CN111860373A - 目标检测方法及装置、电子设备和存储介质 - Google Patents
目标检测方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN111860373A CN111860373A CN202010725039.5A CN202010725039A CN111860373A CN 111860373 A CN111860373 A CN 111860373A CN 202010725039 A CN202010725039 A CN 202010725039A CN 111860373 A CN111860373 A CN 111860373A
- Authority
- CN
- China
- Prior art keywords
- result
- correction
- detection
- target
- target object
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V2201/00—Indexing scheme relating to image or video recognition or understanding
- G06V2201/07—Target detection
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Image Analysis (AREA)
Abstract
本公开涉及一种目标检测方法及装置、电子设备和存储介质,其中,所述方法包括:获取针对目标场景的当前数据帧进行目标检测得到的第一检测结果;基于所述目标场景的历史优化结果对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果;根据所述第一观测结果对应的点云数据对所述第一观测结果进行修正,得到所述目标对象的第一修正结果。本公开实施例目标检测的精度。
Description
技术领域
本公开涉及计算机视觉技术领域,尤其涉及一种目标检测方法及装置、电子设备和存储介质。
背景技术
计算机视觉技术可以通过电子设备对生物视觉进行模拟,随着计算机视觉技术的发展,越来越多的工作可以利用电子设备完成,为人们提供便利条件。目标检测是计算机视觉中一个重要的任务,其任务目标是对视野范围内物体的位置信息进行估计。稳定的目标检测技术不仅可以估计物体的位置信息,还可以帮助优化相机的位姿或者用于其他应用(例如增强现实和室内导航)的开发。
但是,由于目标检测场景中可能存在一些遮挡或截断现象,还可能存在某些图像帧的漏检情况,现有的目标检测方案对物体的位置信息估计的准确度较低。
发明内容
本公开提出了一种目标检测技术方案。
根据本公开的一方面,提供了一种目标检测方法,包括:获取针对目标场景的当前数据帧进行目标检测得到的第一检测结果;基于所述目标场景的历史优化结果对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果;根据所述第一观测结果对应的点云数据对所述第一观测结果进行修正,得到所述目标对象的第一修正结果。
在一些可能的实现方式中,所述基于所述目标场景的历史优化结果对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果,包括:基于所述目标场景的历史优化结果,确定所述第一检测结果的对象信息,其中,所述对象信息用于标识所述目标对象;根据所述第一检测结果的对象信息对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果。
在一些可能的实现方式中,所述基于所述目标场景的历史优化结果,确定所述第一检测结果的对象信息,包括:将所述目标场景的历史优化结果与所述第一检测结果进行匹配;在所述第一检测结果与所述历史优化结果匹配的情况下,将所述历史优化结果的对象信息确定为所述第一检测结果的对象信息。
在一些可能的实现方式中,所述基于所述目标场景的历史优化结果,确定所述第一检测结果的对象信息,包括:在所述第一检测结果与所述历史优化结果不匹配的情况下,为所述第一检测结果设置新的对象信息。
在一些可能的实现方式中,所述将所述目标场景的历史优化结果与所述第一检测结果进行匹配,包括:确定所述第一检测结果与一个历史优化结果的检测框交叠部分的第一体积,以及,确定所述第一检测结果的检测框与该历史优化结果的检测框共同占据的总体积;根据所述第一体积与所述总体积的比值确定所述第一检测结果与该的历史优化结果的匹配程度。
在一些可能的实现方式中,所述基于所述目标场景的历史优化结果对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果,包括:基于所述目标场景的历史优化结果,在确定所述当前数据帧存在所述第一检测结果未检测到的目标对象的情况下,将所述未检测到的目标对象的历史优化结果确定为所述当前数据帧中未检测到的目标对象的第一观测结果。
在一些可能的实现方式中,所述根据所述第一观测结果对应的点云数据对所述第一观测结果进行修正,得到所述目标对象的第一修正结果,包括:对同一目标对象的历史优化结果对应的点云数据与第一观测结果对应的点云数据进行合并,得到合并点云数据;基于所述合并点云数据,得到对所述第一观测结果进行修正的第一修正结果。
在一些可能的实现方式中,所述对同一目标对象的历史优化结果对应的点云数据与第一观测结果对应的点云数据进行合并,包括:针对同一目标对象,将所述当前数据帧的前一个数据帧的历史优化结果对应的点云数据与所述第一观测结果对应的点云数据进行合并。
在一些可能的实现方式中,所述方法还包括:获取所述目标对象的修正结果,其中,所述修正结果包括所述第一修正结果和第二修正结果,所述第二修正结果为基于目标场景的历史数据帧进行目标检测得到的;基于所述修正结果中的目标结果,确定所述目标对象的当前优化结果。
在一些可能的实现方式中,所述方法还包括:确定所述修正结果中的第一修正结果分别与多个第二修正结果的误差,其中,所述第一修正结果为任意一个所述修正结果,所述第二修正结果为所述第一修正结果之外的修正观测框;统计所述第一修正结果对应的内点数量,其中,所述内点数量为与所述第一修正结果的误差小于误差阈值的第二修正结果的数量;根据所述第一修正结果对应的内点数量确定所述修正结果中的目标结果。
在一些可能的实现方式中,所述根据所述第一修正结果对应的内点数量确定所述修正结果中的目标结果,包括:确定多个所述第一修正结果中所述内点数量最大的第一修正结果;将所述内点数量最大的第一修正结果以及与所述内点数量最大的第一修正结果的误差小于所述误差阈值的第二修正结果,确定为所述修正结果中的目标结果。
在一些可能的实现方式中,所述当前优化结果与多个所述目标结果的误差之和达到最小。
根据本公开的一方面,提供了一种目标检测装置,包括:获取模块,用于获取针对目标场景的当前数据帧进行目标检测得到的第一检测结果;确定模块,用于基于所述目标场景的历史优化结果对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果;修正模块,用于根据所述第一观测结果对应的点云数据对所述第一观测结果进行修正,得到所述目标对象的第一修正结果。
在一些可能的实现方式中,所述确定模块,用于基于所述目标场景的历史优化结果,确定所述第一检测结果的对象信息,其中,所述对象信息用于标识所述目标对象;根据所述第一检测结果的对象信息对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果。
在一些可能的实现方式中,所述确定模块,用于将所述目标场景的历史优化结果与所述第一检测结果进行匹配;在所述第一检测结果与所述历史优化结果匹配的情况下,将所述历史优化结果的对象信息确定为所述第一检测结果的对象信息。
