CN116051812A - 目标检测方法、装置及电子设备、存储介质 - Google Patents
目标检测方法、装置及电子设备、存储介质 Download PDFInfo
- Publication number
- CN116051812A CN116051812A CN202310014590.2A CN202310014590A CN116051812A CN 116051812 A CN116051812 A CN 116051812A CN 202310014590 A CN202310014590 A CN 202310014590A CN 116051812 A CN116051812 A CN 116051812A
- Authority
- CN
- China
- Prior art keywords
- target
- target detection
- detection frame
- fisheye
- point
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 179
- 238000000034 method Methods 0.000 claims abstract description 44
- 238000012937 correction Methods 0.000 claims description 22
- 238000003384 imaging method Methods 0.000 claims description 11
- 238000013527 convolutional neural network Methods 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 13
- 238000004590 computer program Methods 0.000 description 10
- 230000005484 gravity Effects 0.000 description 10
- 238000004364 calculation method Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 5
- 230000001629 suppression Effects 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000004913 activation Effects 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000003708 edge detection Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012805 post-processing Methods 0.000 description 2
- 241000251468 Actinopterygii Species 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 238000011022 operating instruction Methods 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/24—Aligning, centring, orientation detection or correction of the image
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- 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)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本申请公开了一种目标检测方法、装置及电子设备、存储介质，所述方法包括获取鱼眼相机采集的鱼眼图像；根据目标检测模型，得到所述鱼眼图像中目标的目标检测框；根据所述鱼眼图像中的第一位置点、所述目标检测框中的第二位置点，确定所述目标的位置偏移量；根据所述目标的位置偏移量矫正所述目标检测框中的第二位置点，得到所述目标检测框中的第三位置点，并将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果。通过本申请的目标检测方法，降低了定位偏差，提高定位可靠性。
Description
