CN114723715A - 车辆目标检测方法、装置、设备、车辆及介质 - Google Patents

车辆目标检测方法、装置、设备、车辆及介质 Download PDF

Info

Publication number
CN114723715A
CN114723715A CN202210384004.9A CN202210384004A CN114723715A CN 114723715 A CN114723715 A CN 114723715A CN 202210384004 A CN202210384004 A CN 202210384004A CN 114723715 A CN114723715 A CN 114723715A
Authority
CN
China
Prior art keywords
event
target
image
point cloud
radar
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
Application number
CN202210384004.9A
Other languages
English (en)
Other versions
CN114723715B (zh
Inventor
段志祥
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xiaomi Automobile Technology Co Ltd
Original Assignee
Xiaomi Automobile Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Xiaomi Automobile Technology Co Ltd filed Critical Xiaomi Automobile Technology Co Ltd
Priority to CN202210384004.9A priority Critical patent/CN114723715B/zh
Publication of CN114723715A publication Critical patent/CN114723715A/zh
Priority to US17/889,667 priority patent/US20230326216A1/en
Priority to EP22193117.3A priority patent/EP4261565A1/en
Application granted granted Critical
Publication of CN114723715B publication Critical patent/CN114723715B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/02—Systems using reflection of radio waves, e.g. primary radar systems; Analogous systems
    • G01S13/06—Systems determining position data of a target
    • G01S13/42—Simultaneous measurement of distance and other co-ordinates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • G06V20/58—Recognition of moving objects or obstacles, e.g. vehicles or pedestrians; Recognition of traffic objects, e.g. traffic signs, traffic lights or roads
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/86—Combinations of radar systems with non-radar systems, e.g. sonar, direction finder
    • G01S13/867—Combination of radar systems with cameras
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/89—Radar or analogous systems specially adapted for specific applications for mapping or imaging
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/93—Radar or analogous systems specially adapted for specific applications for anti-collision purposes
    • G01S13/931—Radar or analogous systems specially adapted for specific applications for anti-collision purposes of land vehicles
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S7/00—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00
    • G01S7/02—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00
    • G01S7/41—Details of systems according to groups G01S13/00, G01S15/00, G01S17/00 of systems according to group G01S13/00 using analysis of echo signal for target characterisation; Target signature; Target cross-section
    • G01S7/414—Discriminating targets with respect to background clutter
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T3/00—Geometric image transformations in the plane of the image
    • G06T3/08—Projecting images onto non-planar surfaces, e.g. geodetic screens
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/70—Determining position or orientation of objects or cameras
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/80—Analysis of captured images to determine intrinsic or extrinsic camera parameters, i.e. camera calibration
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/10—Image acquisition modality
    • G06T2207/10032—Satellite or aerial image; Remote sensing
    • G06T2207/10044—Radar image
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T2207/00—Indexing scheme for image analysis or image enhancement
    • G06T2207/30—Subject of image; Context of image processing
    • G06T2207/30248—Vehicle exterior or interior
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Electromagnetism (AREA)
  • Multimedia (AREA)
  • Quality & Reliability (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及一种车辆目标检测方法、装置、设备、车辆及介质，该方法包括：在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像；根据预先标定的雷达相对所述事件相机的外参矩阵，将原始雷达点云投影，得到所述原始雷达点云在所述事件相机坐标系下的投影点云；根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点；根据所述目标雷达点进行目标检测。通过将雷达采集的原始点云投影到事件相机的事件图像上，可以从雷达点云中确定出目标雷达点，通过对目标雷达点的进行对象识别，可以提高感知时效性和准确性。

