CN114821542B - 目标检测方法、装置、车辆及存储介质 - Google Patents

Abstract

本公开提出了一种目标检测方法、装置、车辆及存储介质，用于自动驾驶，其中，方法包括：获取待识别的道路图像，并确定道路图像中目标车辆对应的目标检测区域；识别目标检测区域中的候选目标，并获取候选目标的意向轨迹；根据意向轨迹，确定候选目标中与目标车辆无关的第一候选目标；将候选目标中除第一候选目标之外的剩余的第二候选目标确定为与目标车辆关联的第一影响目标。本公开中，缩小了对道路图像进行目标检测的检测范围，降低了目标检测的计算量，提高了目标检测的效率以及准确率，优化了目标检测的方法，提高了目标车辆驾驶规控的准确度，优化了目标车辆的驾驶安全性以及驾驶体验。

Description

目标检测方法、装置、车辆及存储介质

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、车辆及存储介质。

背景技术

随着技术的发展，无人驾驶车辆的相关技术愈加成熟，实现中，无人驾驶车辆可以根据设定的感知设备对车辆所处的道路环境中的交通参与者进行检测，进而根据检测结果进行相关的驾驶操作的规划和执行，从而达到无人驾驶的目的。

相关技术中，可以通过对道路环境的对应图像进行全量检测，计算量较大。

发明内容

本公开旨在至少在一定程度上解决相关技术中的技术问题之一。

为此，本公开第一方面提出一种目标检测方法。

本公开第二方面提出一种目标检测装置。

本公开第三方面提出一种车辆。

本公开第四方面提出一种计算机可读存储介质。

本公开第一方面提出一种目标检测方法，方法包括：获取待识别的道路图像，并确定道路图像中目标车辆对应的目标检测区域；识别目标检测区域中的候选目标，并获取候选目标的意向轨迹；根据意向轨迹，确定候选目标中与目标车辆无关的第一候选目标；将候选目标中除第一候选目标之外的剩余的第二候选目标确定为与目标车辆关联的第一影响目标。

另外，本公开第一方面提出的目标检测方法，还可以具有如下附加的技术特征：

根据本公开的一个实施例，获取待识别的道路图像，并确定道路图像中的目标车辆对应的目标检测区域，包括：获取目标车辆在道路图像中的车辆位置和车辆朝向；以车辆位置为中心，基于车辆朝向以及车辆朝向的垂直方向进行辐射，以获取目标车辆对应的目标检测区域。

根据本公开的一个实施例，方法还包括：从道路图像中，获取目标车辆的前向方向上的路面标识；响应于路面标识包括车道线标识，确定目标车辆对应的道路场景为路中场景；响应于路面标识不包括车道线标识，确定目标车辆对应的道路场景为路口场景。

根据本公开的一个实施例，以车辆位置为中心，基于车辆朝向以及车辆朝向的垂直方向进行辐射，以获取目标车辆对应的目标检测区域，包括：响应于道路场景为路中场景，获取在车辆朝向的垂直方向上辐射的第一横向辐射距离，以及在车辆朝向上辐射的第一前向辐射距离，并根据第一横向辐射距离和第一前向辐射距离，获取路中场景下的目标检测区域；响应于道路场景为路口场景，获取在车辆朝向的垂直方向上辐射的第二横向辐射距离，以及在车辆朝向上辐射的第二前向辐射距离，并根据第二横向辐射距离和第二前向辐射距离，获取路口场景下的目标检测区域。

根据本公开的一个实施例，第一横向辐射距离为，基于目标车辆所在车道为中线左右辐射得到的第一预设数量的车道的累计宽度对应的距离；第一前向辐射距离为，基于目标车辆为基准在车辆朝向上辐射得到的第二预设数量的车身的累计长度对应的距离；第二横向辐射距离为，基于目标车辆所在车道为中线左右辐射得到的第三预设数量的车道的累计宽度对应的距离；第二前向辐射距离为，基于目标车辆为基准在车辆朝向上辐射至目标车辆所在路口的对面路口的停车线标识之间的道路宽度的对应距离。

根据本公开的一个实施例，根据意向轨迹，确定候选目标中与目标车辆无关的第一候选目标，包括：获取候选目标的状态参数，并根据状态参数确定候选目标的意向轨迹；获取目标车辆的行驶轨迹和意向轨迹的交叠状态；根据交叠状态，确定第一候选目标。

根据本公开的一个实施例，根据交叠状态，确定第一候选目标，包括：响应于交叠状态指示意向轨迹与行驶轨迹之间无交叠，将意向轨迹对应的候选目标确定为第一候选目标。

根据本公开的一个实施例，方法还包括：将道路图像输入目标检测模型中进行目标检测，以获取与目标车辆存在关联的第二影响目标。

根据本公开的一个实施例，获取第二影响目标之后，还包括：根据第二影响目标对第一影响目标进行过滤，获取第一影响目标过滤后的漏检目标，其中，漏检目标仅存在于第一影响目标中；获取漏检目标的漏检数量，并根据漏检数量与第一影响目标的对应数量，获取目标检测模型的目标漏检率。

为达上述目的，本公开第二方面提出一种目标检测装置，装置包括：获取模块，用于获取待识别的道路图像，并确定道路图像中目标车辆对应的目标检测区域；识别模块，用于识别目标检测区域中的候选目标，并获取候选目标的意向轨迹；确定模块，用于根据意向轨迹，确定候选目标中与目标车辆无关的第一候选目标；第一检测模块，用于将候选目标中除第一候选目标之外的剩余的第二候选目标确定为与目标车辆关联的第一影响目标。

另外，本公开第二方面提出的目标检测装置，还可以具有如下附加的技术特征：

根据本公开的一个实施例，获取模块，还用于：获取目标车辆在道路图像中的车辆位置和车辆朝向；以车辆位置为中心，基于车辆朝向以及车辆朝向的垂直方向进行辐射，以获取目标车辆对应的目标检测区域。

