[发明专利]用于无人车的3D目标检测方法、装置和计算可读存储介质

说明书

本申请涉及一种用于无人车的3D目标检测方法、装置和计算可读存储介质。该方法包括：根据无人车的单目摄像头获取原始图像，得到二维预处理图像；通过预先训练的目标检测模型，得到原始图像中目标检测结果；通过目标检测结果中预设分类分支网络中多个目标的置信度，确定在预设分类分支网络中多个目标的目标位置；根据目标位置，确定在预设回归分支网络中与目标位置对应的特征向量；将特征向量解析之后，得到在原始图像中多个目标的三维信息，其中，三维信息至少包括如下之一：目标的深度信息、目标尺寸和目标航向角信息。本申请提供的方案，能够提升后续估算目标的三维信息时的精确性。

技术领域

本申请涉及智能驾驶技术领域，尤其涉及用于无人车的3D目标检测方法、装置和计算可读存储介质。

背景技术

在智能驾驶领域，基于视觉的单目3D检测仍然属于一个极具挑战性的任务。究其原因，空间目标向图像上投影，即三维坐标向二维平面投影，目标的三维信息会丢失一个维度，从而导致对目标的位置信息的估计不够准确。相关技术中，是通过卷积神经网络直接逻辑回归出目标在图像中的位姿信息(位置和姿态)。然而，由于卷积神经网络的卷积操作对目标在图像中位置信息不够敏感，因而，最后所反算出的目标的空间位置信息精度欠缺。

发明内容

为解决或部分解决相关技术中存在的问题，本申请提供一种用于无人车的3D目标检测方法、装置和计算可读存储介质，能够提升目标3D信息的检测精度。

本申请第一方面提供一种用于无人车的3D目标检测方法，包括：

根据所述无人车的单目摄像头获取原始图像；

通过预先训练的目标检测模型，得到所述原始图像中目标检测结果，所述目标检测模型至少包括：预设分类分支网络和预设回归分支网络，所述预设分类分支网络用于获得目标在二维图像中的位置信息，所述预设回归分支网络中增设CoordConv卷积模块，用以获得目标的三维信息；

通过所述目标检测结果中所述预设分类分支网络中多个目标的置信度，确定在所述预设分类分支网络中多个目标的目标位置；

根据所述目标位置，确定在所述预设回归分支网络中与所述目标位置对应的特征向量；

将所述特征向量解析之后，得到在所述原始图像中多个目标的三维信息，所述三维信息至少包括如下之一：所述目标的深度信息、目标尺寸和目标航向角信息。

本申请第二方面提供一种用于无人车的3D目标检测装置，包括：

第一获取模块，用于根据所述无人车的单目摄像头获取原始图像；

第二获取模块，用于通过预先训练的目标检测模型，得到所述原始图像中目标检测结果，所述目标检测模型至少包括：预设分类分支网络和预设回归分支网络，所述预设分类分支网络用于获得目标在二维图像中的位置信息，所述预设回归分支网络中增设CoordConv卷积模块，用以获得目标的三维信息；

确定模块，用于通过所述目标检测结果中所述预设分类分支网络中多个目标的置信度，确定在所述预设分类分支网络中多个目标的目标位置；

特征提取模块，用于根据所述目标位置，确定在所述预设回归分支网络中与所述目标位置对应的特征向量；

估算模块，用于将所述特征向量解析之后，得到在所述原始图像中多个目标的三维信息，所述三维信息至少包括如下之一：所述目标的深度信息、目标尺寸和目标航向角信息。

本申请第三方面提供一种电子设备，包括：

处理器；以及

存储器，其上存储有可执行代码，当所述可执行代码被所述处理器执行时，使所述处理器执行如上所述的方法。