Description

车辆目标检测方法、装置、设备、车辆及介质
技术领域
本公开涉及车辆工程技术领域，尤其涉及车辆目标检测方法、装置、设备、车辆及介质。
背景技术
事件相机是在视野中某个像素所处位置的亮度值发生变化时，回传该格式的事件的相机，相比于传统相机，事件相机能够敏感地捕捉到运动的物体，因而能够在车辆行驶过程中，敏感地捕捉到周围行驶环境中，动态的其他道路参与者，可以低延时性地捕获较短时间间隔内的像素变化，进而可以更为准确地针对其他道路参与者确定本车的行驶策略。
相关场景中，基于卷积神经网络，对事件相机采集的固定帧长的事件图像进行特征提取，并根据提取到的特征进行目标检测。然而，基于固定帧长的事件图像的特征进行目标检测，在时效性上难以满足车辆行驶，并且仅根据事件图像的目标检测结果准确度较低。
发明内容
为克服相关技术中存在的问题，本公开提供一种车辆目标检测方法、装置、设备、车辆及介质。
根据本公开实施例的第一方面，提供一种车辆目标检测方法，包括：
在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像；
根据预先标定的雷达相对所述事件相机的外参矩阵，将原始雷达点云投影，得到所述原始雷达点云在所述事件相机坐标系下的投影点云；
根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点；
根据所述目标雷达点进行目标检测。
可选地，所述根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点，包括：
根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述投影点中确定目标投影点；
将所述原始雷达点云中投影得到所述目标投影点的原始雷达点作为目标雷达点。
可选地，所述根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述投影点中确定目标投影点，包括：
将所述投影点云中落在所述事件轮廓图像的图像轮廓内的投影点作为候选投影点；
根据所述候选投影点的坐标，对所述候选投影点进行去重，得到所述目标投影点。
可选地，所述在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像，包括：
在获取到原始雷达点云的情况下，以采集所述原始雷达点云的雷达采集时刻为起点，反向查询所述事件相机采集的事件图像，将处于预设的事件积累时长内的事件图像确定为所述目标事件图像。
可选地，所述事件积累时长是根据所述雷达采集原始雷达点云的采集频率确定的。
可选地，所述雷达相对所述事件相机的外参矩阵是通过以下方式预先标定的：
配置标定板的棋盘格参数，以根据所述棋盘格参数生成标定板；
将所述事件相机采集的标定样本图像导入到所述标定板中，以将从所述标定样本图像中捕获到的标定样本点云在所述标定板显示；
多次在所述标定样本点云中选择标定中心点；
基于标点窗口和每一次选择的所述标定中心点，根据所述事件相机的内参和所述雷达的内参，得到所述雷达相对所述事件相机的外参矩阵。
可选地，所述目标事件图像中图像轮廓是通过如下方式提取得到的：
将所述目标事件图像转换为灰度事件图像；
对所述灰度事件图像进行图像二值化，得到所述目标时间图像对应的黑白事件图像；
对所述黑白事件图像进行高斯滤波；
对高斯滤波后的黑白事件图像进行轮廓提取，得到所述目标事件图像的图像轮廓。
根据本公开实施例的第二方面，提供一种车辆目标检测装置，包括：
第一确定模块，被配置为在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像；
投影模块，被配置为根据预先标定的雷达相对所述事件相机的外参矩阵，将原始雷达点云投影，得到所述原始雷达点云在所述事件相机坐标系下的投影点云；
第二确定模块，被配置为根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点；
检测模块，被配置为根据所述目标雷达点进行目标检测。
可选地，所述第二确定模块，包括：
第一确定子模块，被配置为根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述投影点中确定目标投影点；
第二确定子模块，被配置为将所述原始雷达点云中投影得到所述目标投影点的原始雷达点作为目标雷达点。
可选地，所述第一确定子模块，被配置为：
将所述投影点云中落在所述事件轮廓图像的图像轮廓内的投影点作为候选投影点；
根据所述候选投影点的坐标，对所述候选投影点进行去重，得到所述目标投影点。
可选地，第一确定模块，被配置为在获取到原始雷达点云的情况下，以采集所述原始雷达点云的雷达采集时刻为起点，反向查询所述事件相机采集的事件图像，将处于预设的事件积累时长内的事件图像确定为所述目标事件图像。
可选地，所述事件积累时长是根据所述雷达采集原始雷达点云的采集频率确定的。
可选地，所述装置包括：标定模块，被配置为通过如下方式标定雷达相对所述事件相机的外参矩阵：
配置标定板的棋盘格参数，以根据所述棋盘格参数生成标定板；
将所述事件相机采集的标定样本图像导入到所述标定板中，以将从所述标定样本图像中捕获到的标定样本点云在所述标定板显示；
多次在所述标定样本点云中选择标定中心点；
基于标点窗口和每一次选择的所述标定中心点，根据所述事件相机的内参和所述雷达的内参，得到所述雷达相对所述事件相机的外参矩阵。
可选地，所述第二确定模块，被配置为通过如下方式对目标事件图像进行图像轮廓提取：
将所述目标事件图像转换为灰度事件图像；
对所述灰度事件图像进行图像二值化，得到所述目标时间图像对应的黑白事件图像；
对所述黑白事件图像进行高斯滤波；
对高斯滤波后的黑白事件图像进行轮廓提取，得到所述目标事件图像的图像轮廓。
根据本公开实施例的第三方面，提供一种电子设备，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：
在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像；
根据预先标定的雷达相对所述事件相机的外参矩阵，将原始雷达点云投影，得到所述原始雷达点云在所述事件相机坐标系下的投影点云；
根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点；
根据所述目标雷达点进行目标检测。
根据本公开实施例的第四方面，提供一种车辆，所述车辆包括第三方面所述的电子设备。
根据本公开实施例的第五方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现第一方面中任一项所述方法的步骤。