根据本公开的一个实施例，获取模块，还用于：从道路图像中，获取目标车辆的前向方向上的路面标识；响应于路面标识包括车道线标识，确定目标车辆对应的道路场景为路中场景；响应于路面标识不包括车道线标识，确定目标车辆对应的道路场景为路口场景。

根据本公开的一个实施例，获取模块，还用于：响应于道路场景为路中场景，获取在车辆朝向的垂直方向上辐射的第一横向辐射距离，以及在车辆朝向上辐射的第一前向辐射距离，并根据第一横向辐射距离和第一前向辐射距离，获取路中场景下的目标检测区域；响应于道路场景为路口场景，获取在车辆朝向的垂直方向上辐射的第二横向辐射距离，以及在车辆朝向上辐射的第二前向辐射距离，并根据第二横向辐射距离和第二前向辐射距离，获取路口场景下的目标检测区域。

根据本公开的一个实施例，第一横向辐射距离为，基于目标车辆所在车道为中线左右辐射得到的第一预设数量的车道的累计宽度对应的距离；第一前向辐射距离为，基于目标车辆为基准在车辆朝向上辐射得到的第二预设数量的车身的累计长度对应的距离；第二横向辐射距离为，基于目标车辆所在车道为中线左右辐射得到的第三预设数量的车道的累计宽度对应的距离；第二前向辐射距离为，基于目标车辆为基准在车辆朝向上辐射至目标车辆所在路口的对面路口的停车线标识之间的道路宽度的对应距离。

根据本公开的一个实施例，确定模块，还用于：获取候选目标的状态参数，并根据状态参数确定候选目标的意向轨迹；获取目标车辆的行驶轨迹和意向轨迹的交叠状态；根据交叠状态，确定第一候选目标。

根据本公开的一个实施例，确定模块，还用于：响应于交叠状态指示意向轨迹与行驶轨迹之间无交叠，将意向轨迹对应的候选目标确定为第一候选目标。

根据本公开的一个实施例，装置还包括：第二检测模块，用于将道路图像输入目标检测模型中进行目标检测，以获取与目标车辆存在关联的第二影响目标。

根据本公开的一个实施例于，第二检测模块，还用于：根据第二影响目标对第一影响目标进行过滤，获取第一影响目标过滤后的漏检目标，其中，漏检目标仅存在于第一影响目标中；获取漏检目标的漏检数量，并根据漏检数量与第一影响目标的对应数量，获取目标检测模型的目标漏检率。

本公开第三方面提出一种车辆，包括：处理器；用于存储处理器可执行指令的存储器；其中，处理器被配置为实现上述第一方面提出的目标检测方法的步骤。

本公开第四方面提出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上述第一方面提出的目标检测方法的步骤。

本公开提出的目标检测方法及装置，获取待识别的道路图像，并对道路图像进行区域划分，得到目标车辆对应的目标检测区域。获取目标检测区域中的候选目标，并确定候选目标对应的意向轨迹。进一步地，根据候选目标的意向轨迹，从候选目标中筛选与目标车辆不存在关联的第一候选目标，并将第一候选目标从全部的候选目标中进行过滤删除，以得到与目标车辆存在关联的第一影响目标。本公开中，通过对道路图像进行目标检测区域的划分，缩小了对道路图像进行目标检测的检测范围，降低了目标检测的计算量，提高了目标检测的效率以及准确率，优化了目标检测的方法，提高了目标车辆驾驶规控的准确度，优化了目标车辆的驾驶安全性以及驾驶体验。

应当理解，本公开所描述的内容并非旨在标识本公开的实施例的关键或重要特征，也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。

附图说明

本公开上述的和/或附加的方面和优点从下面结合附图对实施例的描述中将变得明显和容易理解，其中：

图1为本公开一实施例的目标检测方法的流程示意图；

图2为本公开另一实施例的目标检测方法的流程示意图；

图3为本公开另一实施例的目标检测方法的流程示意图；

图4为本公开另一实施例的目标检测方法的流程示意图；

图5为本公开另一实施例的目标检测方法的流程示意图；

图6为本公开一实施例的目标检测装置的结构示意图；

图7为根据一示例性实施例示出的一种车辆的框图。

具体实施方式

下面详细描述本公开的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本公开，而不能理解为对本公开的限制。

下面参照附图描述本公开实施例提出的一种目标检测方法、装置、车辆及存储介质。

图1为本公开一实施例的目标检测方法的流程示意图，如图1所示，该方法包括：

S101，获取待识别的道路图像，并确定道路图像中目标车辆对应的目标检测区域。

实现中，无人驾驶车辆可以对车辆所处的道路环境进行目标检测，从而得到对车辆的行驶可能存在影响的目标，根据检测得到的目标的相关参数，对车辆的相关驾驶操作进行规控，从而达到无人驾驶的目的。

可选地，车辆基于配置的图像采集设备对道路环境进行图像采集，通过采集到的道路环境对应的图像进行相关的目标检测。其中，可以将采集得到的道路环境对应的图像确定为道路图像。

进一步地，获取图像采集设备所在车辆的相关外观标识，并根据外观标识从道路图像中识别其对应的车辆图像，确定为道路图像中的目标车辆。

为了避免对道路图像的全量目标检测所导致的相关异常检测情况的发生，本公开实施例中，可以对道路图像进行区域划分，根据目标车辆的所在位置等相关信息，在道路图像中划分出需要进行目标识别的区域，并将其确定为目标车辆对应的目标检测区域。

可选地，可以根据目标车辆的行驶意向，确定目标车辆在待识别的道路图像中可能行驶的路径，进而在道路图像中划分出对目标车辆的行驶可能存在影响的目标所在的区域，作为目标车辆对应的目标检测区域。