在一些可能的实现方式中,所述确定模块,用于在所述第一检测结果与所述历史优化结果不匹配的情况下,为所述第一检测结果设置新的对象信息。
在一些可能的实现方式中,所述确定模块,用于确定所述第一检测结果与一个历史优化结果的检测框交叠部分的第一体积,以及,确定所述第一检测结果的检测框与该历史优化结果的检测框共同占据的总体积;根据所述第一体积与所述总体积的比值确定所述第一检测结果与该的历史优化结果的匹配程度。
在一些可能的实现方式中,所述确定模块,用于基于所述目标场景的历史优化结果,在确定所述当前数据帧存在所述第一检测结果未检测到的目标对象的情况下,将所述未检测到的目标对象的历史优化结果确定为所述当前数据帧中未检测到的目标对象的第一观测结果。
在一些可能的实现方式中,所述修正模块,用于对同一目标对象的历史优化结果对应的点云数据与第一观测结果对应的点云数据进行合并,得到合并点云数据;基于所述合并点云数据,得到对所述第一观测结果进行修正的第一修正结果。
在一些可能的实现方式中,所述修正模块,用于针对同一目标对象,将所述当前数据帧的前一个数据帧的历史优化结果对应的点云数据与所述第一观测结果对应的点云数据进行合并。
在一些可能的实现方式中,所述装置还包括:优化模块,用于获取所述目标对象的修正结果,其中,所述修正结果包括所述第一修正结果和第二修正结果,所述第二修正结果为基于目标场景的历史数据帧进行目标检测得到的;基于所述修正结果中的目标结果,确定所述目标对象的当前优化结果。
在一些可能的实现方式中,所述优化模块,还用于确定所述修正结果中的第一修正结果分别与多个第二修正结果的误差,其中,所述第一修正结果为任意一个所述修正结果,所述第二修正结果为所述第一修正结果之外的修正观测框;统计所述第一修正结果对应的内点数量,其中,所述内点数量为与所述第一修正结果的误差小于误差阈值的第二修正结果的数量;根据所述第一修正结果对应的内点数量确定所述修正结果中的目标结果。
在一些可能的实现方式中,所述优化模块,用于确定多个所述第一修正结果中所述内点数量最大的第一修正结果;将所述内点数量最大的第一修正结果以及与所述内点数量最大的第一修正结果的误差小于所述误差阈值的第二修正结果,确定为所述修正结果中的目标结果。
在一些可能的实现方式中,所述当前优化结果与多个所述目标结果的误差之和达到最小。
根据本公开的一方面,提供了一种电子设备,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为:执行上述目标检测方法。
根据本公开的一方面,提供了一种计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令被处理器执行时实现上述目标检测方法。
在本公开实施例中,可以获取针对目标场景的当前数据帧进行目标检测得到的第一检测结果,然后基于目标场景的历史优化结果对第一检测结果进行更新,得到当前数据帧中目标对象的第一观测结果,再根据目标对象的历史优化结果与第一观测结果对应的点云数据对第一观测结果进行修正,得到所述目标对象的第一修正结果。这样,可以将目标场景的第一检测结果与历史优化结果相结合,考虑第一检测结果与历史优化结果的关联性,从而得到的第一修正结果可以更加准确地对目标对象的位置进行表示。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,而非限制本公开。
根据下面参考附图对示例性实施例的详细说明,本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分,这些附图示出了符合本公开的实施例,并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的目标检测方法的流程图。
图2示出根据本公开实施例的目标检测方法一示例的流程图。
图3示出根据本公开实施例的目标检测装置的框图。
图4示出根据本公开实施例的电子设备示例的框图。
图5示出根据本公开实施例的电子设备示例的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面,但是除非特别指出,不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”,仅仅是一种描述关联对象的关联关系,表示可以存在三种关系,例如,A和/或B,可以表示:单独存在A,同时存在A和B,单独存在B这三种情况。另外,本文中术语“至少一种”表示多个中的任意一种或多个中的至少两种的任意组合,例如,包括A、B、C中的至少一种,可以表示包括从A、B和C构成的集合中选择的任意一个或多个元素。
另外,为了更好地说明本公开,在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解,没有某些具体细节,本公开同样可以实施。在一些实例中,对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述,以便于凸显本公开的主旨。
本公开实施例提供的目标检测方案,可以获取针对目标场景的当前数据帧进行目标检测得到的第一检测结果,然后基于目标场景的历史优化结果对第一检测结果进行更新,得到当前数据帧中目标对象的第一观测结果,再根据目标对象的历史优化结果与第一观测结果对应的点云数据对第一观测结果进行修正,得到对第一观测结果进行修正的第一修正结果。这里,通过第一检测结果与历史优化结果相结合得到的第一观测结果,可以更加准确地指示当前数据帧中的目标对象,进一步通过历史优化结果与第一观测结果对应的点云数据,可以对第一观测结果进行调整,使得第一修正结果可以更加准确的指示目标对象的位置。
在相关技术中,通常针对目标场景采集的每一个数据帧单独进行目标检测。然而这种目标检测的方式存在很大的局限性,例如,针对同一物体的检测结果会发生抖动的现象,或者,在目标场景中的目标对象存在遮挡现象或截断现象的情况下,很难对目标对象的位置进行准确的估计,从而检测结果的准确性较差。本公开实施例可以将目标场景当前数据帧的第一检测结果与历史优化结果相结合,从而可以考虑同一目标对象的位置在时间上的连续性,提高对目标对象的位置进行估计的准确性。
本公开实施例提供的技术方案可以应用于目标检测、目标追踪、定位、导航等应用场景的扩展,本公开实施例对此不做限定。例如,可以应用于终端的增强现实技术,通过得到的室内场景中目标对象的第一修正结果,可以实现室内定位和/或室内导航。
图1示出根据本公开实施例的目标检测方法的流程图。该目标检测方法可以由终端设备、服务器或其它类型的电子设备执行,其中,终端设备可以为用户设备(UserEquipment,UE)、移动设备、用户终端、终端、蜂窝电话、无绳电话、个人数字处理(PersonalDigital Assistant,PDA)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中,该目标检测方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。下面以电子设备作为执行主体为例对本公开实施例的目标检测方法进行说明。
步骤S11,获取针对目标场景的当前数据帧进行目标检测得到的第一检测结果。
在本公开实施例中,电子设备可以对目标场景进行数据采集,得到目标场景的当前数据帧,或者,电子设备可以从其他设备处获取目标场景的当前数据帧。当前数据帧可以是一个图像帧,例如,当前数据帧可以是目标场景的深度图像,或者,当前数据帧还可以是针对目标场景采集的点云数据。其中,深度图像可以包括普通的RGB图(具有红(R)、绿(G)、蓝(B)三个颜色通道的彩色图像)和深度图。进一步地,可以对当前数据帧进行目标检测,得到第一检测结果。这里,可以利用任何现有的检测方法对当前数据帧进行目标检测。第一检测结果可以是针对当前数据帧进行目标检测得到的检测框,检测框可以指示目标对象所在的位置和尺寸,从而第一检测结果可以包括位置信息和尺寸信息。其中,检测框可以是三维(3D)检测框,检测框所指示的目标对象的位置和尺寸可以是目标对象在是目标场景中的位置和尺寸。第一检测结果可以认为是较为粗略的检测结果。在一些实现方式中,电子设备也从其他设备处直接获取第一检测结果。