本公开的实施例提供的技术方案可以包括以下有益效果：通过在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像；根据预先标定的雷达相对所述事件相机的外参矩阵，将原始雷达点云投影，得到所述原始雷达点云在所述事件相机坐标系下的投影点云；根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点；根据所述目标雷达点进行目标检测。通过将雷达采集的原始点云投影到事件相机的事件图像上，可以从雷达点云中确定出目标雷达点，通过对目标雷达点的进行对象识别，可以提高感知时效性和准确性。
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，并不能限制本公开。
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，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。
图1是根据一示例性实施例示出的一种车辆目标检测方法的流程图。
图2是根据一示例性实施例示出的一种外参矩阵标定的示意图。
图3是根据一示例性实施例示出的一种车辆目标检测装置的框图。
图4是根据一示例性实施例示出的一种用于车辆目标检测的装置的框图。
具体实施方式
这里将详细地对示例性实施例进行说明，其示例表示在附图中。下面的描述涉及附图时，除非另有表示，不同附图中的相同数字表示相同或相似的要素。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
需要说明的是，本申请中所有获取信号、信息或数据的动作都是在遵照所在地国家相应的数据保护法规政策的前提下，并获得由相应装置所有者给予授权的情况下进行的。
图1是根据一示例性实施例示出的一种车辆目标检测方法的流程图，如图1所示，该方法可以应用于车载终端中，例如，车辆辅助驾驶系统或者车辆自动驾驶系统，该方法包括以下步骤。
在步骤S11中，在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像。
本公开实施例中，从事件相机采集的事件图像可以确定一帧或者多帧目标事件图像。
在本步骤中，所述在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像，包括：
在获取到原始雷达点云的情况下，以采集所述原始雷达点云的雷达采集时刻为起点，反向查询所述事件相机采集的事件图像，将处于预设的事件积累时长内的事件图像确定为所述目标事件图像。
在上述实施例的基础上，所述事件积累时长是根据所述雷达采集原始雷达点云的采集频率确定的。
其中，为保证目标事件图像的帧数足够，事件积累时长与雷达采集原始雷达点云的采集频率呈负相关。即采集频率越低，事件积累时长越长。
示例地，可以通过如下公式确定事件积累时长t：t＝1/n，其中，n为雷达的采集原始雷达点云的采集频率。例如，采集原始雷达点云的采集频率为10Hz，则以当前采集原始雷达点云的雷达采集时刻为起点，反向查询0.1s内事件相机采集的事件图像，将该0.1s内的事件图像作为目标事件图像。
举例来说，在15：19：40.5采集到第一原始雷达点云，在15：19：40.6采集到的第二原始雷达点云，则在采集到第二原始雷达点云的情况下，以15：19：40.6为起点，反向查询过去0.1s(15：19：40.5到15：19：40.6)内事件相机采集的事件图像，得到目标事件图像。
例如，事件相机在15：19：40.5到15：19：40.6共有3次采集到事件图像，则将该3次采集的事件图像作为目标事件图像。
其中，事件图像包括亮度值发生变化的像素点的横坐标x，纵坐标y，时间戳以及亮度极性值，亮度极性值用于表征像素点亮度值是增加或者降低。例如，亮度极性值为+1，表征像素点亮度值是增加，亮度极性值为-1，表征像素点亮度值是降低。
在步骤S12中，根据预先标定的雷达相对所述事件相机的外参矩阵，将原始雷达点云投影，得到所述原始雷达点云在所述事件相机坐标系下的投影点云。
本公开实施例中，外参矩阵包括雷达相对事件相机的旋转矩阵R和平移向量t。参见图2所示。
其中，在事件相机坐标系下的投影点云为二维点云，即根据预先标定的雷达相对事件相机的外参矩阵，将三维的原始雷达点云经过旋转和平移，得到二维投影点云。
在步骤S13中，根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点。
其中，若目标事件图像为多帧，则根据投影点云中的投影点与每一帧目标事件图像中图像轮廓的位置关系，从原始雷达点云中分别确定每一帧目标事件图像对应的目标雷达点。
本公开实施例中，投影点云中的投影点与目标事件图像中图像轮廓的位置关系包括投影点云中的投影点落在目标事件图像中图像轮廓内和投影点云中的投影点落在目标事件图像中图像轮廓外。
在本公开实施例中，对投影点云中落在事件轮廓图像的图像轮廓内的投影点添加前景目标(dynamic target)标签，对投影点云中落在事件轮廓图像的图像轮廓外的投影点添加背景目标(background target)标签。
进一步地，根据原始雷达点云中原始雷达点与投影点云中的投影点的投影关系，对添加前景目标标签的投影点对应的原始雷达点添加目标标签，并对添加背景目标标签的投影点对应的原始雷达点添加非目标标签。
进一步地，将原始雷达点云中添加非目标标签的原始雷达点剔除，保留原始雷达点云中添加目标标签的原始雷达点，并将保留的原始雷达点作为目标雷达点。
在步骤S14中，根据所述目标雷达点进行目标检测。
在本公开实施例中，根据目标雷达点构建目标雷达点云，进而根据目标雷达点云生成待识别对象框，将该待识别对象框投影到特征图上获得相应的待识别特征矩阵，进一步地，将待识别特征矩阵通过卷积处理、池化处理和全连接处理，得到目标检测结果。
其中，若目标事件图像为多帧，则根据多帧目标事件图像对应的目标雷达点构建目标雷达点云。
上述技术方案通过在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像；根据预先标定的雷达相对所述事件相机的外参矩阵，将原始雷达点云投影，得到所述原始雷达点云在所述事件相机坐标系下的投影点云；根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点；根据所述目标雷达点进行目标检测。通过将雷达采集的原始点云投影到事件相机的事件图像上，可以从雷达点云中确定出目标雷达点，通过对目标雷达点的进行对象识别，可以提高感知时效性和准确性。
