[发明专利]目标检测方法、装置、存储介质及车辆

说明书

本公开涉及一种目标检测方法、装置、存储介质及车辆，可以获取车辆当前所在行驶环境的目标环境图像；根据所述目标环境图像通过目标检测模型识别所述行驶环境中目标对象的边界；其中，所述目标检测模型为根据目标样本预先训练得到的模型，所述目标样本包括根据所述行驶环境的点云数据对所述目标对象的边界进行标注后，得到的样本环境图像。

技术领域

本公开涉及自动驾驶技术领域，尤其涉及一种目标检测方法、装置、存储介质及车辆。

背景技术

近些年，随着汽车制造厂商对智能车辆技术的研发，各种级别的辅助驾驶技术得到了快速发展。基于视觉传感器、激光测距仪、超声波和红外传感器等传感器，对周围环境中的障碍物进行感知是实现车辆自动导航的关键技术之一，也是实现自动驾驶、自动泊车的关键能力之一。

在自动驾驶任务中，可行驶区域（Freespace，FS）指的是物理空间中车辆可以安全自由行驶的区域，而不可行驶区域指的则是由于障碍物侵占而导致车辆无法前进或驻停的区域。车辆行驶环境中存在各种类型的障碍物，如车辆、柱子、雪糕筒等静态的障碍物，还有移动的车辆、行人等动态障碍物。这些障碍物的接地线，可以用来表示Freespace。

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，包括：

获取车辆当前所在行驶环境的目标环境图像；

根据所述目标环境图像通过目标检测模型识别所述行驶环境中目标对象的边界；

其中，所述目标检测模型为根据目标样本预先训练得到的模型，所述目标样本包括根据所述行驶环境的点云数据对所述目标对象的边界进行标注后，得到的样本环境图像。

可选地，所述目标检测模型通过以下方式预先训练得到：

按照预设频率采集所述行驶环境的点云数据和待标注环境图像；

针对每个采集时刻，根据在所述采集时刻采集的第一点云数据，对在所述采集时刻采集的待标注环境图像中的目标对象进行边界点标注后，得到所述样本环境图像；

根据所述样本环境图像对预设检测模型进行模型训练后，得到所述目标检测模型。

可选地，所述车辆上环绕设置有多个图像采集装置，所述根据在所述采集时刻采集的第一点云数据，对在所述采集时刻采集的待标注环境图像中的目标对象进行边界点标注后，得到所述样本环境图像包括：

针对每个所述图像采集装置，获取所述图像采集装置的视场角和所述图像采集装置在所述第一点云数据中的目标位置点；

根据每个所述图像采集装置分别对应的所述视场角和所述目标位置点从所述第一点云数据中确定所述目标对象的点云边界点；

根据所述点云边界点确定所述待标注环境图像中所述目标对象的目标边界点；

在所述待标注环境图像中对所述目标边界点进行标注后，得到所述样本环境图像。

可选地，所述根据每个所述图像采集装置分别对应的所述视场角和所述目标位置点从所述第一点云数据中确定所述目标对象的点云边界点包括：

从所述第一点云数据中确定位于预设高度范围的第二点云数据，所述第二点云数据中的每个点与地面的高度均位于所述预设高度范围；

针对每个所述图像采集装置，将所述第二点云数据中位于所述视场角范围内的每个预设方向上的点云数据中，分别与所述目标位置点距离最近的点作为所述点云边界点。

可选地，所述根据所述点云边界点确定所述待标注环境图像中所述目标对象的目标边界点包括：

获取预设转换矩阵，所述预设转换矩阵表征所述点云数据中的每个点与所述待标注环境图像中每个像素点的映射关系；

根据所述预设转换矩阵确定每个所述点云边界点在所述待标注环境图像中对应的所述目标边界点。