这里,第一检测结果所指示的目标对象所在的位置,可以是目标对象在目标场景的世界坐标系下的位置,例如,第一检测结果可以是目标对象在世界坐标系下的坐标。电子设备可以直接获取包括目标对象在世界坐标系下位置的第一检测结果。在一些实现方式中,可以先获取目标对象在图像采集装置坐标系下的位置,然后根据图像采集装置坐标系与世界坐标系的相对位置变换关系,可以将目标对象在图像采集装置坐标系下的位置,转换为目标对象在世界坐标系下的位置。目标对象可以是目标场景中存在的物体、人物等,例如,目标对象可以是行人、桌子、椅子等。第一检测结果还可以包括所指示的目标对象的对象信息,从而可以根据第一检测结果的对象信息确定第一检测结果指示的目标对象。
步骤S12,基于所述目标场景的历史优化结果对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果。
在本公开实施例中,目标场景的历史优化结果可以是基于第二检测结果进行优化得到的目标对象的检测结果,历史优化结果可以较为准确地指示目标对象所在的位置。第二检测结果可以是针对目标场景的全部或部分历史数据帧进行目标检测得到的,历史数据帧可以是在当前数据帧之前采集的数据帧,第二检测结果可以是目标对象的历史检测结果。这里,第二检测结果的获取方式可以与上述第一检测结果的获取方式相似,这里不再赘述。相应地,第二检测结果可以是针对历史数据帧进行目标检测得到的检测框,第二检测结果可以包括位置信息和尺寸信息。
需要说明的是,目标场景中的一个目标对象可以对应一个历史优化结果,即,根据全部或部分历史数据帧进行目标检测得到的多个第二检测结果,可以得到每个目标对象的一个历史优化结果,在得到一个目标对象的新的优化结果之后,可以对存储的历史优化结果进行更新,从而使一个目标对象对应一个历史优化结果,进而减少存储的历史优化结果。一些实现方式中,也可以针对每个数据帧对应的优化结果进行存储,本公开不对此进行限制,在针对目标场景的每个数据帧进行检测结果的优化的情况下,此时步骤S12中提到的历史优化结果可以认为是当前数据帧的前一个数据帧对应的优化结果。
这里,可以利用目标场景的历史优化结果对第一检测结果进行更新,例如,可以将历史优化结果与第一检测结果进行匹配,建立第一检测结果对应的目标对象与历史优化结果对应的已知目标对象之间的关联。根据第一检测结果对应的目标对象与历史优化结果对应的已知目标对象之间的关联,可以对第一检测结果进行更新,例如,可以确定第一检测结果的对象信息,或者,可以将同一目标对象的历史优化结果和第一检测结果进行合并,例如,将历史优化结果对应的检测框与第一检测结果对应的检测框进行合并。
通过基于目标场景的历史优化结果对第一检测结果进行更新,可以建立当前数据帧的目标对象与历史数据帧的目标对象之间的联系,从而使得到的第一观测结果具有更加准确的对象信息。这里,第一观测结果也可以是一个检测框,相应地,第一观测结果可以包括目标对象的位置信息和尺寸信息。
步骤S13,根据所述第一观测结果对应的点云数据对所述第一观测结果进行修正,得到所述目标对象的第一修正结果。
在本公开实施例中,针对目标场景中的一个目标对象,可能存在于当前数据帧中,也可能存在于一个或多个历史数据帧中,从而当前数据帧中的一个目标对象可以具有第一观测结果,一些实现方式中,还可以具有历史优化结果。在当前数据帧中的一个目标对象仅具有第一观测结果的情况下,可以根据该目标对象的第一观测结果对应的点云数据对第一观测结果进行修正,得到该目标对象的第一修正结果。在当前数据帧中的一个目标对象既具有第一观测结果又具有历史优化结果的情况下,可以根据该目标对象的第一观测结果对应的点云数据和历史优化结果对应的点云数据,对第一观测结果进行修正,得到该目标对象的第一修正结果。举例来说,可以对目标对象的第一观测结果对应的点云数据和/或历史优化结果中明显的异常数据进行删除,或者,可以对第一观测结果对应的点云数据中的缺失数据进行补充,进而目标对象的第一修正结果。这样,第一修正结果可以更加准确地指示当前数据帧中的目标对象在目标场景的位置。
这里,在当前数据帧是图像帧的情况下,可以根据图像帧的深度信息将图像帧转换为点云数据。然后可以获取历史优化结果和/或第一观测结果对应的点云数据。
在本公开实施例中,可以通过目标场景的历史优化结果对第一检测结果进行更新,从而可以建立当前数据帧与历史数据帧之间的关联。下面通过一实现方式对得到当前数据帧中目标对象的第一观测结果的过程进行说明。
在一个或多个可能的实现方式中,可以基于目标场景的历史优化结果,确定第一检测结果的对象信息。然后可以根据第一检测结果的对象信息对第一检测结果进行更新,得到当前数据帧中目标对象的第一观测结果。其中,对象信息用于标识目标对象。
在本实现方式中,可以利用目标场景中目标对象的历史优化结果,确定第一检测结果的对象信息,例如,可以在历史优化结果的检测框与第一检测结果的检测框重合的情况下,可以认为历史优化结果指示的目标对象与第一检测结果指示的目标对象是同一目标对象,从而可以将历史优化结果的对象信息作为第一检测结果对应的对象信息。再例如,在任意一个历史优化结果的检测框均未与第一检测结果的检测框重合的情况下,可以认为第一检测结果指示的目标对象是目标场景中新检测到的目标对象,从而可以生成新的对象信息标识第一检测结果指示的目标对象。通过确定第一检测结果的对象信息,可以建立历史优化结果与第一检测结果之间的联系,从而提高目标检测的准确性。
在本实现方式的一个示例中,可以将目标场景的历史优化结果与第一检测结果进行匹配,在第一检测结果与历史优化结果匹配的情况下,将历史优化结果的对象信息确定为第一检测结果的对象信息。
在本示例中,可以将目标场景的历史优化结果与第一检测结果进行匹配,例如,可以确定历史优化结果的检测框与第一检测结果的检测框进行匹配,确定历史优化结果与第一检测结果的匹配程度。针对一个第一检测结果,可以将与该第一检测结果的匹配程度最高并且大于匹配程度阈值的历史优化结果,确定为与该第一检测结果匹配的历史优化结果,进而将与该第一检测结果匹配的历史优化结果的对象信息,作为第一检测结果的对象信息,得到目标对象的第一观测结果,第一观测结果可以为更新对象信息后的第一检测结果。通过将目标场景的历史优化结果与第一检测结果进行匹配,可以确定第一检测结果与历史优化结果之间的联系,从而可以进一步对第一检测结果进行更新,得到具有准确的对象信息的第一观测结果。
这里,将目标场景的历史优化结果与第一检测结果进行匹配,可以确定一个第一检测结果的检测框与一个历史优化结果的检测框交叠部分的第一体积,以及,确定该第一检测结果的检测框与该历史优化结果的检测框共同占据的总体积,然后可以将第一体积与总体积的比值作为该历史优化结果与该第一检测结果的匹配程度。即,可以将一个第一检测结果的检测框与一个历史优化结果的检测框之间的三维交并比(3-DimensionalIntersection over Union)作为该检测结果与该历史优化结果的匹配程度。
在本公开实现方式的一个示例中,在第一检测结果与历史优化结果不匹配的情况下,为第一检测结果设置新的对象信息。
在本示例中,如果第一检测结果与任意一个历史优化结果的匹配程度均低于匹配程度阈值,则第一检测结果与任意一个历史优化结果均不匹配,从而可以认为第一检测结果是目标场景中新观测到的目标对象的检测结果,从而为第一检测结果设置新的对象信息。在第一检测结果与当前场景中历史优化结果不匹配的情况下,通过为第一检测结果设置新的对象信息,可以使第一检测结果对应新观测到的目标对象。
在一个可能的实现方式中,还可以基于目标场景的历史优化结果,在确定当前数据帧的视野范围存在第一检测结果未检测到的目标对象的情况下,将未检测到的目标对象的历史优化结果确定为当前数据帧中未检测到的目标对象的第一观测结果。
