[发明专利]物体检测方法及装置、计算机可读存储介质及无人车

说明书

本公开涉及物体检测方法及装置、计算机可读存储介质及无人车，涉及人工智能、智能驾驶领域。物体检测方法包括：获取待检测物体的原始点云、待检测物体的图像，以及图像中的像素点的语义标签；根据原始点云，生成待检测物体的候选检测框；根据候选检测框，生成虚拟点云；将原始点云与虚拟点云融合，得到融合点云；通过将融合点云投影到图像坐标系中，确定融合点云中每个点对应的语义标签；利用三维检测模型，根据融合点云以及融合点云中每个点对应的语义标签，生成待检测物体的三维检测框。根据本公开，提高了物体检测的准确性。

技术领域

本公开涉及人工智能领域，尤其涉及自动驾驶领域，特别涉及物体检测方法及装置、计算机可读存储介质及无人车。

背景技术

随着将卷积神经网络引入到目标检测领域，二维目标检测已经称为研究的热点，各种新的方法不断涌现。但是在无人驾驶、机器人、增强现实的应用场景下，普通二维目标检测并不能提供感知环境所需要的全部信息，二维目标检测仅能提供目标物体在二维图片中的位置和对应类别。

但是在真实的三维世界中，物体都是有三维形状的。例如在自动驾驶场景下，自动驾驶的车辆必须对可能阻碍行驶的障碍物进行检测识别，需要有目标物体的长宽高等信息，以便根据不同的障碍物类型和状态做出合理的回避动作。因此，三维目标检测对于路径规划和控制具有至关重要的作用。

目前主要是利用单目相机、双目相机、激光雷达等设备的成像结果，来对环境中的三维物体进行三维目标检测。

发明内容

根据本公开的第一方面，提供了一种物体检测方法，包括：

获取待检测物体的原始点云、待检测物体的图像，以及图像中的像素点的语义标签；

根据原始点云，生成待检测物体的候选检测框；

根据候选检测框，生成虚拟点云；

将原始点云与虚拟点云融合，得到融合点云；

通过将融合点云投影到图像坐标系中，确定融合点云中每个点对应的语义标签；

利用三维检测模型，根据融合点云以及融合点云中每个点对应的语义标签，生成待检测物体的三维检测框。

在一些实施例中，所述根据候选检测框，生成虚拟点云，包括：

生成候选检测框的栅格；

根据候选检测框的栅格，生成虚拟点云。

在一些实施例中，虚拟点云中的每个点与候选检测框的栅格中的一个网格对应，虚拟点云的密度大于原始点云的密度。

在一些实施例中，所述通过将融合点云投影到图像坐标系中，确定融合点云中每个点对应的语义标签，包括：

通过将融合点云投影到图像坐标系中，确定融合点云中每个点与图像中每个像素点的对应关系；

根据融合点云中每个点与图像中每个像素点的对应关系，以及图像中每个像素点的语义标签，确定融合点云中每个点对应的语义标签。

在一些实施例中，所述将原始点云与虚拟点云融合，得到融合点云，包括:

将原始点云与虚拟点云叠加，得到融合点云。

在一些实施例中，所述利用三维检测模型，根据融合点云以及融合点云中每个点对应的语义标签，生成待检测物体的三维检测框，包括：

将融合点云中每个点的坐标与该点的语义标签拼接，得到点云和图像的融合信息；

利用三维检测模型，根据点云和图像的融合信息，生成待检测物体的三维检测框。