S102，识别目标检测区域中的候选目标，并获取候选目标的意向轨迹。

本公开实施例中，目标检测区域中存在设定数量的交通参与者，比如机动车辆、非机动车辆以及行人等，可以将目标检测区域中设定数量的交通参与者确定为目标检测区域的候选目标。

在候选目标中，可能存在对目标车辆的行驶过程产生影响的部分目标，因此，需要从候选目标中对该部分影响目标车辆的行驶的目标进行筛选，从而根据筛选得到的结果确定目标车辆的相关驾驶规控操作。

可选地，可以根据候选目标的可能的行驶轨迹对候选目标进行筛选，其中，可以将候选目标的可能的行驶轨迹确定为候选目标的意向轨迹。

进一步地，可以通过候选目标的移动方向、在道路图像中的所在位置等相关信息，获取候选目标对应的可能的意向轨迹。

比如，设定目标检测区域中的候选目标之一为斑马线上的行人，则可以根据该行人的移动方向以及在斑马线上所处的位置，确定其对应的意向轨迹。

S103，根据意向轨迹，确定候选目标中与目标车辆无关的第一候选目标。

本公开实施例中，可以根据候选目标移动的意向轨迹，判断候选目标是否可能对目标车辆的行驶产生影响。

实现中，候选目标对应的意向轨迹存在设定的影响范围，因此，可以通过意向轨迹所覆盖到的影响范围，判断意向轨迹对应的候选目标是否会对目标车辆的行驶产生影响。

可选地，可以将意向轨迹所覆盖的影响范围与目标车辆对应的行驶轨迹进行对比，若意向轨迹所覆盖到的影响范围没有对目标车辆对应的行驶轨迹产生覆盖，则可以确定，该意向轨迹对应的候选目标不会对目标车辆的行驶产生影响。

进一步地，可以将候选目标中不会对目标车辆的行驶产生影响的候选目标，确定为与目标车辆无关的第一候选目标。

S104，将候选目标中除第一候选目标之外的剩余的第二候选目标确定为与目标车辆关联的第一影响目标。

为了获取候选目标中可能对目标车辆的行驶产生影响的相关目标，可以将已确定的不会对目标车辆的行驶产生影响的第一候选目标，从全部的候选目标中删除。

可选地，在从道路图像中检测得到候选目标的过程中，可以对候选目标进行相关标识信息的标记，因此，可以通过候选目标的标识信息对目标检测区域中的第一候选目标进行标记。

进一步地，将已标记的第一候选目标从全部的候选目标中进行过滤，得到过滤后的未标记的候选目标，该部分候选目标即为目标检测区域中可能会对目标车辆的行驶产生影响的目标，可以将其确定为与目标车辆存在关联的第一影响目标。

本公开提出的目标检测方法，获取待识别的道路图像，并对道路图像进行区域划分，得到目标车辆对应的目标检测区域。获取目标检测区域中的候选目标，并确定候选目标对应的意向轨迹。进一步地，根据候选目标的意向轨迹，从候选目标中筛选与目标车辆不存在关联的第一候选目标，并将第一候选目标从全部的候选目标中进行过滤删除，以得到与目标车辆存在关联的第一影响目标。本公开中，通过对道路图像进行目标检测区域的划分，缩小了对道路图像进行目标检测的检测范围，降低了目标检测的计算量，提高了目标检测的效率以及准确率，优化了目标检测的方法，提高了目标车辆驾驶规控的准确度，优化了目标车辆的驾驶安全性以及驾驶体验。

上述实施例中，关于目标检测区域的确定，可结合图2进一步理解，图2为本公开另一实施例的目标检测方法的流程示意图，如图2所示，该方法包括：

S201，获取目标车辆在道路图像中的车辆位置和车辆朝向。

实现中，可以通过时设定的定位系统获取道路图像中存在的目标在实际的道路环境中的位置信息，并将其映射至道路图像中，进而确定目标车辆在道路图像中对应的车辆位置。

相应地，可以将目标车辆的车头朝向，标识为目标车辆的车辆朝向。

进一步地，根据确定的车辆位置以及车头朝向，对道路图像进行区域划分，从而得到对应的目标检测区域。

S202，以车辆位置为中心，基于车辆朝向以及车辆朝向的垂直方向进行辐射，以获取目标车辆对应的目标检测区域。

为了实现对目标检测区域的准确划分，可以将目标车辆作为目标检测区域的划分基准点。因此，可以将目标车辆所在的车辆位置作为目标检测区域的中心，基于设定方向以及设定距离进行辐射，从而得到目标车辆对应的目标检测区域。

可选地，可以根据目标车辆的车辆朝向，将与车辆朝向垂直的方向，以及与车辆朝向相同的方向作为辐射方向，将目标车辆所在的车辆位置作为辐射中心，根据该两个方向进行设定距离的辐射，从而在道路图像中划分出目标检测区域。

实现中，目标车辆所处的道路环境的不同，其对应的目标检测区域所覆盖到的范围存在不同，因此，可以对待识别的道路图像进行场景的识别，从而得到道路图像中目标车辆所处的道路场景。

进一步地，根据目标车辆所处的道路场景的不同，确定对应的辐射距离。

其中，可以从道路图像中，获取目标车辆的前向方向上的路面标识。

实现中，道路的路面存在设定的标识信息，以对车辆行驶起到指示作用，其中，可以将路面上存在的设定标识信息确定为道路的路面标识。

在不同道路场景下，道路的路面标识可能存在不同，因此，可以对道路图像中目标车辆的前向方向上的路面标识进行外观参数的提取，并将提取到的外观参数与路面标识对应设定外观限定进行对比，从而确定道路图像中目标车辆的前向方向上的路面标识。

