CN111723723A - 一种图像检测方法及装置 - Google Patents

Abstract

本申请实施例公开了一种图像检测方法及装置，应用于自动驾驶技术领域，用于准确检测出目标车辆周围环境中潜在障碍物的位置，以保证车辆的安全行驶。本申请的方法包括：首先通过目标车辆车载摄像头获取待检测的第一目标图像，其中，第一目标图像为包含目标车辆周围环境的图像，然后，对第一目标图像进行检测，得到第一检测结果，并根据第一检测结果，确定待检测的目标区域，接着，根据该目标区域，确定待检测的第二目标图像，进而，可以对第二目标图像进行检测，得到第二检测结果，并根据第二检测结果，确定目标车辆周围环境中目标物体的位置。

Description

一种图像检测方法及装置

技术领域

本申请涉及自动驾驶技术领域，尤其涉及一种图像检测方法及装置。

背景技术

随着智能化系统被应用到车辆驾驶领域中，越来越多的车辆上配置了能够实现自动驾驶功能或辅助驾驶功能的智能系统，如车载环境感知系统等。

其中，保证自动驾驶车辆能够安全行驶的重要前提就是保证车辆能够自动检测出周围车辆、行人、建筑物等潜在障碍物的准确位置。但是，目前车载环境感知系统对于车辆周围环境进行检测时，通常是将包含车辆周围环境的图像以原始分辨率输入神经网络检测模型进行检测，由于原始高分辨率(如4000x2000)的图像往往像素较高、图像较大，导致模型检测时计算量过大，无法满足实时检测的需求，为此，为了实现实时检测、降低计算量，通常是先降低原始图像的分辨率，再利用低分辨的图像进行检测，以加快检测速度。但这会导致原始图像中尺寸较小的目标丢失(即漏检或误检)，比如，图像中距离车辆较远的、图像中尺寸小于32x32像素的其他车辆或行人等潜在障碍物容易丢失，由于存在这样的漏检或误检情况，导致目前图像检测的准确率不高，存在较大的行车安全风险。

因此，如何实现对自动驾驶车辆周围环境的图像中可能存在的潜在障碍物进行准确检测，以保证车辆的安全行驶，已成为亟待解决的问题。

发明内容

本申请实施例的主要目的在于提供一种图像检测方法及装置，能够提高自动驾驶车辆周围环境的图像中潜在障碍物检测结果的准确性。

本申请实施例提供了一种图像检测方法，包括：

通过目标车辆车载摄像头获取待检测的第一目标图像，所述第一目标图像为包含目标车辆周围环境的图像；

对所述第一目标图像进行检测，得到第一检测结果，并根据所述第一检测结果，确定待检测的目标区域；

根据所述目标区域，确定待检测的第二目标图像；

对所述第二目标图像进行检测，得到第二检测结果，并根据所述第二检测结果，确定所述目标车辆周围环境中目标物体的位置。

可选的，所述对所述第一目标图像进行检测，得到第一检测结果，并根据所述第一检测结果，确定待检测的目标区域，包括：

对所述第一目标图像进行检测，得到所述第一目标图像中所有预设类别的物体的像素所属类别和置信度、以及物体所在的检测框；

根据所有预设类别的物体的像素所属类别和置信度、以及物体所在的检测框，从所有预设类别的物体中选取满足预设条件的目标物体，并将所述目标物体所在的区域确定为待检测的目标区域。

