[发明专利]一种目标对象的检测方法、装置、设备和存储介质

说明书

本发明实施例公开了一种目标对象的检测方法、装置、设备及存储介质。该方法包括：将获取的三维点云数据压缩至鸟瞰图视角的待检测图像；将待检测图像输入预先训练出的目标检测模型，根据目标检测模型的输出结果确定待检测图像中包含的对象的类型和位置；其中，目标检测模型中包含主干网络和检测器，检测器包含至少两个并联的子检测模块，不同子检测模块对应的尺寸大小不同。本发明实施例通过将待检测图像输入到包含主干网络和对应不同尺寸大小的至少两个并联的子检测模块的目标检测模型中，解决了现有技术中目标对象检测结果不准确的问题，在自动驾驶领域中，提高了对不同尺寸大小的障碍物的识别能力，进而保证了自动驾驶过程中的安全性。

技术领域

本发明实施例涉及自动驾驶技术领域，尤其涉及一种目标对象的检测方法、装置、设备和存储介质。

背景技术

为确保运行的安全性，自动驾驶车辆必须对可能阻碍行驶的障碍物进行检测识别，以便根据不同的障碍物类型和状态做出合理的回避动作。目前，自动驾驶中最为成熟的检测方案为激光雷达点云的BEV(Bird’s-eye View)检测，即将三维点云数据压缩至鸟瞰图视角的图像数据，然后送入2D目标检测算法进行检测。

在实现本发明的过程中，发明人发现现有技术中至少存在如下问题：

基于RGB图像视觉上的目标检测算法皆可以用于BEV检测，如SSD(Single ShotDetection)、YOLO(You Only Look Once)、RCNN(Regions with CNN features)及其变种算法。但这些算法并非是为BEV检测专门设计的，在RGB图像检测领域中，同一个类别的目标由于距离相机远近不同，尺度亦不同，而在BEV检测中，物体的大小只取决于物体的实际大小，因而直接套用RGB图像中的多尺度方法并非合适，检测准确度有待提高。

发明内容

本发明实施例提供了一种目标对象的检测方法、装置、设备和存储介质，以提高对不同尺寸大小的目标对象的识别能力，进而保证自动驾驶过程中的安全性。

第一方面，本发明实施例提供了一种目标对象的检测方法，该方法包括：

将获取的三维点云数据压缩至鸟瞰图视角的待检测图像；

将所述待检测图像输入预先训练出的目标检测模型，根据所述目标检测模型的输出结果确定所述待检测图像中包含的对象的类型和位置；

其中，所述目标检测模型中包含主干网络和检测器，所述检测器包含至少两个并联的子检测模块；所述主干网络用于对所述待检测图像进行特征提取，各所述子检测模块分别用于基于所述主干网络提取的特征图矩阵检测具有本子检测模块对应的尺寸大小的对象的类型和位置，并且不同子检测模块对应的尺寸大小不同。

第二方面，本发明实施例还提供了一种目标对象的检测装置，该装置包括：

待检测图像获取模块，用于将获取的三维点云数据压缩至鸟瞰图视角的待检测图像；

待检测图像输入模块，用于将所述待检测图像输入预先训练出的目标检测模型，根据所述目标检测模型的输出结果确定所述待检测图像中包含的对象的类型和位置；

其中，所述目标检测模型中包含主干网络和检测器，所述检测器包含至少两个并联的子检测模块；所述主干网络用于对所述待检测图像进行特征提取，各所述子检测模块分别用于基于所述主干网络提取的特征图矩阵检测具有本子检测模块对应的尺寸大小的对象的类型和位置，并且不同子检测模块对应的尺寸大小不同。

第三方面，本发明实施例还提供了一种电子设备，该电子设备包括：

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上述所涉及的任一所述的目标对象的检测方法。