CN115979205A - 目标航向角检测方法、计算机可读存储介质及电子设备 - Google Patents

Abstract

本发明涉及图像处理技术领域，具体提供一种目标航向角检测方法、计算机可读存储介质及电子设备，旨在解决现有航向角检测精确度较低的问题。为此目的，本发明的目标航向角检测方法包括：将获取到的特征图分别输入航向角数值检测网络和多个航向角朝向检测网络，得到目标航向角数值和多个航向角朝向属性；根据目标航向角数值以及多个航向角检测网络各自对应的角度区间和朝向分类交界角度，从多个航向角检测网络中确定出目标航向角朝向检测网络；根据目标航向角数值和目标航向角朝向检测网络得到的目标航向角朝向属性，确定目标航向角，有利于提高目标航向角的检测精确度。

Description

目标航向角检测方法、计算机可读存储介质及电子设备

技术领域

本发明涉及图像处理技术领域，具体提供一种目标航向角检测方法、计算机可读存储介质及电子设备。

背景技术

在自动驾驶或辅助驾驶中，为了对目标进行更准确、有效的感知或控制，通常需要确定目标的航向角。目前一些对目标航向角的检测方案大致可分为两类：一种是直接预测目标的角度，范围为-π到π，并预测目标角度的正弦值和余弦值，然后通过反正切计算得到最终的航向角，但是该方法直接去预测目标角度的正弦值和余弦值，难度较大；另一种是将航向角检测分两个模块实现：一个朝向检测模块用于进行朝向预测（数值角度>0时朝向定义为1，角度数值<0时朝向定义为0），另一个角度数值检测模块用于进行不区分朝向的角度数值预测，范围为0到π；该方法是基于角度数值所属的角度区间来确定朝向，但该方法在目标处于靠近朝向分类边界的情况时，相应用于进行朝向预测的模块很难准确的确定出目标的朝向；另外，现有用于进行角度数值预测的模块，采用的损失函数使得训练过程中在预测角度数值和角度真值的差值越大时反而梯度越小，影响相应角度数值预测模块的检测精确度，进而影响航向角检测的准确性。因此，亟需一种能够提高航向角检测精确度的方法。

发明内容

本发明旨在解决上述技术问题，即，解决现有航向角检测精确度较低的问题。

在第一方面，本发明提供一种目标航向角检测方法，其包括：

获取基于主干网对待检测感知数据进行特征提取得到的特征图；

将所述特征图分别输入航向角数值检测网络和多个航向角朝向检测网络，得到目标航向角数值和多个航向角朝向属性；

根据所述目标航向角数值以及所述多个航向角朝向检测网络各自对应的角度区间和朝向分类交界角度，从所述多个航向角朝向检测网络中确定出目标航向角朝向检测网络；

根据所述目标航向角数值和根据所述目标航向角朝向检测网络得到的目标航向角朝向属性，确定目标航向角。

在一些实施例中，所述根据所述目标航向角数值以及所述多个航向角朝向检测网络各自对应的角度区间和朝向分类交界角度，从所述多个航向角朝向检测网络中确定出目标航向角朝向检测网络，包括：

判断所述目标航向角数值是否在所述多个航向角朝向检测网络对应的所述角度区间；以及，判断所述目标航向角数值和所述多个航向角朝向检测网络对应的所述朝向分类交界角度的夹角是否在预设角度区间；

当所述目标航向角数值在航向角朝向检测网络对应的所述角度区间且所述目标航向角数值与所述航向角朝向检测网络对应的所述朝向分类交界角度的夹角超出所述预设角度区间，将相应所述航向角朝向检测网络确定为所述目标航向角朝向检测网络。

在一些实施例中，所述根据所述目标航向角数值以及所述多个航向角朝向检测网络各自对应的角度区间和朝向分类交界角度，从所述多个航向角朝向检测网络中确定出目标航向角朝向检测网络，包括：