可选的，所述第一目标图像中所有预设类别的物体的像素所属类别是通过对所述第一目标图像进行语义分割得到的；其中，所述像素所属类别是通过类别索引表示的。

可选的，所述根据所述第二检测结果，确定所述目标车辆周围环境中目标物体的位置，包括：

将所述第二检测结果中每一目标物体映射到世界坐标系中，得到每一目标物体在所述世界坐标系中的坐标；

根据所述世界坐标系中的坐标，确定所述目标车辆周围环境中目标物体的位置。

可选的，所述目标物体为所述第一目标图像和第二目标图像中尺寸小于32x32像素的预设类别物体。

本申请实施例还提供了一种图像检测装置，包括：

第一目标图像获取单元，用于通过目标车辆车载摄像头获取待检测的第一目标图像，所述第一目标图像为包含目标车辆周围环境的图像；

目标区域确定单元，用于对所述第一目标图像进行检测，得到第一检测结果，并根据所述第一检测结果，确定待检测的目标区域；

第二目标图像确定单元，用于根据所述目标区域，确定待检测的第二目标图像；

位置确定单元，用于对所述第二目标图像进行检测，得到第二检测结果，并根据所述第二检测结果，确定所述目标车辆周围环境中目标物体的位置。

可选的，所述目标区域确定单元包括：

检测子单元，用于对所述第一目标图像进行检测，得到所述第一目标图像中所有预设类别的物体的像素所属类别和置信度、以及物体所在的检测框；

选取子单元，用于根据所有预设类别的物体的像素所属类别和置信度、以及物体所在的检测框，从所有预设类别的物体中选取满足预设条件的目标物体，并将所述目标物体所在的区域确定为待检测的目标区域。

可选的，所述第一目标图像中所有预设类别的物体的像素所属类别是通过对所述第一目标图像进行语义分割得到的；其中，所述像素所属类别是通过类别索引表示的。

可选的，所述位置确定单元包括：

映射子单元，用于将所述第二检测结果中每一目标物体映射到世界坐标系中，得到每一目标物体在所述世界坐标系中的坐标；

确定子单元，用于根据所述世界坐标系中的坐标，确定所述目标车辆周围环境中目标物体的位置。

可选的，所述目标物体为所述第一目标图像和第二目标图像中尺寸小于32x32像素的预设类别物体。

本申请实施例还提供了一种图像检测设备，包括：处理器、存储器、系统总线；

所述处理器以及所述存储器通过所述系统总线相连；

所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述图像检测方法中的任意一种实现方式。

本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述图像检测方法中的任意一种实现方式。

本申请实施例在检测自动驾驶车辆周围环境图像中的目标物体时，首先通过目标车辆车载摄像头获取待检测的第一目标图像，其中，第一目标图像为包含目标车辆周围环境的图像，然后，对第一目标图像进行检测，得到第一检测结果，并根据第一检测结果，确定待检测的目标区域，接着，根据该目标区域，确定待检测的第二目标图像，进而，可以对第二目标图像进行检测，得到第二检测结果，并根据第二检测结果，确定目标车辆周围环境中目标物体的位置。可见，由于本申请实施例先确定出了包含目标车辆周围环境的图像中可能存在的漏检或误检区域，作为待检测的目标区域，然后再对该目标区域所属的原分辨图像进行了二次检测，从而可以准确识别出目标车辆周围环境中目标物体(即潜在障碍物)的位置，以保证目标车辆的安全行驶。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本申请实施例提供的一种图像检测方法的流程示意图；

图2为本申请实施例提供的对第一目标图像进行图像检测的示意图；

图3为本申请实施例提供的对第一目标图像进行语义分割的示意图；

图4为本申请实施例提供的对第二目标图像进行图像检测的示意图；

图5为本申请实施例提供的一种图像检测装置的组成示意图。

具体实施方式

在一些车辆周围环境图像检测方法中，为了提高图像检测的速度，降低图像检测的计算量，通常是先将利用车载摄像头拍摄到的图像的分辨率降低，使其数据量变小，再将其输入神经网络检测模型进行检测，这样，虽然能够降低模型检测的计算量，实现实时监测，但对于原始图像中尺寸较小的物体，比如，位于车辆远处的其他车辆、行人、房屋等潜在障碍物，往往在检测时会出现将这些物体漏检或误检的情况，造成这些物体(即潜在障碍物)的丢失，导致检测结果的准确率不高，存在较大的行车安全风险。因此，如何实现对自动驾驶车辆周围环境的图像中可能存在的潜在障碍物进行准确检测，以保证车辆的安全行驶，已成为亟待解决的问题。