技术领域
本申请涉及自动驾驶技术领域，尤其涉及一种目标检测方法、装置及电子设备、存储介质。
背景技术
鱼眼相机具有超广的视野，因此用来检测广角的短距离场景具有一定的优势。通常在路侧设备的路侧用路杆上固定安装的鱼眼相机，用来检测杆下前后20米左右范围的区域，且可以与近远景相机配合，对道路中的目标进行跟踪。
相关技术中，使用鱼眼摄像头检测目标时不仅需要考虑鱼眼成像带来的畸变影响，同时还需要克服鱼眼图像中定位点存在偏差的问题。此外，还需要对目标出现在的不同区域，进行目标定位点的自动矫正。
发明内容
本申请实施例提供了目标检测方法、装置及电子设备、存储介质，以矫正鱼眼图像中的目标定位点，提高定位可靠性。
本申请实施例采用下述技术方案：
第一方面，本申请实施例提供一种目标检测方法，其中，所述方法包括：
获取鱼眼相机采集的鱼眼图像；
根据目标检测模型，得到所述鱼眼图像中目标的目标检测框；
根据所述鱼眼图像中的第一位置点、所述目标检测框中的第二位置点，确定所述目标的位置偏移量；
根据所述目标的位置偏移量矫正所述目标检测框中的第二位置点，得到所述目标检测框中的第三位置点，并将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果。
在一些实施例中，所述根据所述目标的位置偏移量矫正所述目标检测框中的第二位置点，得到所述目标检测框中的第三位置点，并将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果，包括：
将所述目标检测框中的第二位置点作为所述目标在所述鱼眼图像中的初始定位结果；
根据所述目标的位置偏移量矫正所述鱼眼图像中的初始定位结果，得到所述目标在所述鱼眼图像中的最终定位结果，其中，所述目标在所述鱼眼图像中的最终定位结果为所述目标检测框中重新确定的第三位置点。
在一些实施例中，所述第一位置点包括所述鱼眼图像的中心点，所述第二位置点包括目标检测框的中心点。
在一些实施例中，所述根据所述鱼眼图像中的第一位置点、所述目标检测框中的第二位置点，确定所述目标的位置偏移量，包括：
根据所述鱼眼图像的中心点以及所述目标检测框的中心点，确定所述目标在所述鱼眼图像中的相对位置关系；
根据所述相对位置关系，确定所述目标的位置偏移量。
在一些实施例中，所述位置偏移量至少包括偏移量、偏移方向、矫正偏置。
在一些实施例中，所述获取鱼眼相机采集的图像，包括：
获取所述鱼眼相机中成像面的Y轴与车道路面平行的鱼眼成像；
将所述鱼眼成像进行去畸变处理，得到所述鱼眼相机正下方的图像。
在一些实施例中，所述根据目标检测模型，得到所述图像中目标的目标检测框，包括：
基于卷积神经网络的目标检测模型，对所述图像中的目标进行检测，并输出所述目标检测框。
第二方面，本申请实施例还提供一种目标检测装置，其中，所述装置包括：
获取模块，用于获取鱼眼相机采集的鱼眼图像；
检测模块，用于根据目标检测模型，得到所述鱼眼图像中目标的目标检测框；
确定模块，用于根据所述鱼眼图像中的第一位置点、所述目标检测框中的第二位置点，确定所述目标的位置偏移量；
矫正模块，用于根据所述目标的位置偏移量矫正所述目标检测框中的第二位置点，得到所述目标检测框中的第三位置点，并将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果。
第三方面，本申请实施例还提供一种电子设备，包括：处理器；以及被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行上述方法。
第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行上述方法。
本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：获取鱼眼相机采集的鱼眼图像，然后通过目标检测模型检测出鱼眼图像中目标的目标检测框。由于鱼眼图像中存在定位偏差，所以需要确定目标的位置偏移量，根据目标的位置偏移量矫正所述目标检测框中的位置点，以对鱼眼图像中的不同位置的目标定位结果进行矫正。本申请通过对鱼眼图像中的目标检测模型的目标检测框中的位置点进行矫正，并将矫正后的位置点作为当前目标在鱼眼图像中的定位点，降低了定位偏差，提高定位可靠性。此外，根据矫正后的目标2D位置点进行目标3D投影时的结果也更加准确，减少出现投影到非道路行驶区域的情况发生。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本申请实施例中目标检测方法流程示意图；
图2(a)为本申请实施例中目标检测方法中鱼眼相机中原始鱼眼图像示意图；