其中，路面标识可以包括边缘车道线标识、导向车道线标识、停车线标识等，因此，可以通过道路图像中的路面标识的识别，确定目标车辆所属的道路场景。

在目标车辆的前向方向的路面上存在车道线标识的场景下，响应于路面标识包括车道线标识，确定目标车辆对应的道路场景为路中场景。

可以理解为，当目标车辆的前向方向的路面上识别到的车道线标识时，可以判断，当前目标车辆所处的道路位置在路口与路口之间的中间道路上。

进一步地，可以将路口与路口之间的中间道路对应的场景确定为路中场景，则在该场景下的目标车辆所属的道路场景即为路中场景。

相应地，在目标车辆的前向方向的路面上不存在车道线标识的场景下，响应于路面标识不包括车道线标识，确定目标车辆对应的道路场景为路口场景。

可以理解为，当目标车辆的前向方向的路面上识别不到车道线标识时，可以判断，当前目标车辆对应的车辆位置在道路的路口。

进一步地，可以将道路的路口对应的场景确定为路口场景，则在该场景下的目标车辆所属的道路场景即为路口场景。

本公开实施例中，不同的道路场景下，目标车辆的辐射距离存在不同。

在一些实现中，响应于道路场景为路中场景，获取在车辆朝向的垂直方向上辐射的第一横向辐射距离，以及在车辆朝向上辐射的第一前向辐射距离，并根据第一横向辐射距离和第一前向辐射距离，获取路中场景下的目标检测区域。

其中，第一横向辐射距离为，基于目标车辆所在车道为中线左右辐射得到的第一预设数量的车道的累计宽度对应的距离。第一前向辐射距离为，基于目标车辆为基准在车辆朝向上辐射得到的第二预设数量的车身的累计长度对应的距离。

在路中场景下，目标车辆的行驶过程可能会被其所在车道的临近车道上的交通参与者影响，因此，在该场景下，可以根据与目标车辆所在车道的相邻车道进行目标检测区域的划分。

相应地，路中场景下，目标车辆的前向方向可能存在其他交通参与者，因此，在该场景下，还可以在目标车辆的前向方向上获取设定的距离，并结合与目标车辆所在车道的相邻车道对应的距离，从道路图像中划分出目标车辆对应的目标检测区域。

可选地，可以对目标车辆所在车道的边缘车道线进行识别，从而确定目标车辆所在车道的对应范围。将目标车道所在车辆作为中线，沿车辆朝向的垂直方向进行左右辐射，分别在中线车道的左侧和右侧获取第一预设数量的车道。

进一步地，将中线车道左侧方向上和右侧方向上得到的第一预设数量的车道进行宽度的累计，并将其与中线车道的宽度进行累计，获取车辆朝向的垂直方向上进行辐射得到的全部数量的车道的累计宽度，并将该累计宽度对应的距离作为第一横向辐射距离。

可选地，可以将目标车辆所在的车辆位置作为基准位置，将目标车辆的车辆朝向确定为目标车辆的前向方向。

进一步地，获取目标车辆的车身长度，并沿目标车辆的车辆朝向的方向上辐射得到第二预设数量的车身长度对应的距离，作为目标车辆在车辆朝向的方向上进行辐射的第一前向辐射距离。

比如，设定第一预设数量为二，则可以将目标车辆所在车道作为中线，沿车辆朝向的垂直方向，分别在中线对应车道的左侧和右侧各获取两条车道，将左侧两条车道、右侧两条车道以及目标车辆所在的中线车道的对应宽度进行累计，获取累计宽度对应的距离，作为第一横向辐射距离。

相应地，设定第二预设数量为三，则可以将目标车辆所在的车辆位置为基准，沿车辆朝向的方向上，前向辐射三个目标车辆的车身长度对应的距离，并将该三个车身长度与目标车辆的车身长度进行累计，得到累计长度对应的距离，作为第一前向辐射距离。

进一步地，将第一横向辐射距离和第一前向辐射距离，作为目标检测区域的对应边长，根据目标车辆在道路图像中所在的车辆位置，从道路图像中划分出路中场景下的目标车辆对应的目标检测区域。

在另一些实现中，响应于道路场景为路口场景，获取在车辆朝向的垂直方向上辐射的第二横向辐射距离，以及在车辆朝向上辐射的第二前向辐射距离，并根据第二横向辐射距离和第二前向辐射距离，获取路口场景下的目标检测区域。

其中，第二横向辐射距离为，基于目标车辆所在车道为中线左右辐射得到的第三预设数量的车道的累计宽度对应的距离。第二前向辐射距离为，基于目标车辆为基准在车辆朝向上辐射至目标车辆所在路口的对面路口的停车线标识之间的道路宽度的对应距离。

在路口场景下，目标车辆的行驶过程可能会被路口以及其所在车道的临近车辆上的交通参与者影响，因此，在该场景下，可以根据与目标车辆所在车道的相邻的车道，以及目标车辆所在位置对应的路口覆盖范围，进行目标检测区域的划分。

相应地，可以通过对目标车辆所在车道的边缘车道线的识别，确定目标车辆所在车道的对应范围。将目标车道所在车辆作为中线，沿车辆朝向的垂直方向进行左右辐射，分别在中线车道的左侧和右侧获取第三预设数量的车道。

进一步地，获取中线车道左侧方向上和右侧方向上分别得到的第三预设数量的车道的宽度，并将其与中线车道的宽度进行累计，获取车辆朝向的垂直方向上进行辐射得到的全部数量的车道的累计宽度，并将该累计宽度对应的距离作为第二横向辐射距离。

比如，设定第三预设数量为一，则可以将目标车辆所在车道作为中线，沿车辆朝向的垂直方向，分别在中线对应车道的左侧和右侧各获取一条车道，将左侧一条车道、右侧一条车道以及目标车辆所在的中线车道的对应宽度进行累计，获取累计宽度对应的距离，作为第二横向辐射距离。

相应地，可以将目标车辆所在的车辆位置作为基准位置，将目标车辆的车辆朝向确定为目标车辆的前向方向，识别目标车辆所在路口的对面路口的停车线标识，并从基准位置开始前向辐射至对面路口的停车线标识，并将基准位置到对面路口停车线标识之间的距离，作为第二前向辐射距离。