为解决上述缺陷，本申请实施例提供了一种图像检测方法，在检测自动驾驶车辆周围环境图像中的目标物体时，首先通过目标车辆车载摄像头获取待检测的第一目标图像，其中，第一目标图像为包含目标车辆周围环境的图像，然后，对第一目标图像进行检测，得到第一检测结果，并根据第一检测结果，确定待检测的目标区域，接着，根据该目标区域，确定待检测的第二目标图像，进而，可以对第二目标图像进行检测，得到第二检测结果，并根据第二检测结果，确定目标车辆周围环境中目标物体的位置。可见，由于本申请实施例先确定出了包含目标车辆周围环境的图像中可能存在的漏检或误检的目标区域，然后再对该目标区域所属的原分辨图像进行了二次检测，从而可以准确识别出目标车辆周围环境中目标物体(即潜在障碍物)的位置，以保证目标车辆的安全行驶。

为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

第一实施例

参见图1，为本实施例提供的一种图像检测方法的流程示意图，该方法包括以下步骤：

S101：通过目标车辆车载摄像头获取待检测的第一目标图像，其中，第一目标图像为包含目标车辆周围环境的图像。

在本实施例中，将采用本实施例实现周围障碍物检测的任一车辆定义为目标车辆，并将通过目标车辆车载摄像头(如挡风玻璃内侧的平面相机)获取到的图像定义为第一目标图像。其中，第一目标图像包括了目标车辆周围环境的图像。

举例说明：如图1所示，其示出了的第一目标图像是通过目标车辆前置车载摄像头拍摄到的，从图1可以看出该第一目标图像包含了目标车辆前方环境的临近的车辆、远方的车辆以及周围的建筑物等。

S102：对第一目标图像进行检测，得到第一检测结果，并根据第一检测结果，确定待检测的目标区域。

在本实施例中，为了保证目标车辆的安全行驶，通过步骤S101获取到待检测的第一目标图像后，可以需要利用多任务网络模型(如神经网络模型)对第一目标图像进行图像检测和语义分割，以得到第一检测结果，其中，第一检测结果包含有第一目标图像中物体(如周围的车辆、行人、建筑物等)的位置信息和这些物体的语义分析结果。

进一步的，可以从第一检测结果中确定出感兴趣的物体，并将其定义为目标物体，如位于目标车辆远方的其他车辆、行人、房屋等，这些是可能成为潜在障碍物的物体，它们在第一目标图像中占据的范围通常较小，很容易由于其所在区域内检测框的置信度太小而被过滤或者目标太小没有检测到(即出现了漏检或误检的情况)，例如图1所示的目标车辆正前方远处的小轿车。

由此，为了提高目标车辆周围环境的图像中潜在障碍物检测结果的准确性，保证目标车辆的安全行驶，本实施例将这些目标物体所在区域定义为待检测的目标区域，用以执行后续步骤S103，以确定出这些目标物体的准确位置。

具体来讲，一种可选的实现方式是，本步骤S102的具体实现过程可以包括下述步骤A1-A2：

步骤A1：对第一目标图像进行检测，得到第一目标图像中所有预设类别的物体的像素所属类别和置信度、以及预设类别的物体所在的检测框。

在本实现方式中，通过步骤S101获取到包含目标车辆周围环境的第一目标图像后，可以利用由神经网络构成的多任务网络对第一目标图像进行图像检测和语义意义分割，以得到第一目标图像中所有预设类别的物体的像素所属类别和属于该类别的置信度、以及预设类别的物体所在的检测框。

其中，第一目标图像中的预设类别的物体指的是可能会对目标车辆自动行驶过程产生影响的物体，进而可以将尺寸小于32x32像素的预设类别物体作为目标物体，比如，目标车辆周围的车辆、行人、车道线、建筑物等，其中，每一预设类别的物体对应了一个检测框，且检测结果中，不同预设类别的物体对应的检测框可用不同颜色(即不同像素值)进行标注，同时，在确定出每一预设类别物体归属的类别后，还可以计算出其归属于该类别的置信度(即归属于该类别的概率)，置信度越高，表明物体归属于该类别的可能性越高，反之，置信度越高，表明物体归属于该类别的可能性越低。