在本实现方式中,各个历史优化结果可以是基于目标场景的历史数据帧进行目标检测得到的,在多个历史数据帧中检测到的同一个目标对象可以对应一个历史优化结果,历史优化结果可以包括目标对象的位置信息和对象信息,根据历史数据帧的历史优化结果可以确定目标场景中存在的目标对象。在根据历史优化结果确定当前数据帧的视野范围内可以观测到一个目标对象,但是当前数据帧的第一检测结果表明在当前数据帧中未检测到该目标对象,可以认为当前数据帧存在漏检的现象,进而可以将未检测到的目标对象的历史优化结果确定为当前数据帧中该目标对象的第一观测结果,从而减少漏检现象,大大增加了目标检测的可靠性。
在上述步骤S13中,可以对第一观测结果进行修正,得到第一修正结果。第一修正结果相比于第一观测结果而言,具有更加准确的位置信息,从而使得目标检测更加准确。下面通过一可能的实现方式对得到第一修正结果的过程进行说明。
在一个可能的实现方式中,可以对同一目标对象的历史优化结果的点云数据与第一观测结果对应的点云数据进行合并,得到合并点云数据。然后基于合并点云数据,得到对第一观测结果进行修正的第一修正结果。
在本实现方式中,可以根据历史优化结果的对象信息以及第一观测结果对象信息,确定属于同一目标对象的历史优化结果和第一观测结果。由于对象信息可以对目标对象进行标注,在对象信息相同的情况下,则可以认为历史优化结果和第一观测结果属于同一目标对象。针对同一目标对象,可以获取历史优化结果的检测框中的点云数据以及第一观测结果的检测框中的点云数据,并将历史优化结果对应的点云数据和第一观测结果对应的点云数据进行合并,例如,对历史优化结果对应的点云数据和第一观测结果对应的点云数据取并集,得到一个目标对象的合并点云数据。根据该合并点云数据可以对第一观测结果进行修正,得到该目标对象的第一修正结果。例如,可以将一个目标对象的合并点云数据输入神经网络中,利用神经网络对第一观测结果的位置信息进行修正,得到神经网络输出的第一修正结果。通过这种方式,可以利用同一对象的合并点云数据得到位置信息更加准确的第一修正结果,从而在目标检测过程中可以考虑同一目标对象的历史信息(如历史优化结果的位置信息),提高目标检测的准确性。
这里,如果针对每个数据帧的第一观测结果进行修正和优化,那么每个数据帧可以对应一个目标对象的优化结果,从而在针对当前数据帧的第一观测结果进行修正和优化的情况下,针对同一目标对象,可以将当前数据帧的前一个数据帧的历史优化结果对应的点云数据与第一观测结果对应的点云数据进行合并,利用当前数据帧的前一个数据帧的历史优化结果对当前数据帧的第一观测结果进行修正,由于当前数据帧的前一个数据帧的历史优化结果是最新存储的,相比于其他历史数据帧对应的历史优化结果更加准确,从而利用前一个数据帧的历史优化结果对当前数据帧的第一观测结果进行修正,可以使得到的第一修正结果更加准确。
在一些实现方式中,如果针对采集的部分数据帧的第一观测结果进行修正和优化,例如,选择每间隔一定数据帧选择进行第一观测结果修正和优化的数据帧,那么并非是每个数据帧均对应一个目标对象的优化结果。此时在针对当前数据帧的第一观测结果进行修正和优化的情况下,可以针对同一目标对象,选择该目标对象最新存储的历史优化结果对当前数据帧的第一观测结果进行修正。
为了进一步提高目标检测的准确率,可以在得到目标对象的第一修正结果之后,进一步对第一修正结果进行优化。下面对进一步对第一修正结果进行优化的过程进行说明。
在一个可能的实现方式中,可以获取目标对象的修正结果,其中,修正结果包括第一修正结果和第二修正结果,第二修正结果为基于目标场景的历史数据帧进行目标检测得到的。基于修正结果中的目标结果,可以确定目标对象的当前优化结果。
在本实现方式中,可以将当前数据帧的第一修正结果与历史数据帧的第二修正结果相结合,进一步对第一修正结果进行优化。第二修正结果可以是基于针对目标场景的历史数据帧进行目标检测的第二检测结果得到的,第二检测结果可以是历史检测结果。第二修正结果的确定方式可以与第一修正结果的确定方式相同,这里不再赘述。每个历史数据帧可以对应目标对象的一个第二修正结果,随着不断对目标场景进行数据帧采集,同一个目标对象可以对应一系列的第二修正结果。为了进一步提高目标检测的准确性,可以获取包括第一修正结果和第二修正结果的修正结果,从而可以联合历史数据帧的目标检测信息(第二修正结果)。然后基于修正结果中的目标结果,可以确定目标对象的当前优化结果,例如,可以在一个目标对象的修正结果中选择一个或若干个修正结果作为目标结果,将目标结果作为当前优化结果,或者,将多个目标结果的平均值或中间值作为当前优化结果。由于目标对象的位置变动可能很小,从而由不同数据帧得到的目标对象的修正结果可以一致,从而可以利用多个修正结果得到目标对象的当前优化结果,使得目标检测更加准确。
在本实现方式的一个示例中,可以确定修正结果中的第一修正结果分别与多个第二修正结果的误差,其中,第一修正结果为任意一个修正结果,第二修正结果为第一修正结果之外的修正结果。针对任意一个第一修正结果,统计第一修正结果对应的内点数量,其中,内点数量为与第一修正结果的误差小于误差阈值的第二修正结果的数量。再根据第一修正结果对应的内点数量确定修正结果中的目标结果。
在本示例中,提供了一个确定修正结果中的目标结果的示例。针对一个目标对象的多个修正结果,可以将任意一个修正结果作为第一修正结果,多个修正结果中除第一修正结果之外的修正结果可以作为第二修正结果。针对一个目标对象的第一修正结果,可以分别计算第一修正结果与多个第二修正结果的误差,根据第一修正结果与多个第二修正结果的误差可以统计第一修正结果对应的内点数量。例如,可以计算第一修正结果的位置信息与一个第二修正结果的位置信息的误差,如果该误差小于误差阈值,则可以认为该第二修正结果与第一修正结果比较接近,可以认为该第二修正结果是第一修正结果的一个内点,第一修正结果的内点的数量可以作为第一修正结果对应的内点数量,即,与第一修正结果的误差小于误差阈值的第二修正结果的数量。在确定第一修正结果对应的内点数量之后,可以根据第一修正结果对应的内点数量确定修正结果中的目标结果,例如,将内点数量最大的第一修正结果确定为修正结果中的目标结果。通过这种方式,可以根据修正结果中相对准确的目标结果确定目标对象的当前优化结果,去除准确性较低的修正结果,从而可以进一步提高目标检测的准确性。
在本实现方式的一个示例中,确定多个第一修正结果中内点数量最大的第一修正结果。然后将内点数量最大的第一修正结果以及与内点数量最大的第一修正结果的误差小于误差阈值的第二修正结果,确定为修正结果中的目标结果。
在本示例中,与第一修正结果的误差小于误差阈值的第二修正结果可以是第一修正结果的内点,内点数量最大的第一修正结果可以是内点数量最多的第一修正结果。一个目标对象的一个第一修正结果的内点数量最多,可以表示,在目标对象的位置改变较少的情况下,这个第一修正结果以及该第一修正结果的内点更接近该目标对象的真实位置,从而可以将这个第一修正结果以及该第一修正结果的内点,确定为该目标对象的修正结果中的目标结果。
在本实现方式中,可以基于一个目标对象的修正结果中的多个目标结果,确定该目标对象的当前优化结果,从而可以对该目标对象的第一修正结果进行进一步的优化,使优化后得到的当前优化结果可以更加准确地指示目标对象的位置。例如,可以根据各个目标结果中目标对象的位置信息,估计一个最优值,使该最优值达到特定条件,这个最优值可以作为目标对象的当前优化结果。
在一个示例中,针对一个目标对象,在根据各个目标结果中目标对象位置信息,估计一个当前优化结果,可以使当前优化结果与多个目标结果的距离之和达到最小,例如,可以将当前优化结果作为一个未知变量,建立该未知变量与各个目标结果之间的误差的平方之和的方程式,然后求解距离之和最小情况下的未知变量取值,求解出来的未知变量取值可以作为该目标对象的当前优化结果。得到的当前优化结果可以与多个目标结果的位置信息之间的距离之和达到最小。这样,可以将当前优化结果作为目标对象的最终检测结果,从而提高目标检测的准确性。
