[发明专利]目标检测方法及装置、计算机存储介质、电子设备

说明书

本公开涉及人工智能技术领域，提供了一种目标检测方法、目标检测装置、计算机存储介质、电子设备，其中，目标检测方法包括：根据环视相机中各相机模组的布置方式以及雷达的扫描角度，生成各相机模组的曝光控制信号；根据曝光控制信号控制对应的相机模组进行曝光作业，得到目标区域的图像数据；基于与各相机模组相关联的各图像检测模块对图像数据进行目标检测，以确定图像数据中目标对象的二维边界框；根据二维边界框和雷达扫描得到的点云数据，确定目标对象的三维边界框。本公开中的目标检测方法不仅能够实现多个视角的图像数据的采集和处理，而且能够最大化降低处理延时，提高处理效率。

技术领域

本公开涉及人工智能技术领域，特别涉及一种目标检测方法、目标检测装置、计算机存储介质及电子设备。

背景技术

随着人工智能技术的迅速发展，相关自动驾驶技术也在迅速发展与进步。无人驾驶汽车行驶环境中的目标对象探测是无人驾驶汽车环境感知系统的关键技术之一，如何对车辆周围的目标实现360度无死角检测对保证自动驾驶汽车安全行驶意义重大。

目前，相关目标检测方案一般仅能实现单一视角的图像与对应雷达点云的融合检测，并且，各个步骤之间为先后串行的处理关系，因而，图像视角单一，处理效率较低。

鉴于此，本领域亟需开发一种新的目标检测方法及装置。

需要说明的是，上述背景技术部分公开的信息仅用于加强对本公开的背景的理解。

发明内容

本公开的目的在于提供一种目标检测方法、目标检测装置、计算机存储介质及电子设备，进而至少在一定程度上避免了现有技术中检测视角单一的缺陷。

本公开的其他特性和优点将通过下面的详细描述变得显然，或部分地通过本公开的实践而习得。

根据本公开的第一方面，提供一种目标检测方法，包括：根据环视相机中各相机模组的布置方式以及雷达的扫描角度，生成各相机模组的曝光控制信号；根据所述曝光控制信号控制对应的相机模组进行曝光作业，得到目标区域的图像数据；基于与各所述相机模组相关联的各图像检测模块对所述图像数据进行目标检测，以确定所述图像数据中目标对象的二维边界框；根据所述二维边界框和所述雷达扫描得到的点云数据，确定所述目标对象的三维边界框。

在本公开的示例性实施例中，所述环视相机中各相机模组至少包括后视相机、左视相机、前视相机和右视相机；所述多个视角的图像数据至少包括后视图像、左视图像、前视图像和右视图像。

在本公开的示例性实施例中，当所述后视相机布置于所述雷达的第一扫描角度，所述左视相机布置于所述雷达的第二扫描角度，所述前视相机布置于所述雷达的第三扫描角度，所述右视相机布置于所述雷达的第四扫描角度时，所述方法还包括：当检测到所述雷达到达所述第一扫描角度时生成第一曝光控制信号，根据所述第一曝光控制信号控制所述后视相机进行曝光作业，得到所述目标区域的后视图像；当检测到所述雷达到达所述第二扫描角度时生成第二曝光控制信号，根据所述第二曝光控制信号控制所述左视相机进行曝光作业，得到所述目标区域的左视图像；当检测到所述雷达到达所述第三扫描角度时生成第三曝光控制信号，根据所述第三曝光控制信号控制所述前视相机进行曝光作业，得到所述目标区域的前视图像；当检测到所述雷达到达所述第四扫描角度时生成第四曝光控制信号，根据所述第四曝光控制信号控制所述右视相机进行曝光作业，得到所述目标区域的右视图像。

在本公开的示例性实施例中，所述根据所述二维边界框和所述雷达扫描得到的点云数据，确定所述目标对象的三维边界框，包括：将所述二维边界框投影至三维空间，得到所述二维边界框对应的三维空间区域；提取所述点云数据中的目标点云数据，所述目标点云数据为位于所述三维空间区域内的点云数据；将所述目标点云数据输入至神经网络模型中，将所述神经网络模型的输出确定为所述目标对象的三维边界框；所述神经网络模型用于根据所述目标点云数据预测得到所述目标对象的三维边界框。