在上述实施例的基础上，在步骤S13中，所述根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点，包括：
根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述投影点中确定目标投影点。
本公开实施例中，仅对投影点云中落在目标事件图像中图像轮廓内的投影点添加背景目标标签，而针对投影点云中落在目标事件图像中图像轮廓外的投影点直接进行剔除。
将所述原始雷达点云中投影得到所述目标投影点的原始雷达点作为目标雷达点。
值得说明的是，投影点云中的同一投影点可以是由原始雷达点云中的一个或者多个原始雷达点投影得到，则目标投影点可以对应一个或者多个原始雷达点。
在该技术方案中，不需要对原始雷达点云中投影得到非目标投影点的原始雷达点进行添加标签和剔除，仅对目标投影点以及对原始雷达点云中投影得到目标投影点的原始雷达点添加标签，可以降低计算数据量，提高计算速度。
在上述实施例的基础上，由于投影点云中的同一投影点可以是由原始雷达点云中的一个或者多个原始雷达点投影得到，若对每一个投影得到的投影点都添加前景目标标签，无疑会加大计算量，因此，在所述根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述投影点中确定目标投影点，包括：
将所述投影点云中落在所述事件轮廓图像的图像轮廓内的投影点作为候选投影点。
本公开实施例中，将投影点云中落在事件轮廓图像的图像轮廓内的投影点作为候选投影点，将投影点云中落在事件轮廓图像的图像轮廓外的投影点剔除。
根据所述候选投影点的坐标，对所述候选投影点进行去重，得到所述目标投影点。
其中，可以基于KNN(K Nearest Neighbors，K最邻近)算法，根据所述候选投影点的坐标，对候选投影点进行去重，得到目标投影点，进而对目标投影点添加前景目标标签。
该技术方案中，先对投影点进行去重处理，再对去重后的目标投影点添加便签，可以避免重复标签，减小计算量和提高运算速度。
可选地，所述雷达相对所述事件相机的外参矩阵是通过以下方式预先标定的：
配置标定板的棋盘格参数，以根据所述棋盘格参数生成标定板。
本公开实施例中，棋盘格参数包括标定板中每个棋盘格的边长和棋盘格的个数。其中，棋盘格的个数由长度方向上的棋盘格个数和宽度方向上的棋盘格个数确定。
例如，可以根据事件相机的焦距确定标定板中每个棋盘格的边长。
将所述事件相机采集的标定样本图像导入到所述标定板中，以将从所述标定样本图像中捕获到的标定样本点云在所述标定板显示。
在本公开实施例中，参见图2所示，可以通过事件相机采集标定好的灰卡得到标定样本图像。
多次在所述标定样本点云中选择标定中心点。
其中，可以选择棋盘格的中心位置区域的标定样本点云作为标定中心点，构建圆形标定区域，并且，可以尽量选择的标定样本点云构建的圆形标定区域向外侧的平面法向量垂直于标定板平面。
基于标点窗口和每一次选择的所述标定中心点，根据所述事件相机的内参和所述雷达的内参，得到所述雷达相对所述事件相机的外参矩阵。
切换单帧图片和点云窗口，以查看捕获的每一帧图像和点云的对齐效果和误差，在误差小于标定误差的情况下，确定此时得到的外参矩阵为准确的。通过多次得到的选择标定中心点得到多次标定的外参矩阵。具体标定可以借用Autoware工具完成。
可选地，所述目标事件图像中图像轮廓是通过如下方式提取得到的：
将所述目标事件图像转换为灰度事件图像。
本公开实施例中，可以确定目标事件图像中像素点的3颜色通道的取值(R、G、B3个颜色通道的取值)，通过将3颜色通道的取值的平均值作为灰度阈值，将目标事件图像转换为灰度事件图像。也可以计算预设的各颜色通道的取值分量与颜色通道的取值的乘积，在求和得到灰度阈值，将目标事件图像转换为灰度事件图像。
对所述灰度事件图像进行图像二值化，得到所述目标时间图像对应的黑白事件图像。
其中，通过常用的取中间值或者灰度平均值或者灰度直方图对所述灰度事件图像进行图像二值化，此处不再赘述。
对所述黑白事件图像进行高斯滤波。
其中，对黑白事件图像进行加权平均的方式，确定每一个像素点的值，例如，用一个模板(或称卷积、掩模)扫描黑白事件图像中的每一个像素，用模板确定的邻域内像素的加权平均灰度值去替代模板中心像素点的值。
对高斯滤波后的黑白事件图像进行轮廓提取，得到所述目标事件图像的图像轮廓。
其中，本公开中的黑白事件图像是经过二值化处理的，可以采用掏空内部点法对高斯滤波后的黑白事件图像进行轮廓提取。即如果高斯滤波后的黑白事件图像中任一像素点为黑，且与其相邻的8个的像素点均为黑，则将该像素点删除，如果高斯滤波后的黑白事件图像中任一像素点为黑，且与其相邻的8个的像素点任意为白，则将该像素点保留，直到遍历所有像素点后，得到目标事件图像的图像轮廓。
基于相同的构思，本公开还提供一种车辆目标检测装置，用于执行上述方法实施例提供的车辆目标检测方法的部分或全部步骤，该装置300可以以软件、硬件或者两者相结合的方式实现车辆目标检测方法。图3是根据一示例性实施例示出的一种车辆目标检测装置的框图，参见3所示，所述装置300包括：第一确定模块310、投影模块320、第二确定模块330和控制模块340。
其中，该第一确定模块310被配置为在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像；
投影模块320被配置为根据预先标定的雷达相对所述事件相机的外参矩阵，将原始雷达点云投影，得到所述原始雷达点云在所述事件相机坐标系下的投影点云；
第二确定模块330被配置为根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点；
检测模块340被配置为根据所述目标雷达点进行目标检测。
上述装置通过将雷达采集的原始点云投影到事件相机的事件图像上，可以从雷达点云中确定出目标雷达点，通过对目标雷达点的进行对象识别，可以提高感知时效性和准确性。
可选地，所述第二确定模块330，包括：
第一确定子模块，被配置为根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述投影点中确定目标投影点；
第二确定子模块，被配置为将所述原始雷达点云中投影得到所述目标投影点的原始雷达点作为目标雷达点。
可选地，所述第一确定子模块，被配置为：
将所述投影点云中落在所述事件轮廓图像的图像轮廓内的投影点作为候选投影点；
根据所述候选投影点的坐标，对所述候选投影点进行去重，得到所述目标投影点。
可选地，所述第一确定模块310，被配置为在获取到原始雷达点云的情况下，以采集所述原始雷达点云的雷达采集时刻为起点，反向查询所述事件相机采集的事件图像，将处于预设的事件积累时长内的事件图像确定为所述目标事件图像。