针对所述多个航向角朝向检测网络分别根据所述角度区间、所述朝向分类交界角度和预设角度区间确定各个航向角朝向检测网络对应的目标角度区间；

当所述目标航向角数值在航向角朝向检测网络对应的所述目标角度区间时，将相应所述航向角朝向检测网络确定为所述目标航向角朝向检测网络。

在一些实施例中，

所述多个航向角朝向检测网络均采用二分类网络；

所述航向角朝向属性包括第一朝向属性和第二朝向属性。

在一些实施例中，所述将所述特征图分别输入航向角数值检测网络和多个航向角朝向检测网络，得到目标航向角数值和多个航向角朝向属性，包括：

将所述特征图分别输入所述航向角数值检测网络、第一航向角朝向检测网络和第二航向角朝向检测网络，得到所述目标航向角数值、第一航向角朝向属性和第二航向角朝向属性。

在一些实施例中，所述第一航向角朝向属性的第一朝向属性对应的角度区间为[0，π），所述第一航向角朝向属性的第二朝向属性对应的角度区间为[-π，0），所述第一航向角朝向检测网络对应的所述朝向分类交界角度为0和/或π；

所述第二航向角朝向属性的第一朝向属性对应的角度区间为[-π/2，π/2），所述第二航向角朝向属性的第二朝向属性对应的角度区间为[-π，-π/2）∪[π/2，π），所述第二航向角朝向检测网络对应的所述朝向分类交界角度为π/2和/或-π/2。

在一些实施例中，在得到所述目标航向角数值之后，所述方法还包括将所述目标航向角数值转换至[0，π] 区间。

在一些实施例中，所述航向角数值检测网络的损失函数为：

L=1-|θ-θ_gt|，其中，L代表损失函数的损失值，θ代表所述目标航向角数值，θ_gt代表目标航向角真值。

在一些实施例中，所述方法还包括：

基于所述损失函数的损失值调整待训练的航向角数值检测网络的权重，对所述待训练的航向角数值检测网络进行训练，以得到所述航向角数值检测网络。

在第二方面，本发明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计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的目标航向角检测检测方法。

在第三方面，本发明提供了一种电子设备，其包括：

至少一个处理器；

以及，与所述至少一个处理器通信连接的存储器；

其中，所述存储器中存储有计算机程序，所述计算机程序被所述至少一个处理器执行时实现上述任一项所述的目标航向角检测方法。

在采用上述技术方案的情况下，本发明能够提供一种目标航向角检测方法，通过获取基于主干网对待检测感知数据进行特征提取得到的特征图；将特征图分别输入航向角数值检测网络和多个航向角朝向检测网络，得到目标航向角数值和多个航向角朝向属性；根据目标航向角数值以及多个航向角检测网络各自对应的角度区间和朝向分类交界角度，从多个航向角检测网络中确定出目标航向角朝向检测网络；根据目标航向角数值和目标航向角朝向检测网络得到的目标航向角朝向属性，确定目标航向角。该方法通过结合目标航向角数值、角度区间和朝向分类交界角度来确定目标航向角朝向检测网络，可以避免以朝向分类交界角度在目标航向角数值附近的航向角朝向检测网络进行目标航向角检测，相应航向角朝向检测网络的检测准确度较低的问题，有利于提高目标航向角的检测精确度。