图2(b)为本申请实施例中鱼眼相机中矫正后的图像示意图；
图3为本申请实施例中目标检测框中重新确定的定位点的示意图；
图4为本申请实施例中目标检测装置结构示意图；
图5为本申请实施例中一种电子设备的结构示意图。
具体实施方式
为使本申请的目的、技术方案和优点更加清楚，下面将结合本申请具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅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。
以下结合附图，详细说明本申请各实施例提供的技术方案。
本申请实施例提供了一种目标检测方法，如图1所示，提供了本申请实施例中目标检测方法流程示意图，所述方法至少包括如下的步骤S110至步骤S140：
步骤S110，获取鱼眼相机采集的鱼眼图像。
鱼眼相机需要正面朝下安装，获取的鱼眼相机采集的鱼眼图像即为正下方的图像。鱼眼相机中的鱼眼图像会受到图像畸变的影响，故在做检测前先将鱼眼图像进行去畸变处理。
可以理解，图像去畸变的方法有多种，常用的有棋盘标定法以及经度矫正法。在本申请实施例中的目标检测只需要对鱼眼图像的径向(Y轴方向)畸变矫正，克服径向畸变带来的定位偏差即可。优选地，选择使用经度矫正法进行鱼眼图像去畸变矫正。
鱼眼相机可以与同样安装在路侧设备的路侧用路杆上的近景、远景相机配合，对目标进行定位跟踪。并且鱼眼相机与近景相机、远景相机具有不同的监控区域或感知范围。
步骤S120，根据目标检测模型，得到所述鱼眼图像中目标的目标检测框。
目标检测模型主要考虑采用卷积神经网络训练的模型，可以对经过畸变矫正后的鱼眼图像中的所述目标进行目标检测，输出目标的目标检测框bounding box。
所述目标检测模型选用YOLOv7-tiny模型，通过图像标注得到训练集进行训练，得到的结果的检测速度和检测精度都得到了保证。YOLOv7-tiny模型作为一种实时目标检测器，是一个面向边缘设备的GPU架构的模型，使用ReLU作为激活函数，而采用YOLOv7-tiny模型比当前最优模型参数量小，计算量少，拥有更快的推理速度和更高的检测精度。也就是说，在路侧设备上的鱼眼相机非常适用YOLOv7-tiny模型参数量小，计算量少，降低了对路侧设备自身计算量的要求，保证检测的实时性。
经过YOLOv7-tiny模型的检测以及NMS后处理后，可以输出目标的目标检测框即bounding box。
需要注意的是，这里的目标检测框为2D目标检测框。这里的NMS(non maximumsuppression)，中文名非极大值抑制，在很多计算机视觉任务中都有广泛应用，如：边缘检测、目标检测等。在本申请的实施例中主要用于目标检测。比如，而对于鱼眼图像中定位一个车辆，最后模型找出了一些方框(检测框)，需要判别哪些矩形框是没用的。即对鱼眼图像中的目标通过目标检测模型识别得到多个目标检测框之后，需要使用NMS消除多余的框，从而找到最佳的物体检测的位置。
步骤S130，根据所述鱼眼图像中的第一位置点、所述目标检测框中的第二位置点，确定所述目标的位置偏移量。
利用模型检测出所述鱼眼图像中目标的目标检测框bounding box对目标进行定位时，通常取box框的中心点作为目标定位点。但是经过实验后发现对于目标自身高度较高或者目标重心较高的目标，如果仍然取box框的中心点作为目标定位点往往会不准确，造成较大的定位误差。以目标是车辆为例，由于车辆坐标系其原点与重心重合，在车辆的自身重心低时，可将box框的中心点作为目标定位点，如果车辆的重心高时，相对较高的重心如果再将box框的中心点作为目标定位点，则会造成定位的不准确。
优选地，鱼眼图像中的第一位置点选用鱼眼图像中的中心点，且目标检测框中的第二位置点选用目标检测框的中心点。
根据鱼眼图像中的中心点以及目标检测框中的中心点，确定所述目标的位置偏移量。
步骤S140，根据所述目标的位置偏移量矫正所述目标检测框中的第二位置点，得到所述目标检测框中的第三位置点，并将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果。
由于鱼眼相机是固定的，车辆行驶的方向在鱼眼图像中也大致固定，因此可以根据车辆在图像中的相对位置关系，按照中心点进行偏移矫正，使得定位点更加贴近实际情况。即通过鱼眼相机中目标在不同位置的相对位置关系，重新确定通过目标检测模型检测出的目标检测框中的可作为目标定位点的位置点(目标检测框的中心点位置)。