举例说明：如图1所示，对第一目标图像进行检测后，可以输出图像中属于车辆、车道线等预设类别的物体所在位置以及各物体归属于各自类别的置信度。另外，本实施例在图1中已标注出两台车辆各自对应的检测框，其中，每个检测框包含有左上角、左下角、右上角以及右下角四个表示具体位置的坐标值，并且，距离目标车辆较远的车辆的检测框为54x42像素，而距离目标车辆较近的车辆的检测框为453x228像素。

需要说明的是，一种可选的实现方式中，第一目标图像中所有预设类别的物体的像素所属类别是通过对第一目标图像进行语义分割得到的；其中，像素所属类别可以通过类别索引来表示。

具体来讲，通过对第一目标图像进行语义分割，可以确定出图像中每个像素点所属的类别，即，实现了对第一目标图像中所有像素点的分级，这样，可以将属于同一类别的像素点，利用该类别对应的类别索引进行表示，并在图中以对应的颜色进行表示，比如，可以将图像中所有属于车辆的像素点均以同一颜色(如粉色)进行表示；将图像中所有属于车道线的像素点均以另外的同一颜色(如绿色)进行表示等等。

举例说明：如图2所示，在利用语义分割算法对第一目标图像进行语义分割后，可以输出图像中每个像素点所属的类别，如车辆、车道线等预设类别。同时，可以利用类别索引来表示不同的类别，并将每个类别描绘成一种颜色，如图2中车辆与车道线包含的像素点分别采用不同深浅的灰色来表示。

S103：根据目标区域，确定待检测的第二目标图像。

在本实施例中，通过步骤S102确定出待检测的待检测的目标区域后，进一步可以从第一目标图像中截取出目标区域所在的第二目标图像，需要说明的是，第二目标图像是从未经缩放的第一目标图像中截取出的相应区域，用以执行后续步骤S104。

S104：对第二目标图像进行检测，得到第二检测结果，并根据第二检测结果，确定目标车辆周围环境中目标物体的位置。

在本实施例中，通过步骤S103确定出包含目标物体(如距离目标车辆较远的行人或其他车辆等)的第二目标图像后，进一步的，可以利用检测网络(如深度神经网络(Convolutional Neural Network,简称CNN)等神经网络)对第二目标图像进行检测，得到第二检测结果，其中，第二检测结果包含了目标物体具体的位置(如检测框坐标值)。进而，可以对目标物体具体的位置对应的像素点的坐标值进行转换处理，以根据处理结果，准确确定出目标车辆周围环境中各个目标物体在三维立体空间中所在的位置。

举例说明：如图3所示，按照图中箭头指示顺序，通过执行上述步骤S102-S104，先对第一目标图像进行检测，得到第一检测结果，并根据第一检测结果，确定待检测的目标区域，再根据该目标区域，确定出待检测的第二目标图像，进而可以对第二目标图像进行检测，以确定目标车辆周围环境中目标物体的位置并标注出目标物体所在的检测框位置。

具体来讲，一种可选的实现方式是，本步骤S104中的“根据第二检测结果，确定目标车辆周围环境中目标物体的位置”的具体实现过程可以包括下述步骤B1-B2：

步骤B1：将第二检测结果中每一目标物体映射到世界坐标系中，得到每一目标物体在所述世界坐标系中的坐标。

在本实现方式中，在识别出第二目标图像中包含的所有目标物体(如距离目标车辆较远的行人或其他车辆等)后，可以利用现有或未来出现的2D到3D的坐标转换方法，将每一目标物体对应的像素点映射到预先建立的世界坐标系中，得到每一目标物体对应的像素点在世界坐标系中的坐标。具体映射过程与现有方法一致，在此不再赘述。

步骤B2：根据世界坐标系中的坐标，确定目标车辆周围环境中目标物体的位置。

通过步骤B1得到第二检测结果中每一目标物体对应的像素点在世界坐标系中的坐标后，进一步可以根据每一目标物体各自对应的检测框位置(即检测框左上角、左下角、右上角以及右下角四个位置)在世界坐标系中的坐标，准确确定出每一目标物体各自对应的检测框位置在三维立体空间的所在位置，进而可以根据各个检测框位置，准确确定出每一目标物体在三维立体空间中的所在位置。