在本公开实施例例中,在得到一个目标对象的当前优化结果之后,可以将该目标对象的当前优化结果进行保存,或者,可以将保存的该目标对象的历史优化结果更新为得到的当前优化结果。
下面通过一个示例对本公开实施例提供的目标检测方案进行说明。图2示出根据本公开实施例的目标检测方法一示例的流程图。
步骤S201,获取目标场景的当前数据帧的3D检测框(第一检测结果);
步骤S202,将目标场景中已知对象的历史最优估计框(历史优化结果)与当前当前数据帧的3D检测框进行匹配,得到当前数据帧中目标对象的当前观测框(第一观测结果);
步骤S203,针对每个目标对象,利用该目标对象的最优估计框和当前数据帧的当前观测框对目标场景的点云数据进行分割,保留该目标对象的历史最优估计框和/或当前观测框内的点云数据;
步骤S204,将每个目标对象的最优估计框和/或当前观测框内的点云数据以及该目标对象对应的当前观测框输入到神经网络中,利用神经网络对每个目标对象的当前观测框进行修正,得到当前数据帧中每个目标对象的当前修正框(第一修正结果);
步骤S205,对每个目标对象的当前修正框与历史修正框进行联合优化,得到每个目标对象的当前最优估计框(当前优化结果)。
本公开实施例提供的目标检测方案,可以提高目标检测的准确性,即使在目标场景中存在遮挡或截断的情况,得到的检测结果也具有很强的鲁棒性,提高目标检测的稳定性。
可以理解,本公开提及的上述各个方法实施例,在不违背原理逻辑的情况下,均可以彼此相互结合形成结合后的实施例,限于篇幅,本公开不再赘述。
此外,本公开还提供了装置、电子设备、计算机可读存储介质、程序,上述均可用来实现本公开提供的任一种目标检测方法,相应技术方案和描述和参见方法部分的相应记载,不再赘述。
本领域技术人员可以理解,在具体实施方式的上述方法中,各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定,各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
图3示出根据本公开实施例的目标检测装置的框图,如图3所示,所述装置包括:
获取模块31,用于获取针对目标场景的当前数据帧进行目标检测得到的第一检测结果;
确定模块32,用于基于所述目标场景的历史优化结果对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果;
修正模块33,用于根据所述第一观测结果对应的点云数据对所述第一观测结果进行修正,得到所述目标对象的第一修正结果。
在一些可能的实现方式中,所述确定模块32,用于基于所述目标场景的历史优化结果,确定所述第一检测结果的对象信息,其中,所述对象信息用于标识所述目标对象;根据所述第一检测结果的对象信息对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果。
在一些可能的实现方式中,所述确定模块32,用于将所述目标场景的历史优化结果与所述第一检测结果进行匹配;在所述第一检测结果与所述历史优化结果匹配的情况下,将所述历史优化结果的对象信息确定为所述第一检测结果的对象信息。
在一些可能的实现方式中,所述确定模块32,用于在所述第一检测结果与所述历史优化结果不匹配的情况下,为所述第一检测结果设置新的对象信息。
在一些可能的实现方式中,所述确定模块32,用于确定所述第一检测结果与一个历史优化结果的检测框交叠部分的第一体积,以及,确定所述第一检测结果的检测框与该历史优化结果的检测框共同占据的总体积;根据所述第一体积与所述总体积的比值确定所述第一检测结果与该的历史优化结果的匹配程度。
在一些可能的实现方式中,所述确定模块32,用于基于所述目标场景的历史优化结果,在确定所述当前数据帧存在所述第一检测结果未检测到的目标对象的情况下,将所述未检测到的目标对象的历史优化结果确定为所述当前数据帧中未检测到的目标对象的第一观测结果。
在一些可能的实现方式中,所述修正模块33,用于对同一目标对象的历史优化结果对应的点云数据与第一观测结果对应的点云数据进行合并,得到合并点云数据;基于所述合并点云数据,得到对所述第一观测结果进行修正的第一修正结果。
在一些可能的实现方式中,所述修正模块33,用于针对同一目标对象,将所述当前数据帧的前一个数据帧的历史优化结果对应的点云数据与所述第一观测结果对应的点云数据进行合并。
在一些可能的实现方式中,所述装置还包括:优化模块,用于获取所述目标对象的修正结果,其中,所述修正结果包括所述第一修正结果和第二修正结果,所述第二修正结果为基于目标场景的历史数据帧进行目标检测得到的;基于所述修正结果中的目标结果,确定所述目标对象的当前优化结果。
在一些可能的实现方式中,所述优化模块,还用于确定所述修正结果中的第一修正结果分别与多个第二修正结果的误差,其中,所述第一修正结果为任意一个所述修正结果,所述第二修正结果为所述第一修正结果之外的修正观测框;统计所述第一修正结果对应的内点数量,其中,所述内点数量为与所述第一修正结果的误差小于误差阈值的第二修正结果的数量;根据所述第一修正结果对应的内点数量确定所述修正结果中的目标结果。
在一些可能的实现方式中,所述优化模块,用于确定多个所述第一修正结果中所述内点数量最大的第一修正结果;将所述内点数量最大的第一修正结果以及与所述内点数量最大的第一修正结果的误差小于所述误差阈值的第二修正结果,确定为所述修正结果中的目标结果。
在一些可能的实现方式中,所述当前优化结果与多个所述目标结果的误差之和达到最小。
在一些实施例中,本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法,其具体实现可以参照上文方法实施例的描述,为了简洁,这里不再赘述。
图4是根据一示例性实施例示出的一种电子设备800的框图。例如,电子设备800可以是移动电话,计算机,数字广播终端,消息收发设备,游戏控制台,平板设备,医疗设备,健身设备,个人数字助理等。
参照图4,电子设备800可以包括以下一个或多个组件:处理组件802,存储器804,电源组件806,多媒体组件808,音频组件810,输入/输出(I/O)的接口812,传感器组件814,以及通信组件816。
处理组件802通常控制电子设备800的整体操作,诸如与显示,电话呼叫,数据通信,相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令,以完成上述的方法的全部或部分步骤。此外,处理组件802可以包括一个或多个模块,便于处理组件802和其他组件之间的交互。例如,处理组件802可以包括多媒体模块,以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令,联系人数据,电话簿数据,消息,图片,视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现,如静态随机存取存储器(SRAM),电可擦除可编程只读存储器(EEPROM),可擦除可编程只读存储器(EPROM),可编程只读存储器(PROM),只读存储器(ROM),磁存储器,快闪存储器,磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统,一个或多个电源,及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中,屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板,屏幕可以被实现为触摸屏,以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界,而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中,多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式,如拍摄模式或视频模式时,前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如,音频组件810包括一个麦克风(MIC),当电子设备800处于操作模式,如呼叫模式、记录模式和语音识别模式时,麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中,音频组件810还包括一个扬声器,用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口,上述外围接口模块可以是键盘,点击轮,按钮等。