附图说明

下面结合附图来描述本发明的优选实施方式，附图中：

图1是本发明实施例提供的一种目标航向角检测方法流程示意图；

图2是本发明实施例提供的一种目标航向角检测网络架构示意图；

图3是本发明提供的航向角朝向属性示意图；

图4是本发明提供的另一航向角朝向属性示意图；

图5是本发明提供的航向角示意图；

图6是本发明实施例提供的电子设备结构示意图。

具体实施方式

下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。

参见图1所示，图1是本发明实施例提供的一种目标航向角检测方法流程示意图，其可以包括：

步骤S11：获取基于主干网对待检测感知数据进行特征提取得到的特征图；

步骤S12：将特征图分别输入航向角数值检测网络和多个航向角朝向检测网络，得到目标航向角数值和多个航向角朝向属性；

步骤S13：根据目标航向角数值以及多个航向角朝向检测网络各自对应的角度区间和朝向分类交界角度，从多个航向角朝向检测网络中确定出目标航向角朝向检测网络；

步骤S14：根据目标航向角数值和根据目标航向角朝向检测网络得到的目标航向角朝向属性，确定目标航向角。

如图2所示，图2是本发明实施例提供的一种目标航向角检测网络架构示意图，本发明提供的目标航向角检测方法可以基于该目标航向角检测网络架构实现，包括：

主干网，用于对待检测感知数据进行特征提取，得到特征图；

以及，在主干网输出端并列设置的航向角数值检测网络和多个航向角朝向检测网络；本领域技术人员能够理解，在主干网输出端可以连接颈部网络，之后由颈部网络的输出端并列设置航向角数值检测网络和多个航向角朝向检测网络，这种情况下，由颈部网络对主干网输出的特征图进行例如融合操作，进一步输出特征图至航向角数值检测网络和多个航向角朝向检测网络。

其中，至少部分航向角朝向检测网络的角度区间和朝向分类交界角度不同；航向角数值检测网络用于根据输入的特征图得到目标航向角数值，多个航向角朝向检测网络用于各自根据输入的特征图得到航向角朝向属性；目标航向角输出网络，用于根据目标航向角数值和从多个目标航向角朝向检测网络中确定出的目标航向角朝向检测网络得到的目标航向角朝向属性，确定目标航向角。

在一些实施例中，主干网可以采用相关技术中已有的网络，航向角数值检测网络可以选用卷积网路，航向角朝向检测网路可以选用两层卷积层的二分类网络。在其他实施例中，也可以根据需求采用其他类型的网络。以下，将基于该目标航向角检测网络架构对本发明的目标航向角检测方法进行描述。

在一些实施例中，待检测感知数据可以为由激光雷达或毫米波雷达获取到的点云数据，特征图可以为经体素化等处理后得到的二维点云特征图。

在本发明实施例中，多个航向角朝向检测网络可以均采用二分类网络，航向角朝向属性可以包括第一朝向属性和第二朝向属性。第一朝向属性或第二朝向属性可以包括上方、下方、左方、右方、右下方和右上方等中的一种，第二朝向属性和第一朝向属性不同，不同航向角朝向检测网络的第一朝向属性和/或第二朝向属性可以对应不同的角度区间。

在一些实施例中，步骤S12可以具体为将特征图分别输入航向角数值检测网络、第一航向角朝向检测网络和第二航向角朝向检测网络，得到目标航向角数值、第一航向角朝向属性和第二航向角朝向属性。

在一些实施例中，参见图3所示，图3是本发明提供的航向角朝向属性示意图，在0-xy建立的二维直接坐标系中，第一航向角朝向检测网络对应的第一朝向属性为上方，对应的角度区间为[0，π），对应的第二朝向属性为下方，对应的角度区间为[-π，0），第一航向角朝向检测网络对应的朝向分类交界角度为0和/或π；第二航向角朝向检测网络对应的第一朝向属性为右方，对应的角度区间为[-π/2，π/2），对应的第二朝向属性为左方，对应的角度区间为[-π，-π/2）∪[π/2，π），第二航向角朝向检测网络对应的朝向分类交界角度为π/2和/或-π/2。

在一些实施例中，在得到目标航向角数值之后还可以将目标航向角数值转换至[0，π] 区间。作为示例，可以采用一下表达式对得到的目标航向角数值进行转换：θ’=θ_gt-floor(θ/π)·π，其中，θ’代表转换后的目标航向角数值，θ代表转换前的目标航向角数值，floor将数字向下舍入到最接近的整数，可基于转换后的目标航向角数值确定目标航向角。

