[发明专利]一种弱监督单目车辆空间位置预测的方法及装置

说明书

本发明提出一种弱监督单目车辆空间位置预测的方法和装置，其中，方法包括：获取目标车辆的2D图像，根据预先训练的目标检测网络检测所述目标车辆的接地点的坐标信息；根据所述接地点的坐标信息，对所述目标车辆的2D图像进行逆投影，获取所述接地点的坐标信息在3D坐标系下的坐标信息，并根据所述3D坐标系下的坐标信息生成所述目标车辆的鸟瞰图；对所述目标车辆的鸟瞰图进行优化，得到所述目标车辆的空间位置。该方法将神经网络应用于弱监督单目车辆空间位置预测，解决现有技术中仅有障碍物在图像上的位置，自动驾驶技术很难进行决策的技术问题。

技术领域

本发明涉及空间位置预测技术领域，尤其涉及一种弱监督单目车辆空间位置预测的方法及装置。

背景技术

现有技术中，为了实现自动驾驶场景下的单目车辆检测主要为图像2D目标检测方法单目和3D目标检测方法。

其中，图像2D目标检测方法单目是在图像上检测物体，输出物体的2D BoundingBox和类别，且该方法通常采用手工提取特征的方法进行目标检测，但是，手工提取特征的方式往往难以提取物体的高级语义特征，对遮挡检测的能力也不足。伴随着深度学习方法在物体分类任务上的成功，研究者们也开始使用深度神经网络来进行目标检测。

以及，3D目标检测的目标是得到物体在空间中的3D Bounding Box，目前学术界研究方法通常有基于激光雷达的3D目标检测，基于相机图像的3D目标检测，以及混合激光雷达和图像的3D目标检测。在基于相机的3D目标检测中，又分为只使用一个相机的单目3D目标检测和使用多个相机的双目、多目3D目标检测。但是，激光雷达成本极其昂贵，难以大规模使用，同时使用多个相机又涉及到对齐、配准等问题。

因此，单目3D目标检测成为了工业界中廉价好用的技术方案。

发明内容

本发明旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本发明的第一个目的在于提出一种弱监督单目车辆空间位置预测的方法，以实现使用少量三维空间标注信息，训练神经网络RefineNet，大幅优化了物体空间位置推断效果。

本发明的第二个目的在于提出一种弱监督单目车辆空间位置预测的装置。

本发明的第三个目的在于提出一种计算机设备。

本发明的第四个目的在于提出一种非临时性计算机可读存储介质。

为达上述目的，本发明第一方面实施例提出了一种弱监督单目车辆空间位置预测的方法，包括：

获取目标车辆的2D图像，根据预先训练的目标检测网络检测所述目标车辆的接地点的坐标信息；

根据所述接地点的坐标信息，对所述目标车辆的2D图像进行逆投影，获取所述接地点的坐标信息在3D坐标系下的坐标信息，并根据所述3D坐标系下的坐标信息生成所述目标车辆的鸟瞰图；

对所述目标车辆的鸟瞰图进行优化，得到所述目标车辆的空间位置。

可选地，在本申请的一个实施例中，在所述根据预先训练的目标检测网络检测所述目标车辆的接地点的坐标信息之前，还包括：

对用于人体关节检测的检测网络进行修改，修改所述检测网络的关键点输出维数，以得到所述目标检测网络。

可选地，在本申请的一个实施例中，根据所述接地点的坐标信息，对所述目标车辆的2D图像进行逆投影，获取所述接地点的坐标信息在3D坐标系下的坐标信息，包括：

对所述接地点的坐标信息进行去除畸变处理；