可选地，所述事件积累时长是根据所述雷达采集原始雷达点云的采集频率确定的。
可选地，所述装置300包括：标定模块，被配置为通过如下方式标定雷达相对所述事件相机的外参矩阵：
配置标定板的棋盘格参数，以根据所述棋盘格参数生成标定板；
将所述事件相机采集的标定样本图像导入到所述标定板中，以将从所述标定样本图像中捕获到的标定样本点云在所述标定板显示；
多次在所述标定样本点云中选择标定中心点；
基于标点窗口和每一次选择的所述标定中心点，根据所述事件相机的内参和所述雷达的内参，得到所述雷达相对所述事件相机的外参矩阵。
可选地，所述第二确定模块330，被配置为通过如下方式对目标事件图像进行图像轮廓提取：
将所述目标事件图像转换为灰度事件图像；
对所述灰度事件图像进行图像二值化，得到所述目标时间图像对应的黑白事件图像；
对所述黑白事件图像进行高斯滤波；
对高斯滤波后的黑白事件图像进行轮廓提取，得到所述目标事件图像的图像轮廓。
关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
此外值得说明的是，为描述的方便和简洁，说明书中所描述的实施例均属于优选实施例，其所涉及的部分并不一定是本发明所必须的，例如，第二确定模块330和控制模块340，在具体实施时可以是相互独立的装置也可以是同一个装置，本公开对此不作限定。
根据本公开实施例还提供一种电子设备，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：
在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像；
根据预先标定的雷达相对所述事件相机的外参矩阵，将原始雷达点云投影，得到所述原始雷达点云在所述事件相机坐标系下的投影点云；
根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点；
根据所述目标雷达点进行目标检测。
根据本公开实施例还提供一种车辆，所述车辆包括前述的电子设备。
根据本公开实施例还提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现前述中任一项所述方法的步骤。
图4是根据一示例性实施例示出的一种用于车辆目标检测的装置400的框图。例如，装置400可以是车辆辅助驾驶系统或者车辆自动驾驶系统的控制器。
参照图4，装置400可以包括以下一个或多个组件：处理组件402，存储器404，电力组件406，多媒体组件408，音频组件410，输入/输出(I/O)的接口412，传感器组件414，以及通信组件416。
处理组件402通常控制装置400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402可以包括一个或多个处理器420来执行指令，以完成上述车辆目标检测方法的全部或部分步骤。此外，处理组件402可以包括一个或多个模块，便于处理组件402和其他组件之间的交互。例如，处理组件402可以包括多媒体模块，以方便多媒体组件408和处理组件402之间的交互。
存储器404被配置为存储各种类型的数据以支持在装置400的操作。这些数据的示例包括用于在装置400上操作的任何应用程序或方法的指令，图片，视频等。存储器404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。
电力组件406为装置400的各种组件提供电力。电力组件406可以包括电源管理系统，一个或多个电源，及其他与为装置400生成、管理和分配电力相关联的组件。
多媒体组件408包括在所述装置400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408包括至少一个事件相机。当装置400处于操作模式，如拍摄模式或视频模式时，事件相机可以采集事件图像。事件相机具有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410被配置为输出和/或输入音频信号。例如，音频组件410包括一个麦克风(MIC)，当装置400处于操作模式，如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404或经由通信组件416发送。在一些实施例中，音频组件410还包括一个扬声器，用于输出音频信号。
I/O接口412为处理组件402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414包括一个或多个传感器，用于为装置400提供各个方面的状态评估。例如，传感器组件414可以检测到装置400的打开/关闭状态，组件的相对定位，例如所述组件为装置400的显示器和小键盘，传感器组件414还可以检测装置400或装置400一个组件的位置改变，用户与装置400接触的存在或不存在，装置400方位或加速/减速和装置400的温度变化。传感器组件414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414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414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416被配置为便于装置400和其他设备之间有线或无线方式的通信。装置400可以接入基于通信标准的无线网络，如WiFi，2G，3G，4G，或者5G，或它们的组合。在一个示例性实施例中，通信组件416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416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，装置400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，用于执行上述车辆目标检测方法。
在示例性实施例中，还提供了一种包括指令的非临时性计算机可读存储介质，例如包括指令的存储器404，上述指令可由装置400的处理器420执行以完成上述车辆目标检测方法。例如，所述非临时性计算机可读存储介质可以是ROM、随机存取存储器(RAM)、CD-ROM、磁带、软盘和光数据存储设备等。
在另一示例性实施例中，还提供一种计算机程序产品，该计算机程序产品包含能够由可编程的装置执行的计算机程序，该计算机程序具有当由该可编程的装置执行时用于执行上述的车辆目标检测方法的代码部分。
本领域技术人员在考虑说明书及实践本公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