由于图像的中心位置就是鱼眼图像中心，而因为在不同相对位置，通过鱼眼相机观测的角度是不一样的，所以可以根据相对位置，可以大致知道当前在鱼眼相机中观测的角度，比如中心位置观测角度就是俯视。而在俯视的时候看到的目标检测框的中心是准确的，但是在鱼眼图像中的其他俯视角度观测的目标检测框的中心就不准确了。
所述目标检测框中的第三位置点，是已经过矫正之后的定位点，是准确的位置点，所以可以将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果。
在本申请的一个实施例中，所述根据所述目标的位置偏移量矫正所述目标检测框中的第二位置点，得到所述目标检测框中的第三位置点，并将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果，包括：将所述目标检测框中的第二位置点作为所述目标在所述鱼眼图像中的初始定位结果；根据所述目标的位置偏移量矫正所述鱼眼图像中的初始定位结果，得到所述目标在所述鱼眼图像中的最终定位结果，其中，所述目标在所述鱼眼图像中的最终定位结果为所述目标检测框中重新确定的第三位置点。
对于所述目标检测框中的第二位置点，可以作为所述目标在所述鱼眼图像中的初始定位结果，如果此时的初始定位结果为鱼眼相机的正下方俯视角度时，那此时初始定位结果并不需要进行矫正，是准确的。
同理，如果初始定位结果并非鱼眼相机的正下方俯视角度时，鱼眼相机中的鱼眼图像会由于观测角度的不同而造成偏差，是不准确的。所以需要根据所述目标的位置偏移量矫正所述鱼眼图像中的初始定位结果，得到所述目标在所述鱼眼图像中的最终定位结果。
这里的“目标的位置偏移量”选取的是鱼眼图像中车辆初始定位结果的像素坐标与鱼眼图像中的中心点的像素坐标之间的偏移量。
在本申请的一个实施例中，所述根据所述鱼眼图像中的第一位置点、所述目标检测框中的第二位置点，确定所述目标的位置偏移量，包括：根据所述鱼眼图像的中心点以及所述目标检测框的中心点，确定所述目标在所述鱼眼图像中的相对位置关系；根据所述相对位置关系，确定所述目标的位置偏移量。
优选地，所述位置偏移量至少包括偏移量、偏移方向、矫正偏置。以下对具体计算过程进行详细说明，abs为绝对坐标系。
将鱼眼图像的中心点设为(Ix，Iy)；
目标检测框的中心点为(bx,by),且目标检测框的宽高为(w,h)。
则所述目标检测框相对图像的中心的位置偏移量包括：
偏移量：
dx＝abs(bx-Ix)
dy＝abs(by-Iy)
偏移方向：
fx＝-dx/abs(dx)
fy＝-dy/abs(dy)
矫正偏置：
delta_x＝(w/2)*(dx/Ix)^sigma
delta_y＝(h/2)*(dy/Iy)^sigma
其中，sigma称为调节系数，是矫正偏置相对中心偏移量的敏感程度。sigma越小，矫正偏置量越大。
最后，新的定位点(第三位置点)坐标为：
ox＝bx+delta_x*fx
oy＝by+delta_y*fy
在本申请的一个实施例中，所述获取鱼眼相机采集的图像，包括：鱼眼相机中成像面的Y轴与车道路面平行；将所述鱼眼成像进行去畸变处理，得到所述鱼眼相机正下方的图像。
鱼眼相机是正朝下安装，且成像面的Y轴与车道路面平行，鱼眼成像见图2(a)。因此对于目标车辆在图像中的朝向大致为图像的Y方向。通过获取所述鱼眼相机中成像面的Y轴与车道路面平行的鱼眼成像。
为了克服鱼眼图像图像畸变的影响，在做检测前先将鱼眼图像进行去畸变处理，得到所述矫正后的图像如图2(b)所示，即类似于拍摄到的鱼眼相机正下方的无畸变的图像。本申请的实施例中使用经度矫正法进行鱼眼去畸变矫正。
经度矫正法公式为：
mapy[i，j]＝i
其中，mapx[i,j]表示目标图像[i,j]位置对应到原图时的x值；
mapy[i,j]表示目标图像[i,j]位置对应到原图时的y值；
R表示鱼眼图像圆球的半径。
在本申请的一个实施例中，所述根据目标检测模型，得到所述图像中目标的目标检测框，包括：基于卷积神经网络的目标检测模型，对所述图像中的目标进行检测，并输出所述目标检测框。
利用模型检测出所述鱼眼图像中的目标的目标检测框bounding box对目标进行定位时，通常取box框的中心点作为目标定位点。如图3所示，所述目标检测框的中心点位置作为目标在鱼眼图像中的位置，为“深色”的点。经过矫正之后的目标位置点(第三位置点)为“浅色”的点。当得到了所述目标检测框中的第三位置点，是已经过矫正之后的定位点是准确的，所以可以将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果。
此外，得到新的2D位置定位点后，经过鱼眼相机的标定投影映射，就可以定位到实际的目标3D位置，可用于之后的目标定位、跟踪。