在一些实施例中，步骤S13可以具体为：

判断目标航向角数值是否在多个航向角朝向检测网络对应的角度区间；以及，判断目标航向角数值和多个航向角朝向检测网络对应的朝向分类交界角度的夹角是否在预设角度区间；

当目标航向角数值在航向角朝向检测网络对应的角度区间且目标航向角数值与航向角朝向检测网络对应的朝向分类交界角度的夹角超出预设角度区间，将相应航向角朝向检测网络确定为目标航向角朝向检测网络。

其中，预设角度区间可以根据和朝向分类角度较近且容易出现航向角朝向检测不准确的角度来设置，不同航向角朝向检测网络对应的预设角度区间可以相同也可以不同。以上述图3为例，可以设置第一航向角朝向检测网络和第二航向角朝向检测网络对应的预设角度区间为-π/4到π/4，当目标航向角数值为π/5，其在第一航向角朝向检测网络和第二航向角朝向检测网络对应的角度区间，但其和第一航向角朝向检测网络对应的朝向分类交界角度0的夹角为π/5，在预设角度区间-π/4到π/4，和第二航向角朝向检测网络对应的朝向分类交界角度π/2的夹角为3π/10，不在预设角度区间-π/4到π/4，因此可将第二航向角朝向检测网络确定为目标航向角朝向检测网络。

在另一些实施例中，步骤S13可以具体为：

针对多个航向角朝向检测网络分别根据角度区间、朝向分类交界角度和预设角度区间确定各个航向角朝向检测网络对应的目标角度区间；

当目标航向角数值在航向角朝向检测网络对应的目标角度区间时，将相应航向角朝向检测网络确定为目标航向角朝向检测网络。

在一些实施例中，可以根据朝向分类交界角度和预设角度区间确定出朝向分类交界区间，即靠近朝向分类角度且容易出现航向角朝向误判的区域；再根据角度区间和朝向分类交界区间做差确定出目标角度区间，相应航向角朝向检测网络在目标角度区间的检测精确度较高。

基于上述图3对应的实施例，可以设置第一航向角朝向检测网络和第二航向角朝向检测网络对应的预设角度区间为-π/4到π/4，相应的可以确定出第一航向角朝向检测网络对应的第一目标角度区间为π/4到3π/4，以及，-3π/4到-π/4；而第二航向角朝向检测网络对应的第二目标角度区间为-π/4到π/4，3π/4到π，以及，-π到-3π/4，具体可参见图4所示，图4是本发明提供的另一航向角朝向属性示意图。

当目标航向角数值为π/5，在第二航向角朝向检测网络对应的第二目标角度区间，因此可将第二航向角朝向检测网络确定为目标航向角朝向检测网络。

在一些实施例中，步骤S14可以具体为从步骤S12得到的多个航向角朝向属性中确定出由目标航向角朝向检测网络得到的目标航向角朝向属性；基于目标航向角数值和目标航向角属性确定目标航向角。

基于图3对应的实施例，当目标航向角数值为π/5，确定出目标航向角朝向检测网络为第二目标航向角朝向检测网络，得到的航向角朝向属性为左方，即对应角度区间[-π，-π/2）∪[π/2，π），则可以得到目标航向角为-4π/5，如图5中箭头所示，图5是本发明提供的航向角示意图。

在一些实施例中，还可以根据目标航向角数值和对应的目标航向角属性采用如下表达式将目标航向角数值转换至[-π，π]，得到目标航向角θ_pred：θ_pred=θ-floor(θ/2π+0.5)·2π。

在一些实施例中，本发明实施例提供的目标航向角检测方法可以应用于驾驶领域，通过获取驾驶场景中由激光雷达采集的车辆的原始点云数据，并将原始点云数据转换至车辆坐标系，得到待检测的点云数据。对待检测的点云数据进行特征提取，得到特征图，并进行车辆目标航向角检测，从而可以精确、有效的获取驾驶场景中车辆的信息。

