物体的检测方法。

第四方面，本发明实施例还提供了一种包含计算机可执行指令的存储介质，所述计算机可执行指令在由计算机处理器执行时用于执行本发明任意实施例提供的物体的检测方法。

本发明实施例的技术方案，通过车辆的点云数据和图像数据两种数据进行物体检测，提高了物体检测的准确度和全面性；通过训练好的神经网络模型对点云数据和图像数据进行特征提取和特征融合，从而得到融合特征图，进而基于该融合特征图，确定其对应的候选框和候选框概率，根据该候选框和候选框概率进行物体检测，相对于传统的基于点云数据的物体检测方法，提高了检测效率、鲁棒性和准确度，从而有效保证了自动驾驶控制策略的实时性和准确性，提高了自动驾驶的安全性。

附图说明