本申请实施例还提供了目标检测装置400，如图4所示，提供了本申请实施例中目标检测装置的结构示意图，所述目标检测装置400至少包括：获取模块410、检测模块420、确定模块430以及矫正模块440，其中：
在本申请的一个实施例中，所述获取模块410具体用于：获取鱼眼相机采集的鱼眼图像。
鱼眼相机需要正面朝下安装，获取的鱼眼相机采集的鱼眼图像即为正下方的图像。鱼眼相机中的鱼眼图像会受到图像畸变的影响，故在做检测前先将鱼眼图像进行去畸变处理。
可以理解，图像去畸变的方法有多种，常用的有棋盘标定法以及经度矫正法。在本申请实施例中的目标检测只需要对鱼眼图像的径向(Y轴方向)畸变矫正，克服径向畸变带来的定位偏差即可。优选地，选择使用经度矫正法进行鱼眼图像去畸变矫正。
鱼眼相机可以与同样安装在路侧设备的路侧用路杆上的近景、远景相机配合，对目标进行定位跟踪。并且鱼眼相机与近景相机、远景相机具有不同的监控区域或感知范围。
在本申请的一个实施例中，所述检测模块420具体用于：根据目标检测模型，得到所述鱼眼图像中目标的目标检测框。
目标检测模型主要考虑采用卷积神经网络训练的模型，可以对经过畸变矫正后的鱼眼图像中的所述目标进行目标检测，输出目标的目标检测框bounding box。
所述目标检测模型选用YOLOv7-tiny模型，通过图像标注得到训练集进行训练，得到的结果的检测速度和检测精度都得到了保证。YOLOv7-tiny模型作为一种实时目标检测器，是一个面向边缘设备的GPU架构的模型，使用ReLU作为激活函数，而采用YOLOv7-tiny模型比当前最优模型参数量小，计算量少，拥有更快的推理速度和更高的检测精度。也就是说，在路侧设备上的鱼眼相机非常适用YOLOv7-tiny模型参数量小，计算量少，降低了对路侧设备自身计算量的要求，保证检测的实时性。
经过YOLOv7-tiny模型的检测以及NMS后处理后，可以输出目标的目标检测框即bounding box。
需要注意的是，这里的目标检测框为2D目标检测框。这里的NMS(non maximumsuppression)，中文名非极大值抑制，在很多计算机视觉任务中都有广泛应用，如：边缘检测、目标检测等。在本申请的实施例中主要用于目标检测。比如，而对于鱼眼图像中定位一个车辆，最后模型找出了一堆的方框(检测框)，需要判别哪些矩形框是没用的。即对鱼眼图像中的目标通过目标检测模型识别得到多个目标检测框之后，需要使用NMS消除多余的框，从而找到最佳的物体检测的位置。
在本申请的一个实施例中，所述确定模块430以具体用于：根据所述鱼眼图像中的第一位置点、所述目标检测框中的第二位置点，确定所述目标的位置偏移量。
利用模型检测出所述鱼眼图像中的目标的目标检测框bounding box对目标进行定位时，通常取box框的中心点作为目标定位点。但是经过实验后发现对与目标自身高度较高或者目标重心较高的目标如果仍然取box框的中心点作为目标定位点往往会不准确，造成较大的定位误差。以目标是车辆为例，由于车辆坐标系其原点与重心重合，在车辆的自身重心低时，可将box框的中心点作为目标定位点，如果车辆的重心高时，相对较高的重心如果再将box框的中心点作为目标定位点，则会造成定位的不准确。
优选地，鱼眼图像中的第一位置点选用鱼眼图像中的中心点，且目标检测框中的第二位置点选用目标检测框的中心点。
根据鱼眼图像中的中心点以及目标检测框中的中心点，确定所述目标的位置偏移量。
在本申请的一个实施例中，所述矫正模块440具体用于：根据所述目标的位置偏移量矫正所述目标检测框中的第二位置点，得到所述目标检测框中的第三位置点，并将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果。
由于鱼眼相机是固定的，车辆行驶的方向在鱼眼图像中也大致固定，因此可以根据车辆在图像中的相对位置关系，按照中心点进行偏移矫正，使得定位点更加贴近实际情况。即通过鱼眼相机中目标在不同位置的相对位置关系，重新确定通过目标检测模型检测出的目标检测框中的可作为目标定位点的位置点(目标检测框的中心点位置)。
由于图像的中心位置就是鱼眼图像中心，而因为在不同相对位置，通过鱼眼相机观测的角度是不一样的，所以可以根据相对位置，可以大致知道当前在鱼眼相机中观测的角度，比如中心位置观测角度就是俯视。而在俯视的时候看到的目标检测框的中心是准确的，但是在鱼眼图像中的其他俯视角度观测的目标检测框的中心就不准确了。
当得到了所述目标检测框中的第三位置点，是已经过矫正之后的定位点是准确的，所以可以将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果。