需要说明的是，本公开实施例所涉及的车辆的点云数据，均为经用户授权或者经过各方充分授权的数据。本公开实施例中涉及到的点云数据的获取、采集等动作，均为经用户、对象授权或者经过各方充分授权后执行。

以上为本发明实施例提供的一种目标航向角检测方法，通过获取基于主干网对待检测感知数据进行特征提取得到的特征图；将特征图分别输入航向角数值检测网络和多个航向角朝向检测网络，得到目标航向角数值和多个航向角朝向属性；根据目标航向角数值以及多个航向角检测网络各自对应的角度区间和朝向分类交界角度，从多个航向角检测网络中确定出目标航向角朝向检测网络；根据目标航向角数值和目标航向角朝向检测网络得到的目标航向角朝向属性，确定目标航向角。该方法通过结合目标航向角数值、角度区间和朝向分类交界角度来确定目标航向角朝向检测网络，可以避免目标航向角数值在朝向分类交界角度附近时，相应航向角朝向检测网络的检测准确度较低的问题，可以选取目标航向角数值不在其朝向分类交界角度附近的目标航向角朝向检测网络，以得到有效性较高的航向角朝向属性预测结果，进而有利于提高目标航向角的检测精确度。

在一些实施例中，为了克服相关技术中航向角数值检测网络采用的损失函数使得在训练过程中预测角度数值和角度真值的差值越大时反而梯度越小，如采用随时函数L=|sin(θ-θ_gt)|，影响相应角度数值预测模块的检测精确度的检测精确度，基于上述任一实施例，可以设置航向角数值检测网络的损失函数为：

L=1-|θ-θ_gt|，其中，L代表损失函数的损失值，θ代表所述目标航向角数值，θ_gt代表目标航向角真值。

在一些实施例中，本发明实施例还可以包括：

基于损失函数的损失值调整待训练的航向角数值检测网络的权重，对待训练的航向角数值检测网络进行训练，以得到航向角数值检测网络。基于上述损失函数对待训练的航向角数值检测网络进行训练，目标航向角数值和航向角真值的角度差值越大相应的梯度也越大，从而可相应提高对模型权重调整程度，更利于快速有效的得到训练好的航向角数值检测网络，进而可以整体提高目标航向角检测的精确度。

本领域技术人员能够理解的是，本发明实现上述实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。

本发明的另一方面，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计算机程序，计算机程序被处理器执行时实现上述任一实施例所述的目标航向角检测方法。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备，可选的，本发明实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。

本发明的另一方面还提供了一种电子设备，其可以包括至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器中存储有计算机程序，计算机程序被至少一个处理器执行时实现上述任一实施例所述的目标航向角检测方法。

参见图6所示，图6中示例性的示出了存储器61和处理器62通过总线连接，且存储器61和处理器62均只设置有一个时的结构。

在另一些实施例中，电子设备可以包括多个存储器61和多个处理器62。而执行上述任意实施例的目标航向角检测方法的程序可以被分割成多段子程序，每段子程序分别可以由处理器加载并运行以执行上述方法实施例的目标航向角检测方法的不同步骤。具体地，每段子程序可以分别存储在不同的存储器61中，每个处理器62可以被配置成用于执行一个或多个存储器61中的程序，以共同实现上述方法实施例的目标航向角检测方法。

在一些实施例中，电子设备可以包括车辆和/或云端服务器。

至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。

Claims (11)

1.一种目标航向角检测方法，其特征在于，包括：

获取基于主干网对待检测感知数据进行特征提取得到的特征图；

将所述特征图分别输入航向角数值检测网络和多个航向角朝向检测网络，得到目标航向角数值和多个航向角朝向属性；

根据所述目标航向角数值以及所述多个航向角朝向检测网络各自对应的角度区间和朝向分类交界角度，从所述多个航向角朝向检测网络中确定出目标航向角朝向检测网络；

根据所述目标航向角数值和根据所述目标航向角朝向检测网络得到的目标航向角朝向属性，确定目标航向角。

2.根据权利要求1所述的方法，其特征在于，所述根据所述目标航向角数值以及所述多个航向角朝向检测网络各自对应的角度区间和朝向分类交界角度，从所述多个航向角朝向检测网络中确定出目标航向角朝向检测网络，包括：