这些按钮可包括但不限于:主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器,用于为电子设备800提供各个方面的状态评估。例如,传感器组件814可以检测到电子设备800的打开/关闭状态,组件的相对定位,例如所述组件为电子设备800的显示器和小键盘,传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变,用户与电子设备800接触的存在或不存在,电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器,被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器,如CMOS或CCD图像传感器,用于在成像应用中使用。在一些实施例中,该传感器组件814还可以包括加速度传感器,陀螺仪传感器,磁传感器,压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络,如WiFi,2G或3G,或它们的组合。在一个示例性实施例中,通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中,所述通信组件816还包括近场通信(NFC)模块,以促进短程通信。例如,在NFC模块可基于射频识别(RFID)技术,红外数据协会(IrDA)技术,超宽带(UWB)技术,蓝牙(BT)技术和其他技术来实现。
在示例性实施例中,电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现,用于执行上述方法。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器804,上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
本公开实施例还提出一种电子设备,包括:处理器;用于存储处理器可执行指令的存储器;其中,所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图5是根据一示例性实施例示出的一种电子设备1900的框图。例如,电子设备1900可以被提供为一服务器。参照图5,电子设备1900包括处理组件1922,其进一步包括一个或多个处理器,以及由存储器1932所代表的存储器资源,用于存储可由处理组件1922的执行的指令,例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外,处理组件1922被配置为执行指令,以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理,一个有线或无线网络接口1950被配置为将电子设备1900连接到网络,和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统,例如微软服务器操作系统(Windows ServerTM),苹果公司推出的基于图形用户界面操作系统(Mac OSXTM),多用户多进程的计算机操作系统(UnixTM),自由和开放原代码的类Unix操作系统(LinuxTM),开放原代码的类Unix操作系统(FreeBSDTM)或类似。
在示例性实施例中,还提供了一种非易失性计算机可读存储介质,例如包括计算机程序指令的存储器1932,上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质,其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括:便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身,诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如,通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备,或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令,并转发该计算机可读程序指令,以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多个编程语言的任意组合编写的源代码或目标代码,所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等,以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中,通过利用计算机可读程序指令的状态信息来个性化定制电子电路,例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA),该电子电路可以执行计算机可读程序指令,从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解,流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合,都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器,从而生产出一种机器,使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时,产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中,这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作,从而,存储有指令的计算机可读介质则包括一个制造品,其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上,使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤,以产生计算机实现的过程,从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分,所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个连续的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或动作的专用的基于硬件的系统来实现,或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述了本公开的各实施例,上述说明是示例性的,并非穷尽性的,并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下,对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择,旨在最好地解释各实施例的原理、实际应用或对市场中技术的技术改进,或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
Claims (15)
