[发明专利]目标检测方法、装置、存储介质、电子设备及车辆

说明书

本公开涉及一种目标检测方法、装置、存储介质、电子设备及车辆，所述方法包括：获取待检测图像对应的特征图和深度估计图；根据所述特征图和所述深度估计图，确定深度卷积核；根据所述特征图和所述深度卷积核，通过预先训练的区域候选网络模型，确定所述待检测图像中的候选区域；根据所述候选区域，检测所述待检测图像中的目标物体。也就是说，本公开可以根据待检测图像对应的特征图和深度估计图确定深度卷积核，并按照该深度卷积核对该待检测图像对应的特征图进行处理，由于该深度卷积核能够感知该待检测图像的深度信息，从而克服了二维卷积的局限性，能够准确识别该待检测图像中的半遮挡物体，提高了目标检测的准确率。

技术领域

本公开涉及智能网联汽车技术领域，尤其涉及一种目标检测方法、装置、存储介质、电子设备及车辆。

背景技术

目标检测是一种基于目标几何统计及特征的图像分割技术，其应用领域十分广泛，例如，可以应用于机器人或者自动驾驶等领域。现阶段，2D目标检测技术逐渐趋于成熟，部分学术成果已投入商用。但由于缺少深度、尺寸等现实世界几何信息，2D目标检测并不能很好地满足实际应用需求。并且，在物理世界里，物体往往包含有长度、宽度、高度以及朝向角度等几何信息。

相关技术中，在2D目标检测的基础上提供目标在三维空间里的尺寸、姿态等真实信息，以实现3D目标检测。但是，3D目标检测对遮挡、截断物体检测的准确率比较低，因此，如何提高目标检测的准确率成为亟待解决的问题。

发明内容

为克服相关技术中存在的问题，本公开提供一种目标检测方法、装置、存储介质、电子设备及车辆。

根据本公开实施例的第一方面，提供一种目标检测方法，所述方法包括：

获取待检测图像对应的特征图和深度估计图；

根据所述特征图和所述深度估计图，确定深度卷积核；

根据所述特征图和所述深度卷积核，通过预先训练的区域候选网络模型，确定所述待检测图像中的候选区域；

根据所述候选区域，检测所述待检测图像中的目标物体。

可选地，所述获取待检测图像对应的特征图包括：

将所述待检测图像输入预先训练的特征图获取模型，以获取所述特征图获取模型输出的所述特征图。

可选地，所述根据所述特征图和所述深度估计图，确定深度卷积核包括：

将所述特征图和所述深度估计图输入预先训练的卷积核生成模型，以获取所述卷积核生成模型输出的所述深度卷积核。

可选地，所述区域候选网络模型包括卷积层，所述根据所述特征图和所述深度卷积核，通过预先训练的区域候选网络模型，确定所述待检测图像中的候选区域包括：

将所述特征图和所述深度卷积核输入所述区域候选网络模型，以便所述区域候选网络模型的卷积层按照所述深度卷积核对所述特征图进行卷积处理，得到所述待检测图像中的候选区域。

可选地，所述根据所述候选区域，检测所述待检测图像中的目标物体包括：

将所述候选区域输入预先训练的目标检测模型，以获取所述目标检测模型输出的所述目标物体的类型和边框。

根据本公开实施例的第二方面，提供一种目标检测装置，所述装置包括：

获取模块，被配置为获取待检测图像对应的特征图和深度估计图；

卷积核确定模块，被配置为根据所述特征图和所述深度估计图，确定深度卷积核；

区域确定模块，被配置为根据所述特征图和所述深度卷积核，通过预先训练的区域候选网络模型，确定所述待检测图像中的候选区域；