判断所述目标航向角数值是否在所述多个航向角朝向检测网络对应的所述角度区间；以及，判断所述目标航向角数值和所述多个航向角朝向检测网络对应的所述朝向分类交界角度的夹角是否在预设角度区间；

当所述目标航向角数值在航向角朝向检测网络对应的所述角度区间且所述目标航向角数值与所述航向角朝向检测网络对应的所述朝向分类交界角度的夹角超出所述预设角度区间，将相应所述航向角朝向检测网络确定为所述目标航向角朝向检测网络。

3.根据权利要求1所述的方法，其特征在于，所述根据所述目标航向角数值以及所述多个航向角朝向检测网络各自对应的角度区间和朝向分类交界角度，从所述多个航向角朝向检测网络中确定出目标航向角朝向检测网络，包括：

针对所述多个航向角朝向检测网络分别根据所述角度区间、所述朝向分类交界角度和预设角度区间确定各个航向角朝向检测网络对应的目标角度区间；

当所述目标航向角数值在航向角朝向检测网络对应的所述目标角度区间时，将相应所述航向角朝向检测网络确定为所述目标航向角朝向检测网络。

4.根据权利要求1至3中任一项所述的方法，其特征在于，

所述多个航向角朝向检测网络均采用二分类网络；

所述航向角朝向属性包括第一朝向属性和第二朝向属性。

5.根据权利要求4所述的方法，其特征在于，所述将所述特征图分别输入航向角数值检测网络和多个航向角朝向检测网络，得到目标航向角数值和多个航向角朝向属性，包括：

将所述特征图分别输入所述航向角数值检测网络、第一航向角朝向检测网络和第二航向角朝向检测网络，得到所述目标航向角数值、第一航向角朝向属性和第二航向角朝向属性。

6.根据权利要求5所述的方法，其特征在于，所述第一航向角朝向属性的第一朝向属性对应的角度区间为[0，π），所述第一航向角朝向属性的第二朝向属性对应的角度区间为[-π，0），所述第一航向角朝向检测网络对应的所述朝向分类交界角度为0和/或π；

所述第二航向角朝向属性的第一朝向属性对应的角度区间为[-π/2，π/2），所述第二航向角朝向属性的第二朝向属性对应的角度区间为[-π，-π/2）∪[π/2，π），所述第二航向角朝向检测网络对应的所述朝向分类交界角度为π/2和/或-π/2。

7.根据权利要求1所述的方法，其特征在于，在得到所述目标航向角数值之后，所述方法还包括将所述目标航向角数值转换至 [0，π] 区间。

8.根据权利要求1所述的方法，其特征在于，所述航向角数值检测网络的损失函数为：

L=1-|θ-θ_gt| ，其中，L代表损失函数的损失值，θ代表所述目标航向角数值，θ_gt代表目标航向角真值。

9.根据权利要求8所述的方法，其特征在于，所述方法还包括：

基于所述损失函数的损失值调整待训练的航向角数值检测网络的权重，对所述待训练的航向角数值检测网络进行训练，以得到所述航向角数值检测网络。

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计算机程序，所述计算机程序被处理器执行时实现权利要求1至9中任一项所述的目标航向角检测方法。

11.一种电子设备，其特征在于，包括：

至少一个处理器；

以及，与所述至少一个处理器通信连接的存储器；

其中，所述存储器中存储有计算机程序，所述计算机程序被所述至少一个处理器执行时实现权利要求1至9中任一项所述的目标航向角检测方法。

Images