综上，本实施例提供的一种图像检测方法，在检测自动驾驶车辆周围环境图像中的目标物体时，首先通过目标车辆车载摄像头获取待检测的第一目标图像，其中，第一目标图像为包含目标车辆周围环境的图像，然后，对第一目标图像进行检测，得到第一检测结果，并根据第一检测结果，确定待检测的目标区域，接着，根据该目标区域，确定待检测的第二目标图像，进而，可以对第二目标图像进行检测，得到第二检测结果，并根据第二检测结果，确定目标车辆周围环境中目标物体的位置。可见，由于本申请实施例先确定出了包含目标车辆周围环境的图像中可能存在的漏检或误检区域，作为待检测的目标区域，然后再对该目标区域所属的原分辨图像进行了二次检测，从而可以准确识别出目标车辆周围环境中目标物体(即潜在障碍物)的位置，以保证目标车辆的安全行驶。

第二实施例

本实施例将对一种图像检测装置进行介绍，相关内容请参见上述方法实施例。

参见图5，为本实施例提供的一种图像检测装置的组成示意图，该装置包括：

第一目标图像获取单元501，用于通过目标车辆车载摄像头获取待检测的第一目标图像，所述第一目标图像为包含目标车辆周围环境的图像；

目标区域确定单元502，用于对所述第一目标图像进行检测，得到第一检测结果，并根据所述第一检测结果，确定待检测的目标区域；

第二目标图像确定单元503，用于根据所述目标区域，确定待检测的第二目标图像；

位置确定单元504，用于对所述第二目标图像进行检测，得到第二检测结果，并根据所述第二检测结果，确定所述目标车辆周围环境中目标物体的位置。

在本实施例的一种实现方式中，所述目标区域确定单元502包括：

检测子单元，用于对所述第一目标图像进行检测，得到所述第一目标图像中所有预设类别的物体的像素所属类别和置信度、以及物体所在的检测框；

选取子单元，用于根据所有预设类别的物体的像素所属类别和置信度、以及物体所在的检测框，从所有预设类别的物体中选取满足预设条件的目标物体，并将所述目标物体所在的区域确定为待检测的目标区域。

在本实施例的一种实现方式中，所述第一目标图像中所有预设类别的物体的像素所属类别是通过对所述第一目标图像进行语义分割得到的；其中，所述像素所属类别是通过类别索引表示的。

在本实施例的一种实现方式中，所述位置确定单元504包括：

映射子单元，用于将所述第二检测结果中每一目标物体映射到世界坐标系中，得到每一目标物体在所述世界坐标系中的坐标；

确定子单元，用于根据所述世界坐标系中的坐标，确定所述目标车辆周围环境中目标物体的位置。

在本实施例的一种实现方式中，所述目标物体为所述第一目标图像和第二目标图像中尺寸小于32x32像素的预设类别物体。

综上，本实施例提供的一种图像检测装置，在检测自动驾驶车辆周围环境图像中的目标物体时，首先通过目标车辆车载摄像头获取待检测的第一目标图像，其中，第一目标图像为包含目标车辆周围环境的图像，然后，对第一目标图像进行检测，得到第一检测结果，并根据第一检测结果，确定待检测的目标区域，接着，根据该目标区域，确定待检测的第二目标图像，进而，可以对第二目标图像进行检测，得到第二检测结果，并根据第二检测结果，确定目标车辆周围环境中目标物体的位置。可见，由于本申请实施例先确定出了包含目标车辆周围环境的图像中可能存在的漏检或误检区域，作为待检测的目标区域，然后再对该目标区域所属的原分辨图像进行了二次检测，从而可以准确识别出目标车辆周围环境中目标物体(即潜在障碍物)的位置，以保证目标车辆的安全行驶。

进一步地，本申请实施例还提供了一种图像检测设备，包括：处理器、存储器、系统总线；

所述处理器以及所述存储器通过所述系统总线相连；

所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行上述图像检测方法的任一种实现方法。

进一步地，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行上述图像检测方法的任一种实现方法。

通过以上的实施方式的描述可知，本领域的技术人员可以清楚地了解到上述实施例方法中的全部或部分步骤可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，本申请的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者诸如媒体网关等网络通信设备，等等)执行本申请各个实施例或者实施例的某些部分所述的方法。

