[发明专利]用于无人驾驶的目标检测方法、设备及存储介质

说明书

本发明实施例提供一种用于无人驾驶的目标检测方法、设备及存储介质，通过采集无人驾驶车辆所处环境中的原始图像，并对原始图像进行特征提取，生成特征图张量；利用多个卷积层对特征图张量进行卷积运算，依次生成多个第一目标特征图张量，对末次卷积运算对应的第一目标特征图张量分别进行反卷积运算，生成多个反卷积特征图张量；其中，反卷积特征图张量与第一目标特征图张量一一对应，且反卷积特征图张量中特征图的尺寸等于第一目标特征图张量中特征图的尺寸；根据反卷积特征图张量与第一目标特征图张量，生成目标检测结果。提高了目标检测的精度，进而实现无人驾驶车辆对目标物体的准确检测，提高车辆行驶安全。

技术领域

本发明涉及自动驾驶领域，尤其涉及一种用于无人驾驶的目标检测方法、设备及存储介质。

背景技术

随着无人驾驶技术的发展，越来越多的目标识别技术被应用到无人驾驶领域，通过对无人驾驶车辆周围的目标进行识别，定位接近的车辆或行人，以完成车辆的无人驾驶控制。

现有技术中，单步多框检测(Single Shot MultiBox Detector，SSD)网络模型，通过提取图像中不同尺度的特征图，能够实现对图像中目标物体的识别。

然而，通过SSD网络模型对目标进行识别时，对于中、小尺寸的检测目标效果较差，存在漏检和错检的问题，导致无法准确检测目标物体，影响无人驾驶车辆的安全行驶。

发明内容

本发明提供一种用于无人驾驶的目标检测方法、设备及存储介质，用以解决对于中、小尺寸的检测目标效果较差，存在漏检和错检的问题。

根据本公开实施例的第一方面，本发明提供了一种用于无人驾驶的目标检测方法，所述方法应用于无人驾驶车辆，所述方法包括：

采集所述无人驾驶车辆所处环境中的原始图像，并对所述原始图像进行特征提取，生成特征图张量，其中，所述特征图张量中包括多个尺寸相同的特征图；

利用多个卷积层对所述特征图张量进行卷积运算，依次生成多个第一目标特征图张量，其中，每个所述第一目标特征图张量中包括多个尺寸相同的第一目标特征图，多个第一目标特征图用于表征所述原始图像在不同尺度下的特征信息；

对末次卷积运算对应的第一目标特征图张量进行反卷积运算，生成多个反卷积特征图张量；其中，所述反卷积特征图张量与所述第一目标特征图张量一一对应，且所述反卷积特征图张量中特征图的尺寸等于对应的第一目标特征图张量中特征图的尺寸；

根据所述反卷积特征图张量与所述第一目标特征图张量，生成目标检测结果。

可选地，利用多个卷积层对所述特征图张量进行卷积运算，依次生成多个第一目标特征图张量，包括：

重复执行以下过程，直至所述特征图张量从最后一个卷积层输出：对当前卷积层输入的特征图张量进行降维处理，生成降维特征图张量；对当前卷积层输入的特征图张量进行卷积，生成卷积特征图张量；其中，所述降维特征图张量和所述卷积特征图张量的数据维度相同；将所述卷积特征图张量与所述降维特征图张量进行拼接，生成拼接特征图张量；将所述拼接特征图张量输入下一个卷积层。

可选地，所述对当前卷积层输入的特征图张量进行降维处理，生成降维特征图张量，包括：

将当前卷积层输入的特征图张量中的特征图进行池化处理，使所述特征图张量中的特征图的数据维度与所述卷积特征图张量中的特征图的数据维度相同。

可选地，对末次卷积运算对应的第一目标特征图张量进行反卷积运算，生成多个反卷积特征图张量，包括：

分别对末次卷积运算对应的第一目标特征图张量中的张量图进行反卷积运算，生成多个第二目标特征图张量；

对第二目标特征图张量进行批处理归一化，得到反卷积特征图张量。