Claims (11)

1.一种车辆目标检测方法，其特征在于，包括：
在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像；
根据预先标定的雷达相对所述事件相机的外参矩阵，将原始雷达点云投影，得到所述原始雷达点云在所述事件相机坐标系下的投影点云；
根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点；
根据所述目标雷达点进行目标检测。
2.根据权利要求1所述的方法，其特征在于，所述根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点，包括：
根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述投影点中确定目标投影点；
将所述原始雷达点云中投影得到所述目标投影点的原始雷达点作为目标雷达点。
3.根据权利要求2所述的方法，其特征在于，所述根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述投影点中确定目标投影点，包括：
将所述投影点云中落在所述事件轮廓图像的图像轮廓内的投影点作为候选投影点；
根据所述候选投影点的坐标，对所述候选投影点进行去重，得到所述目标投影点。
4.根据权利要求1所述的方法，其特征在于，所述在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像，包括：
在获取到原始雷达点云的情况下，以采集所述原始雷达点云的雷达采集时刻为起点，反向查询所述事件相机采集的事件图像，将处于预设的事件积累时长内的事件图像确定为所述目标事件图像。
5.根据权利要求4所述的方法，其特征在于，所述事件积累时长是根据所述雷达采集原始雷达点云的采集频率确定的。
6.根据权利要求1所述的方法，其特征在于，所述雷达相对所述事件相机的外参矩阵是通过以下方式预先标定的：
配置标定板的棋盘格参数，以根据所述棋盘格参数生成标定板；
将所述事件相机采集的标定样本图像导入到所述标定板中，以将从所述标定样本图像中捕获到的标定样本点云在所述标定板显示；
多次在所述标定样本点云中选择标定中心点；
基于标点窗口和每一次选择的所述标定中心点，根据所述事件相机的内参和所述雷达的内参，得到所述雷达相对所述事件相机的外参矩阵。
7.根据权利要求1-6中任一项所述的方法，其特征在于，所述目标事件图像中图像轮廓是通过如下方式提取得到的：
将所述目标事件图像转换为灰度事件图像；
对所述灰度事件图像进行图像二值化，得到所述目标时间图像对应的黑白事件图像；
对所述黑白事件图像进行高斯滤波；
对高斯滤波后的黑白事件图像进行轮廓提取，得到所述目标事件图像的图像轮廓。
8.一种车辆目标检测装置，其特征在于，包括：
第一确定模块，被配置为在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像；
投影模块，被配置为根据预先标定的雷达相对所述事件相机的外参矩阵，将原始雷达点云投影，得到所述原始雷达点云在所述事件相机坐标系下的投影点云；
第二确定模块，被配置为根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点；
检测模块，被配置为根据所述目标雷达点进行目标检测。
9.一种电子设备，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：
在获取到原始雷达点云的情况下，从事件相机采集的事件图像中确定目标事件图像；
根据预先标定的雷达相对所述事件相机的外参矩阵，将原始雷达点云投影，得到所述原始雷达点云在所述事件相机坐标系下的投影点云；
根据所述投影点云中的投影点与所述目标事件图像中图像轮廓的位置关系，从所述原始雷达点云中确定目标雷达点；
根据所述目标雷达点进行目标检测。
10.一种车辆，其特征在于，所述车辆包括权利要求9所述的电子设备。
11.一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，该程序指令被处理器执行时实现权利要求1-7中任一项所述方法的步骤。
CN202210384004.9A 2022-04-12 2022-04-12 车辆目标检测方法、装置、设备、车辆及介质 Active CN114723715B (zh)