需要说明的是，本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，各个实施例之间相同相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。

还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本申请。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本申请的精神或范围的情况下，在其它实施例中实现。因此，本申请将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。

Claims (10)

1.一种图像检测方法，其特征在于，包括：

通过目标车辆车载摄像头获取待检测的第一目标图像，所述第一目标图像为包含目标车辆周围环境的图像；

对所述第一目标图像进行检测，得到第一检测结果，并根据所述第一检测结果，确定待检测的目标区域；

根据所述目标区域，确定待检测的第二目标图像；

对所述第二目标图像进行检测，得到第二检测结果，并根据所述第二检测结果，确定所述目标车辆周围环境中目标物体的位置。

2.根据权利要求1所述的方法，其特征在于，所述对所述第一目标图像进行检测，得到第一检测结果，并根据所述第一检测结果，确定待检测的目标区域，包括：

对所述第一目标图像进行检测，得到所述第一目标图像中所有预设类别的物体的像素所属类别和置信度、以及物体所在的检测框；

根据所有预设类别的物体的像素所属类别和置信度、以及物体所在的检测框，从所有预设类别的物体中选取满足预设条件的目标物体，并将所述目标物体所在的区域确定为待检测的目标区域。

3.根据权利要求2所述的方法，其特征在于，所述第一目标图像中所有预设类别的物体的像素所属类别是通过对所述第一目标图像进行语义分割得到的；其中，所述像素所属类别是通过类别索引表示的。

4.根据权利要求1所述的方法，其特征在于，所述根据所述第二检测结果，确定所述目标车辆周围环境中目标物体的位置，包括：

将所述第二检测结果中每一目标物体映射到世界坐标系中，得到每一目标物体在所述世界坐标系中的坐标；

根据所述世界坐标系中的坐标，确定所述目标车辆周围环境中目标物体的位置。

5.根据权利要求2至4任一项所述的方法，其特征在于，所述目标物体为所述第一目标图像和第二目标图像中尺寸小于32x32像素的预设类别物体。

6.一种图像检测装置，其特征在于，包括：

第一目标图像获取单元，用于通过目标车辆车载摄像头获取待检测的第一目标图像，所述第一目标图像为包含目标车辆周围环境的图像；

目标区域确定单元，用于对所述第一目标图像进行检测，得到第一检测结果，并根据所述第一检测结果，确定待检测的目标区域；

第二目标图像确定单元，用于根据所述目标区域，确定待检测的第二目标图像；

位置确定单元，用于对所述第二目标图像进行检测，得到第二检测结果，并根据所述第二检测结果，确定所述目标车辆周围环境中目标物体的位置。

7.根据权利要求6所述的装置，其特征在于，所述目标区域确定单元包括：

检测子单元，用于对所述第一目标图像进行检测，得到所述第一目标图像中所有预设类别的物体的像素所属类别和置信度、以及物体所在的检测框；

选取子单元，用于根据所有预设类别的物体的像素所属类别和置信度、以及物体所在的检测框，从所有预设类别的物体中选取满足预设条件的目标物体，并将所述目标物体所在的区域确定为待检测的目标区域。

8.根据权利要求6所述的装置，其特征在于，所述位置确定单元包括：

映射子单元，用于将所述第二检测结果中每一目标物体映射到世界坐标系中，得到每一目标物体在所述世界坐标系中的坐标；

确定子单元，用于根据所述世界坐标系中的坐标，确定所述目标车辆周围环境中目标物体的位置。

9.一种图像检测设备，其特征在于，包括：处理器、存储器、系统总线；

所述处理器以及所述存储器通过所述系统总线相连；

所述存储器用于存储一个或多个程序，所述一个或多个程序包括指令，所述指令当被所述处理器执行时使所述处理器执行权利要求1-5任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质中存储有指令，当所述指令在终端设备上运行时，使得所述终端设备执行权利要求1-5任一项所述的方法。

Images