进一步地，将第二横向辐射距离和第二前向辐射距离，作为目标检测区域的对应边长，根据目标车辆在道路图像中所在的车辆位置，从道路图像中划分出路口场景下的目标车辆对应的目标检测区域。

本公开提出的目标检测方法，获取目标车辆在道路图像中的车辆位置和车辆朝向，以车辆位置为中心，沿车辆朝向以及车辆朝向的垂直方向进行辐射。根据目标车辆所属的道路场景，确定车辆朝向的方向上以及车辆朝向的垂直方向上的辐射距离，进而确定道路图像中目标车辆的目标检测区域。本公开中，以目标车辆所在位置为中心进行辐射，根据不同的道路场景确定对应的辐射距离，从而得到目标检测区域，缩小了对道路图像进行目标检测的检测范围，提高了目标检测区域划分的准确程度，降低了目标检测的计算量同时提高了目标检测的准确率，优化了目标检测的方法，从而提高了目标车辆驾驶规控的准确度，优化了目标车辆的驾驶安全性以及驾驶体验。

上述实施例中，关于第一候选目标的确定，可结合图3进一步理解，图3为本公开另一实施例的目标检测方法的流程示意图，如图3所示，该方法包括：

S301，获取候选目标的状态参数，并根据状态参数确定候选目标的意向轨迹。

本公开实施例中，可以通过候选目标对应的意向轨迹进行筛选，从而确定候选目标中与目标车辆之间不存在关联关系的目标，作为第一候选目标。

可选地，候选目标存在对应的状态参数，可以包括候选目标的朝向、候选目标所属的交通参与者的类别、在道路图像中所处的位置、候选目标的外观等，根据候选目标的状态参数，可以对候选目标即将行驶的方向以及轨迹进行预判，从而得到候选目标的意向轨迹。

S302，获取目标车辆的行驶轨迹和意向轨迹的交叠状态。

实现中，目标车辆存在对应的行驶轨迹，因此，可以通过候选目标的意向轨迹与目标车辆的行驶轨迹之间的交叠状态，判断候选目标中与目标车辆不存关联关系的第一候选目标。

可选地，可以分别获取目标车辆的行驶轨迹覆盖区域内对应的位置信息，以及候选目标的意向轨迹所覆盖区域内对应的位置信息，将两组位置信息进行对比，根据对比结果，判断行驶轨迹与意向轨迹是否交叠。

可选地，可以基于设定算法对行驶轨迹和意向轨迹进行算法处理，根据算法处理的结果判断行驶轨迹与意向轨迹是否交叠。

S303，根据交叠状态，确定第一候选目标。

可选地，可以对候选目标对应的意向轨迹与行驶轨迹之间的交叠状态进行标识，通过对标识信息的读取，判断意向轨迹与行驶轨迹之间的交叠状态。

其中，响应于交叠状态指示意向轨迹与行驶轨迹之间无交叠，将意向轨迹对应的候选目标确定为第一候选目标。

进一步地，可以对交叠状态对应的标识信息进行读取，并从全部的交叠状态的标识信息中，获取指示意向轨迹与行驶轨迹之间无交叠的标识信息，并将该部分标识信息对应的意向轨迹对应的候选目标，确定为第一候选目标。

本公开提出的目标检测方法，根据候选目标的状态参数获取候选目标的意向轨迹，并确定意向轨迹与目标车的行驶轨迹之间的交叠状态。进一步地，根据交叠状态，从全部的候选目标中确定与目标车辆之间不存在关联关系的第一候选目标。本公开中，通过对候选目标中的第一候选目标的确定，进一步缩小了目标车辆进行目标检测的范围，有效降低了目标检测的计算量，进而提高了目标检测的准确率。

实现中，目标车辆可以通过车载的目标检测模型对目标车辆所处的道路环境进行目标检测，从而实现目标车辆的自主驾驶，因此，可以通过上述实施例中的第一影响目标，对目标检测模型的检测结果进行评估验证，可结合图4进一步理解，图4为本公开另一实施例的目标检测方法的流程示意图，如图4所示，该方法包括：

S401，将道路图像输入目标检测模型中进行目标检测，以获取与目标车辆存在关联的第二影响目标。

实现中，车辆可以通过车载的目标检测模型进行道路环境中的交通参与者的检测，可以将道路图像输入目标检测模型中，通过目标检测模型的输出结果，得到模型检测出的，道路图像中与目标车辆之间存储关联的交通参与者。

其中，可以将目标检测模型输出的检测结果确定为目标车辆的第二影响目标。

S402，根据第二影响目标对第一影响目标进行过滤，获取第一影响目标过滤后的漏检目标，其中，漏检目标仅存在于第一影响目标中。

在一些实现中，目标检测模型输出的检测结果存在可能出现漏检等异常情况，因此，可以通过第一影响目标对目标检测模型的检测进行验证评估。

可选地，可以将第一影响目标和第二影响目标进行对比，获取第一影响目标中与第二影响目标匹配的匹配目标，将该部分的匹配目标从第一影响目标中进行删除过滤。

进一步地，由于过滤后的第一影响目标在第二影响目标中不存在，因此，可以将过滤后的第一影响目标确定为漏检目标。

可以理解为，漏检目标仅被第一影响目标对应的目标检测方法检测，因此，仅存在与第一影响目标中。

S403，获取漏检目标的漏检数量，并根据漏检数量与第一影响目标的对应数量，获取目标检测模型的目标漏检率。

进一步地，根据设定的方法识别漏检目标的数量作为漏检数量，将漏检数量与全部的第一影响目标的对应数量进行处理，从而得到目标检测模型的漏检参数。

可选地，可以获取漏检数量与全部的第一影响目标的对应数量之间的比值，并即将该比值作为目标检测模型的漏检参数，标记为目标检测模型的目标漏检率。

需要说明的是，根据目标检测模型的目标漏检率，可以对目标检测的准确程度与目标车辆的规控准确度之间的关联关系进行衡量。可以理解为，在使用目标检测模型作为目标检测方法的场景下，目标检测模型的目标漏检率越低，对应车辆的规控准确度越高，目标检测模型的漏检率越高，对应车辆的规控准确度越低。