Priority Applications (3)

Application Number Priority Date Filing Date Title
CN202210384004.9A CN114723715B (zh) 2022-04-12 2022-04-12 车辆目标检测方法、装置、设备、车辆及介质
US17/889,667 US20230326216A1 (en) 2022-04-12 2022-08-17 Object detection method and apparatus for vehicle, device, vehicle and medium
EP22193117.3A EP4261565A1 (en) 2022-04-12 2022-08-31 Object detection method and apparatus for vehicle, device, vehicle and medium

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210384004.9A CN114723715B (zh) 2022-04-12 2022-04-12 车辆目标检测方法、装置、设备、车辆及介质

Publications (2)

Publication Number Publication Date
CN114723715A true CN114723715A (zh) 2022-07-08
CN114723715B CN114723715B (zh) 2023-09-19

Family

ID=82244043

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210384004.9A Active CN114723715B (zh) 2022-04-12 2022-04-12 车辆目标检测方法、装置、设备、车辆及介质

Country Status (3)

Country Link
US (1) US20230326216A1 (zh)
EP (1) EP4261565A1 (zh)
CN (1) CN114723715B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116861587A (zh) * 2023-07-06 2023-10-10 小米汽车科技有限公司 车轮优化方法、装置、电子设备及可读存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093191A (zh) * 2012-12-28 2013-05-08 中电科信息产业有限公司 一种三维点云数据结合数字影像数据的物体识别方法
CN109191509A (zh) * 2018-07-25 2019-01-11 广东工业大学 一种基于结构光的虚拟双目三维重建方法
CN111583663A (zh) * 2020-04-26 2020-08-25 宁波吉利汽车研究开发有限公司 基于稀疏点云的单目感知修正方法、装置及存储介质
WO2020233443A1 (zh) * 2019-05-21 2020-11-26 菜鸟智能物流控股有限公司 一种激光雷达与相机之间的标定方法和装置
WO2020243962A1 (zh) * 2019-06-06 2020-12-10 深圳市大疆创新科技有限公司 物体检测方法、电子设备和可移动平台
CN113447923A (zh) * 2021-06-29 2021-09-28 上海高德威智能交通系统有限公司 目标检测方法、装置、系统、电子设备及存储介质
CN114241195A (zh) * 2021-12-20 2022-03-25 北京亮道智能汽车技术有限公司 一种目标识别方法、装置、电子设备及存储介质