1.一种目标检测方法,其特征在于,包括:
获取针对目标场景的当前数据帧进行目标检测得到的第一检测结果;
基于所述目标场景的历史优化结果对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果;
根据所述第一观测结果对应的点云数据对所述第一观测结果进行修正,得到所述目标对象的第一修正结果。
2.根据权利要求1所述的方法,其特征在于,所述基于所述目标场景的历史优化结果对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果,包括:
基于所述目标场景的历史优化结果,确定所述第一检测结果的对象信息,其中,所述对象信息用于标识所述目标对象;
根据所述第一检测结果的对象信息对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果。
3.根据权利要求2所述的方法,其特征在于,所述基于所述目标场景的历史优化结果,确定所述第一检测结果的对象信息,包括:
将所述目标场景的历史优化结果与所述第一检测结果进行匹配;
在所述第一检测结果与所述历史优化结果匹配的情况下,将所述历史优化结果的对象信息确定为所述第一检测结果的对象信息。
4.根据权利要求3所述的方法,其特征在于,所述基于所述目标场景的历史优化结果,确定所述第一检测结果的对象信息,包括:
在所述第一检测结果与所述历史优化结果不匹配的情况下,为所述第一检测结果设置新的对象信息。
5.根据权利要求3所述的方法,其特征在于,所述将所述目标场景的历史优化结果与所述第一检测结果进行匹配,包括:
确定所述第一检测结果与一个历史优化结果的检测框交叠部分的第一体积,以及,确定所述第一检测结果的检测框与该历史优化结果的检测框共同占据的总体积;
根据所述第一体积与所述总体积的比值确定所述第一检测结果与该的历史优化结果的匹配程度。
6.根据权利要求1至5任意一项所述的方法,其特征在于,所述基于所述目标场景的历史优化结果对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果,包括:
基于所述目标场景的历史优化结果,在确定所述当前数据帧存在所述第一检测结果未检测到的目标对象的情况下,将所述未检测到的目标对象的历史优化结果确定为所述当前数据帧中未检测到的目标对象的第一观测结果。
7.根据权利要求1至6任意一项所述的方法,其特征在于,所述根据所述第一观测结果对应的点云数据对所述第一观测结果进行修正,得到所述目标对象的第一修正结果,包括:
对同一目标对象的历史优化结果对应的点云数据与第一观测结果对应的点云数据进行合并,得到合并点云数据;
基于所述合并点云数据,得到对所述第一观测结果进行修正的第一修正结果。
8.根据权利要求7所述的方法,其特征在于,所述对同一目标对象的历史优化结果对应的点云数据与第一观测结果对应的点云数据进行合并,包括:针对同一目标对象,将所述当前数据帧的前一个数据帧的历史优化结果对应的点云数据与所述第一观测结果对应的点云数据进行合并。
9.根据权利要求1至8任意一项所述的方法,其特征在于,所述方法还包括:
获取所述目标对象的修正结果,其中,所述修正结果包括所述第一修正结果和第二修正结果,所述第二修正结果为基于目标场景的历史数据帧进行目标检测得到的;
基于所述修正结果中的目标结果,确定所述目标对象的当前优化结果。
10.根据权利要求9所述的方法,其特征在于,所述方法还包括:
确定所述修正结果中的第一修正结果分别与多个第二修正结果的误差,其中,所述第一修正结果为任意一个所述修正结果,所述第二修正结果为所述第一修正结果之外的修正观测框;
统计所述第一修正结果对应的内点数量,其中,所述内点数量为与所述第一修正结果的误差小于误差阈值的第二修正结果的数量;
根据所述第一修正结果对应的内点数量确定所述修正结果中的目标结果。
11.根据权利要求10所述的方法,其特征在于,所述根据所述第一修正结果对应的内点数量确定所述修正结果中的目标结果,包括:
确定多个所述第一修正结果中所述内点数量最大的第一修正结果;
将所述内点数量最大的第一修正结果以及与所述内点数量最大的第一修正结果的误差小于所述误差阈值的第二修正结果,确定为所述修正结果中的目标结果。
12.根据权利要求9至11中任意一项所述的方法,其特征在于,所述当前优化结果与多个所述目标结果的误差之和达到最小。
13.一种目标检测装置,其特征在于,包括:
获取模块,用于获取针对目标场景的当前数据帧进行目标检测得到的第一检测结果;
确定模块,用于基于所述目标场景的历史优化结果对所述第一检测结果进行更新,得到所述当前数据帧中目标对象的第一观测结果;
修正模块,用于根据所述第一观测结果对应的点云数据对所述第一观测结果进行修正,得到所述目标对象的第一修正结果。
14.一种电子设备,其特征在于,包括:
处理器;
用于存储处理器可执行指令的存储器;
其中,所述处理器被配置为调用所述存储器存储的指令,以执行权利要求1至12中任意一项所述的方法。
15.一种计算机可读存储介质,其上存储有计算机程序指令,其特征在于,所述计算机程序指令被处理器执行时实现权利要求1至12中任意一项所述的方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010725039.5A CN111860373B (zh) | 2020-07-24 | 2020-07-24 | 目标检测方法及装置、电子设备和存储介质 |
PCT/CN2021/103286 WO2022017140A1 (zh) | 2020-07-24 | 2021-06-29 | 目标检测方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010725039.5A CN111860373B (zh) | 2020-07-24 | 2020-07-24 | 目标检测方法及装置、电子设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111860373A true CN111860373A (zh) | 2020-10-30 |
CN111860373B CN111860373B (zh) | 2022-05-20 |
Family
ID=72949590
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010725039.5A Active CN111860373B (zh) | 2020-07-24 | 2020-07-24 | 目标检测方法及装置、电子设备和存储介质 |
Country Status (2)
Country | Link |
---|---|
CN (1) | CN111860373B (zh) |
WO (1) | WO2022017140A1 (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112528889A (zh) * | 2020-12-16 | 2021-03-19 | 中国平安财产保险股份有限公司 | Ocr信息检测修正方法、装置、终端及存储介质 |
WO2022017140A1 (zh) * | 2020-07-24 | 2022-01-27 | 浙江商汤科技开发有限公司 | 目标检测方法及装置、电子设备和存储介质 |
WO2022099988A1 (zh) * | 2020-11-11 | 2022-05-19 | 北京市商汤科技开发有限公司 | 目标跟踪方法及装置、电子设备和存储介质 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108053427A (zh) * | 2017-10-31 | 2018-05-18 | 深圳大学 | 一种基于KCF与Kalman的改进型多目标跟踪方法、系统及装置 |