本公开提出的目标检测方法，根据获取到的候选目标中的第一影响目标，以及目标检测模型检测到的道路图像中的第二影响目标，得到目标检测模型的目标漏检率。在使用目标检测模型作为目标检测方法的场景下，实现了对目标检测模型的检测效果的验证评估。

为更好的理解上述实施例，可结合图5，图5为本公开另一实施例的目标检测方法的流程示意图，如图5所示，该方法包括：

获取待识别的道路图像，并对道路图像进行区域划分，获取目标车辆在道路图像中的车辆位置和车辆朝向，以车辆位置为中心，沿车辆朝向以及车辆朝向的垂直方向进行辐射。根据目标车辆所属的道路场景，确定车辆朝向的方向上以及车辆朝向的垂直方向上的辐射距离，进而确定道路图像中目标车辆的目标检测区域。获取目标检测区域中的候选目标，并根据候选目标的状态参数获取候选目标的意向轨迹。进一步地，根据意向轨迹与目标车的行驶轨迹之间的交叠状态，从全部的候选目标中确定与目标车辆之间不存在关联关系的第一候选目标，并将第一候选目标从全部的候选目标中进行过滤删除，以得到与目标车辆存在关联的第一影响目标。

相应地，将待识别的道路图像输入设定的目标检测模型中，根据设定的目标检测模型对待识别的道路图像进行目标检测，得到模型输出的道路图像中的第二影响目标，根据第二影响目标获取第一影响目中的漏检目标进而得到目标检测模型的目标漏检率。

本公开提出的目标检测方法，以目标车辆所在位置为中心进行辐射，根据不同的道路场景确定对应的辐射距离，从而得到目标检测区域，缩小了对道路图像进行目标检测的检测范围，提高了目标检测区域划分的准确程度，降低了目标检测的计算量同时提高了目标检测的准确率，相应地，在使用目标检测模型作为目标检测方法的场景下，实现了对目标检测模型的检测效果的验证评估，优化了目标检测的方法，从而提高了目标车辆驾驶规控的准确度，优化了目标车辆的驾驶安全性以及驾驶体验。

与上述几种实施例提出的目标检测方法相对应，本公开的一个实施例还提出了一种目标检测装置，由于本公开实施例提出的目标检测装置与上述几种实施例提出的目标检测方法相对应，因此上述目标检测方法的实施方式也适用于本公开实施例提出的目标检测装置，在下述实施例中不再详细描述。

图6为本公开一实施例的目标检测装置的结构示意图，如图6所示，目标检测装置600，包括获取模块61、识别模块62、确定模块63、第一检测模块64、第二检测模块65，其中：

获取模块61，用于获取待识别的道路图像，并确定道路图像中目标车辆对应的目标检测区域；

识别模块62，用于识别目标检测区域中的候选目标，并获取候选目标的意向轨迹；

确定模块63，用于根据意向轨迹，确定候选目标中与目标车辆无关的第一候选目标；

第一检测模块64，用于将候选目标中除第一候选目标之外的剩余的第二候选目标确定为与目标车辆关联的第一影响目标。

本公开实施例中，获取模块61，还用于：获取目标车辆在道路图像中的车辆位置和车辆朝向；以车辆位置为中心，基于车辆朝向以及车辆朝向的垂直方向进行辐射，以获取目标车辆对应的目标检测区域。

本公开实施例中，获取模块61，还用于：从道路图像中，获取目标车辆的前向方向上的路面标识；响应于路面标识包括车道线标识，确定目标车辆对应的道路场景为路中场景；响应于路面标识不包括车道线标识，确定目标车辆对应的道路场景为路口场景。

本公开实施例中，获取模块61，还用于：响应于道路场景为路中场景，获取在车辆朝向的垂直方向上辐射的第一横向辐射距离，以及在车辆朝向上辐射的第一前向辐射距离，并根据第一横向辐射距离和第一前向辐射距离，获取路中场景下的目标检测区域；响应于道路场景为路口场景，获取在车辆朝向的垂直方向上辐射的第二横向辐射距离，以及在车辆朝向上辐射的第二前向辐射距离，并根据第二横向辐射距离和第二前向辐射距离，获取路口场景下的目标检测区域。

本公开实施例中，第一横向辐射距离为，基于目标车辆所在车道为中线左右辐射得到的第一预设数量的车道的累计宽度对应的距离；第一前向辐射距离为，基于目标车辆为基准在车辆朝向上辐射得到的第二预设数量的车身的累计长度对应的距离；第二横向辐射距离为，基于目标车辆所在车道为中线左右辐射得到的第三预设数量的车道的累计宽度对应的距离；第二前向辐射距离为，基于目标车辆为基准在车辆朝向上辐射至目标车辆所在路口的对面路口的停车线标识之间的道路宽度的对应距离。

本公开实施例中，确定模块63，还用于：获取候选目标的状态参数，并根据状态参数确定候选目标的意向轨迹；获取目标车辆的行驶轨迹和意向轨迹的交叠状态；根据交叠状态，确定第一候选目标。

本公开实施例中，确定模块63，还用于：响应于交叠状态指示意向轨迹与行驶轨迹之间无交叠，将意向轨迹对应的候选目标确定为第一候选目标。

本公开实施例中，装置还包括：第二检测模块65，用于将道路图像输入目标检测模型中进行目标检测，以获取与目标车辆存在关联的第二影响目标。

本公开实施例中，第二检测模块65，还用于：根据第二影响目标对第一影响目标进行过滤，获取第一影响目标过滤后的漏检目标，其中，漏检目标仅存在于第一影响目标中；获取漏检目标的漏检数量，并根据漏检数量与第一影响目标的对应数量，获取目标检测模型的目标漏检率。