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103093191A (zh) * 2012-12-28 2013-05-08 中电科信息产业有限公司 一种三维点云数据结合数字影像数据的物体识别方法
CN109191509A (zh) * 2018-07-25 2019-01-11 广东工业大学 一种基于结构光的虚拟双目三维重建方法
WO2020233443A1 (zh) * 2019-05-21 2020-11-26 菜鸟智能物流控股有限公司 一种激光雷达与相机之间的标定方法和装置
WO2020243962A1 (zh) * 2019-06-06 2020-12-10 深圳市大疆创新科技有限公司 物体检测方法、电子设备和可移动平台
CN111583663A (zh) * 2020-04-26 2020-08-25 宁波吉利汽车研究开发有限公司 基于稀疏点云的单目感知修正方法、装置及存储介质
CN113447923A (zh) * 2021-06-29 2021-09-28 上海高德威智能交通系统有限公司 目标检测方法、装置、系统、电子设备及存储介质
CN114241195A (zh) * 2021-12-20 2022-03-25 北京亮道智能汽车技术有限公司 一种目标识别方法、装置、电子设备及存储介质

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
彭湃 等: "基于传感器融合里程计的相机与激光雷达自动重标定方法", 《机械工程学报》 *
彭湃 等: "基于传感器融合里程计的相机与激光雷达自动重标定方法", 《机械工程学报》, vol. 57, no. 20, 31 October 2021 (2021-10-31), pages 206 - 214 *
贾晓辉 等: "固态激光雷达与相机间外参标定方法研究", 《激光杂志》 *
贾晓辉 等: "固态激光雷达与相机间外参标定方法研究", 《激光杂志》, 1 April 2022 (2022-04-01), pages 1 - 8 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116861587A (zh) * 2023-07-06 2023-10-10 小米汽车科技有限公司 车轮优化方法、装置、电子设备及可读存储介质
CN116861587B (zh) * 2023-07-06 2024-03-12 小米汽车科技有限公司 车轮优化方法、装置、电子设备及可读存储介质

Also Published As

Publication number Publication date
EP4261565A1 (en) 2023-10-18
CN114723715B (zh) 2023-09-19
US20230326216A1 (en) 2023-10-12

Similar Documents

Publication Publication Date Title
CN106651955B (zh) 图片中目标物的定位方法及装置
EP3163504B1 (en) Method, device and computer-readable medium for region extraction
CN108629354B (zh) 目标检测方法及装置
CN108010060B (zh) 目标检测方法及装置
CN107480665B (zh) 文字检测方法、装置及计算机可读存储介质
CN111291601B (zh) 车道线识别方法和装置以及电子设备
CN106557759B (zh) 一种标志牌信息获取方法及装置
CN111461182B (zh) 图像处理方法、图像处理装置及存储介质
CN108717542B (zh) 识别文字区域的方法、装置及计算机可读存储介质
CN104268864B (zh) 卡片边缘提取方法和装置
CN112927122A (zh) 水印去除方法、装置及存储介质
CN113627277A (zh) 一种识别车位的方法和装置
CN106372663B (zh) 构建分类模型的方法及装置
CN114723715B (zh) 车辆目标检测方法、装置、设备、车辆及介质
CN116740158B (zh) 图像深度确定方法、装置和存储介质
CN115861741B (zh) 目标标定方法、装置、电子设备、存储介质及车辆
CN113627276A (zh) 一种检测车位的方法和装置
CN116310633A (zh) 一种关键点检测模型训练方法及关键点检测方法
CN111832338A (zh) 对象检测方法及装置、电子设备和存储介质
CN115408544A (zh) 图像数据库构建方法、装置、设备、存储介质及产品
CN114863392A (zh) 车道线检测方法、装置、车辆及存储介质
CN113065392A (zh) 一种机器人的跟踪方法和装置
CN114662592B (zh) 车辆行驶控制方法、装置、存储介质、电子设备以及车辆
CN114581867B (zh) 目标检测方法、设备、存储介质及程序产品
CN116757965B (zh) 图像增强方法、装置和存储介质

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
GR01 Patent grant
GR01 Patent grant