CN108256506A (zh) * | 2018-02-14 | 2018-07-06 | 北京市商汤科技开发有限公司 | 一种视频中物体检测方法及装置、计算机存储介质 |
CN108734360A (zh) * | 2018-06-19 | 2018-11-02 | 哈尔滨工业大学 | 一种基于修正的elm预测模型多维遥测数据智能判读方法 |
CN109636829A (zh) * | 2018-11-24 | 2019-04-16 | 华中科技大学 | 一种基于语义信息和场景信息的多目标跟踪方法 |
CN110555339A (zh) * | 2018-05-31 | 2019-12-10 | 北京嘀嘀无限科技发展有限公司 | 一种目标检测方法、系统、装置及存储介质 |
CN110827202A (zh) * | 2019-11-07 | 2020-02-21 | 上海眼控科技股份有限公司 | 目标检测方法、装置、计算机设备和存储介质 |
WO2020108311A1 (zh) * | 2018-11-29 | 2020-06-04 | 北京市商汤科技开发有限公司 | 目标对象3d检测方法、装置、介质及设备 |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111860373B (zh) * | 2020-07-24 | 2022-05-20 | 浙江商汤科技开发有限公司 | 目标检测方法及装置、电子设备和存储介质 |
-
2020
- 2020-07-24 CN CN202010725039.5A patent/CN111860373B/zh active Active
-
2021
- 2021-06-29 WO PCT/CN2021/103286 patent/WO2022017140A1/zh active Application Filing
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108053427A (zh) * | 2017-10-31 | 2018-05-18 | 深圳大学 | 一种基于KCF与Kalman的改进型多目标跟踪方法、系统及装置 |
CN108256506A (zh) * | 2018-02-14 | 2018-07-06 | 北京市商汤科技开发有限公司 | 一种视频中物体检测方法及装置、计算机存储介质 |
CN110555339A (zh) * | 2018-05-31 | 2019-12-10 | 北京嘀嘀无限科技发展有限公司 | 一种目标检测方法、系统、装置及存储介质 |
CN108734360A (zh) * | 2018-06-19 | 2018-11-02 | 哈尔滨工业大学 | 一种基于修正的elm预测模型多维遥测数据智能判读方法 |
CN109636829A (zh) * | 2018-11-24 | 2019-04-16 | 华中科技大学 | 一种基于语义信息和场景信息的多目标跟踪方法 |
WO2020108311A1 (zh) * | 2018-11-29 | 2020-06-04 | 北京市商汤科技开发有限公司 | 目标对象3d检测方法、装置、介质及设备 |
CN110827202A (zh) * | 2019-11-07 | 2020-02-21 | 上海眼控科技股份有限公司 | 目标检测方法、装置、计算机设备和存储介质 |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022017140A1 (zh) * | 2020-07-24 | 2022-01-27 | 浙江商汤科技开发有限公司 | 目标检测方法及装置、电子设备和存储介质 |
WO2022099988A1 (zh) * | 2020-11-11 | 2022-05-19 | 北京市商汤科技开发有限公司 | 目标跟踪方法及装置、电子设备和存储介质 |
CN112528889A (zh) * | 2020-12-16 | 2021-03-19 | 中国平安财产保险股份有限公司 | Ocr信息检测修正方法、装置、终端及存储介质 |
CN112528889B (zh) * | 2020-12-16 | 2024-02-06 | 中国平安财产保险股份有限公司 | Ocr信息检测修正方法、装置、终端及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN111860373B (zh) | 2022-05-20 |
WO2022017140A1 (zh) | 2022-01-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110647834B (zh) | 人脸和人手关联检测方法及装置、电子设备和存储介质 | |
CN110674719B (zh) | 目标对象匹配方法及装置、电子设备和存储介质 | |
CN108764069B (zh) | 活体检测方法及装置 | |
CN107692997B (zh) | 心率检测方法及装置 | |
CN111551191B (zh) | 传感器外参数标定方法及装置、电子设备和存储介质 | |
CN111105454B (zh) | 一种获取定位信息的方法、装置及介质 | |
CN111860373B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN111323007B (zh) | 定位方法及装置、电子设备和存储介质 | |
CN109584362B (zh) | 三维模型构建方法及装置、电子设备和存储介质 | |
CN112991553B (zh) | 信息展示方法及装置、电子设备和存储介质 | |
CN111881827B (zh) | 目标检测方法及装置、电子设备和存储介质 | |
CN110989901B (zh) | 图像定位的交互显示方法及装置、电子设备和存储介质 | |
CN110933488A (zh) | 视频剪辑方法及装置 | |
CN111523485A (zh) | 位姿识别方法及装置、电子设备和存储介质 | |
CN112432637B (zh) | 定位方法及装置、电子设备和存储介质 | |
WO2022134475A1 (zh) | 点云地图构建方法及装置、电子设备、存储介质和程序 | |
CN111563138A (zh) | 定位方法及装置、电子设备和存储介质 | |
CN112184787A (zh) | 图像配准方法及装置、电子设备和存储介质 | |
CN112950712B (zh) | 定位方法及装置、电子设备和存储介质 | |
CN112837372A (zh) | 数据生成方法及装置、电子设备和存储介质 | |
CN112767541A (zh) | 三维重建方法及装置、电子设备和存储介质 | |
CN113344999A (zh) | 深度检测方法及装置、电子设备和存储介质 | |
CN113345000A (zh) | 深度检测方法及装置、电子设备和存储介质 | |
CN114519794A (zh) | 特征点匹配方法及装置、电子设备和存储介质 | |
CN111078346B (zh) | 一种目标对象显示方法及装置、电子设备和存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
REG | Reference to a national code |
Ref country code: HK Ref legal event code: DE Ref document number: 40039833 Country of ref document: HK |
|
GR01 | Patent grant | ||
GR01 | Patent grant |