本公开提出的目标检测装置，获取待识别的道路图像，并对道路图像进行区域划分，得到目标车辆对应的目标检测区域。获取目标检测区域中的候选目标，并确定候选目标对应的意向轨迹。进一步地，根据候选目标的意向轨迹，从候选目标中筛选与目标车辆不存在关联的第一候选目标，并将第一候选目标从全部的候选目标中进行过滤删除，以得到与目标车辆存在关联的第一影响目标。本公开中，通过对道路图像进行目标检测区域的划分，缩小了对道路图像进行目标检测的检测范围，降低了目标检测的计算量，提高了目标检测的效率以及准确率，优化了目标检测的方法，提高了目标车辆驾驶规控的准确度，优化了目标车辆的驾驶安全性以及驾驶体验。

图7为根据一示例性实施例示出的一种车辆700的框图。例如，车辆700可以是混合动力车辆，也可以是非混合动力车辆、电动车辆、燃料电池车辆或者其他类型的车辆。车辆700可以是自动驾驶车辆、半自动驾驶车辆或者非自动驾驶车辆。

参照图7，车辆700可包括各种子系统，例如，信息娱乐系统710、感知系统720、决策控制系统730、驱动系统740以及计算平台750。其中，车辆700还可以包括更多或更少的子系统，并且每个子系统都可包括多个部件。另外，车辆700的每个子系统之间和每个部件之间可以通过有线或者无线的方式实现互连。

在一些实施例中，信息娱乐系统710可以包括通信系统，娱乐系统以及导航系统等。

感知系统720可以包括若干种传感器，用于感测车辆700周边的环境的信息。例如，感知系统720可包括全球定位系统（全球定位系统可以是GPS系统，也可以是北斗系统或者其他定位系统）、惯性测量单元（inertial measurement unit，IMU）、激光雷达、毫米波雷达、超声雷达以及摄像装置。

决策控制系统730可以包括计算系统、整车控制器、转向系统、油门以及制动系统。

驱动系统740可以包括为车辆700提供动力运动的组件。在一个实施例中，驱动系统740可以包括引擎、能量源、传动系统和车轮。引擎可以是内燃机、电动机、空气压缩引擎中的一种或者多种的组合。引擎能够将能量源提供的能量转换成机械能量。

车辆700的部分或所有功能受计算平台750控制。计算平台750可包括至少一个处理器751和存储器752，处理器751可以执行存储在存储器752中的指令753。

处理器751可以是任何常规的处理器，诸如商业可获得的CPU。处理器还可以包括诸如图像处理器（Graphic Process Unit，GPU），现场可编程门阵列（Field ProgrammableGate Array，FPGA）、片上系统（System on Chip，SOC）、专用集成芯片（ApplicationSpecific Integrated Circuit，ASIC）或它们的组合。

存储器752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。

除了指令753以外，存储器752还可存储数据，例如道路地图，路线信息，车辆的位置、方向、速度等数据。存储器752存储的数据可以被计算平台750使用。

在本公开实施例中，处理器751可以执行指令753，以完成上述实施例提供的目标检测方法的全部或部分步骤。

本公开提出的车辆，通过对道路图像进行目标检测区域的划分，缩小了对道路图像进行目标检测的检测范围，降低了目标检测的计算量，提高了目标检测的效率以及准确率，优化了目标检测的方法，提高了目标车辆驾驶规控的准确度，优化了目标车辆的驾驶安全性以及驾驶体验。

为达到上述实施例，本公开还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，该程序指令被处理器执行时实现本公开提供的目标检测方法的步骤。

可选地，计算机可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器（RAM）、只读存储器（ROM）、可擦除可编程只读存储器（EPROM或快闪存储器）、光纤、便捷式紧凑盘只读存储器（CD-ROM）、光学储存设备、磁储存设备、或上述内容的任何合适组合。

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 (16)

1.一种目标检测方法，其特征在于，所述方法包括：

获取待识别的道路图像，并确定所述道路图像中目标车辆对应的目标检测区域；

识别所述目标检测区域中的候选目标，并获取所述候选目标的意向轨迹；

根据所述意向轨迹，确定所述候选目标中与所述目标车辆无关的第一候选目标；

将所述候选目标中除所述第一候选目标之外的剩余的第二候选目标确定为与所述目标车辆关联的第一影响目标；

所述获取待识别的道路图像，并确定所述道路图像中的目标车辆对应的目标检测区域，包括：

获取所述目标车辆在所述道路图像中的车辆位置和车辆朝向；

以所述车辆位置为中心，基于所述车辆朝向以及所述车辆朝向的垂直方向进行辐射，以获取所述目标车辆对应的所述目标检测区域；

以车辆位置为中心，基于车辆朝向以及车辆朝向的垂直方向进行辐射，以获取所述目标车辆对应的目标检测区域，包括：

响应于道路场景为路中场景，获取在车辆朝向的垂直方向上辐射的第一横向辐射距离，以及在车辆朝向上辐射的第一前向辐射距离，并根据所述第一横向辐射距离和所述第一前向辐射距离，获取路中场景下的目标检测区域；

响应于道路场景为路口场景，获取在车辆朝向的垂直方向上辐射的第二横向辐射距离，以及在车辆朝向上辐射的第二前向辐射距离，并根据所述第二横向辐射距离和所述第二前向辐射距离，获取路口场景下的目标检测区域。

2.根据权利要求1所述的方法，其特征在于，所述方法还包括：

从所述道路图像中，获取所述目标车辆的前向方向上的路面标识；

响应于所述路面标识包括车道线标识，确定所述目标车辆对应的道路场景为路中场景；

响应于所述路面标识不包括所述车道线标识，确定所述目标车辆对应的所述道路场景为路口场景。

3.根据权利要求1所述的方法，其特征在于，

所述第一横向辐射距离为，基于所述目标车辆所在车道为中线左右辐射得到的第一预设数量的车道的累计宽度对应的距离；

所述第一前向辐射距离为，基于所述目标车辆为基准在所述车辆朝向上辐射得到的第二预设数量的车身的累计长度对应的距离；

所述第二横向辐射距离为，基于所述目标车辆所在车道为中线左右辐射得到的第三预设数量的车道的累计宽度对应的距离；

所述第二前向辐射距离为，基于所述目标车辆为基准在所述车辆朝向上辐射至所述目标车辆所在路口的对面路口的停车线标识之间的道路宽度的对应距离。

4.根据权利要求1所述的方法，其特征在于，所述根据所述意向轨迹，确定所述候选目标中与所述目标车辆无关的第一候选目标，包括：

获取所述候选目标的状态参数，并根据所述状态参数确定所述候选目标的意向轨迹；

获取所述目标车辆的行驶轨迹和所述意向轨迹的交叠状态；

根据所述交叠状态，确定所述第一候选目标。

5.根据权利要求4所述的方法，其特征在于，所述根据所述交叠状态，确定所述第一候选目标，包括：

响应于所述交叠状态指示所述意向轨迹与所述行驶轨迹之间无交叠，将所述意向轨迹对应的候选目标确定为所述第一候选目标。

6.根据权利要求1所述的方法，其特征在于，所述方法还包括：

将所述道路图像输入目标检测模型中进行目标检测，以获取与所述目标车辆存在关联的第二影响目标。

7.根据权利要求6所述的方法，其特征在于，获取所述第二影响目标之后，还包括：

根据所述第二影响目标对所述第一影响目标进行过滤，获取所述第一影响目标过滤后的漏检目标，其中，所述漏检目标仅存在于所述第一影响目标中；

获取所述漏检目标的漏检数量，并根据所述漏检数量与所述第一影响目标的对应数量，获取所述目标检测模型的目标漏检率。

8.一种目标检测装置，其特征在于，所述装置包括：

获取模块，用于获取待识别的道路图像，并确定所述道路图像中目标车辆对应的目标检测区域；

识别模块，用于识别所述目标检测区域中的候选目标，并获取所述候选目标的意向轨迹；

确定模块，用于根据所述意向轨迹，确定所述候选目标中与所述目标车辆无关的第一候选目标；

第一检测模块，用于将所述候选目标中除所述第一候选目标之外的剩余的第二候选目标确定为与所述目标车辆关联的第一影响目标；

获取所述目标车辆在所述道路图像中的车辆位置和车辆朝向；

以所述车辆位置为中心，基于所述车辆朝向以及所述车辆朝向的垂直方向进行辐射，以获取所述目标车辆对应的所述目标检测区域；

所述获取模块，还用于：

响应于道路场景为路中场景，获取在车辆朝向的垂直方向上辐射的第一横向辐射距离，以及在车辆朝向上辐射的第一前向辐射距离，并根据所述第一横向辐射距离和所述第一前向辐射距离，获取路中场景下的目标检测区域；

响应于道路场景为路口场景，获取在车辆朝向的垂直方向上辐射的第二横向辐射距离，以及在车辆朝向上辐射的第二前向辐射距离，并根据所述第二横向辐射距离和所述第二前向辐射距离，获取路口场景下的目标检测区域。

9.根据权利要求8所述的装置，其特征在于，所述获取模块，还用于：

从所述道路图像中，获取所述目标车辆的前向方向上的路面标识；

响应于所述路面标识包括车道线标识，确定所述目标车辆对应的道路场景为路中场景；

响应于所述路面标识不包括所述车道线标识，确定所述目标车辆对应的所述道路场景为路口场景。

10.根据权利要求8所述的装置，其特征在于，

所述第一横向辐射距离为，基于所述目标车辆所在车道为中线左右辐射得到的第一预设数量的车道的累计宽度对应的距离；

所述第一前向辐射距离为，基于所述目标车辆为基准在所述车辆朝向上辐射得到的第二预设数量的车身的累计长度对应的距离；

所述第二横向辐射距离为，基于所述目标车辆所在车道为中线左右辐射得到的第三预设数量的车道的累计宽度对应的距离；

所述第二前向辐射距离为，基于所述目标车辆为基准在所述车辆朝向上辐射至所述目标车辆所在路口的对面路口的停车线标识之间的道路宽度的对应距离。

11.根据权利要求8所述的装置，其特征在于，所述确定模块，还用于：

获取所述候选目标的状态参数，并根据所述状态参数确定所述候选目标的意向轨迹；

获取所述目标车辆的行驶轨迹和所述意向轨迹的交叠状态；

根据所述交叠状态，确定所述第一候选目标。

12.根据权利要求11所述的装置，其特征在于，所述确定模块，还用于：

响应于所述交叠状态指示所述意向轨迹与所述行驶轨迹之间无交叠，将所述意向轨迹对应的候选目标确定为所述第一候选目标。

13.根据权利要求8所述的装置，其特征在于，所述装置还包括：

第二检测模块，用于将所述道路图像输入目标检测模型中进行目标检测，以获取与所述目标车辆存在关联的第二影响目标。

14.根据权利要求13所述的装置，其特征在于，所述第二检测模块，还用于：

根据所述第二影响目标对所述第一影响目标进行过滤，获取所述第一影响目标过滤后的漏检目标，其中，所述漏检目标仅存在于所述第一影响目标中；

获取所述漏检目标的漏检数量，并根据所述漏检数量与所述第一影响目标的对应数量，获取所述目标检测模型的目标漏检率。

15.一种车辆，其特征在于，包括：

处理器；

用于存储所述处理器可执行指令的存储器；

其中，所述处理器被配置为：

实现权利要求1-7中任一项所述方法的步骤。

16.一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。

Images