能够理解，上述目标检测装置，能够实现前述实施例中提供的目标检测方法的各个步骤，关于目标检测方法的相关阐释均适用于目标检测装置，此处不再赘述。
图5是本申请的一个实施例电子设备的结构示意图。请参考图5，在硬件层面，该电子设备包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-Access Memory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该电子设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，在逻辑层面上形成目标检测装置。处理器，执行存储器所存放的程序，并具体用于执行以下操作：
获取鱼眼相机采集的鱼眼图像；
根据目标检测模型，得到所述鱼眼图像中目标的目标检测框；
根据所述鱼眼图像中的第一位置点、所述目标检测框中的第二位置点，确定所述目标的位置偏移量；
根据所述目标的位置偏移量矫正所述目标检测框中的第二位置点，得到所述目标检测框中的第三位置点，并将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果。
上述如本申请图1所示实施例揭示的目标检测装置执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital SignalProcessor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本申请实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本申请实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
该电子设备还可执行图1中目标检测装置执行的方法，并实现目标检测装置在图1所示实施例的功能，本申请实施例在此不再赘述。
本申请实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的电子设备执行时，能够使该电子设备执行图1所示实施例中目标检测装置执行的方法，并具体用于执行：
获取鱼眼相机采集的鱼眼图像；
根据目标检测模型，得到所述鱼眼图像中目标的目标检测框；
根据所述鱼眼图像中的第一位置点、所述目标检测框中的第二位置点，确定所述目标的位置偏移量；
根据所述目标的位置偏移量矫正所述目标检测框中的第二位置点，得到所述目标检测框中的第三位置点，并将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，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、商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、商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、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本申请的实施例可提供为方法、系统或计算机程序产品。因此，本申请可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求范围之内。
Claims (10)
1.一种目标检测方法，所述方法包括：
获取鱼眼相机采集的鱼眼图像；
根据目标检测模型，得到所述鱼眼图像中目标的目标检测框；
根据所述鱼眼图像中的第一位置点、所述目标检测框中的第二位置点，确定所述目标的位置偏移量；
根据所述目标的位置偏移量矫正所述目标检测框中的第二位置点，得到所述目标检测框中的第三位置点，并将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果。
2.如权利要求1所述方法，其中，所述根据所述目标的位置偏移量矫正所述目标检测框中的第二位置点，得到所述目标检测框中的第三位置点，并将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果，包括：
将所述目标检测框中的第二位置点作为所述目标在所述鱼眼图像中的初始定位结果；
根据所述目标的位置偏移量矫正所述鱼眼图像中的初始定位结果，得到所述目标在所述鱼眼图像中的最终定位结果，其中，所述目标在所述鱼眼图像中的最终定位结果为所述目标检测框中重新确定的第三位置点。
3.如权利要求2所述方法，其中，所述第一位置点包括所述鱼眼图像的中心点，所述第二位置点包括目标检测框的中心点。
4.如权利要求3所述方法，其中，所述根据所述鱼眼图像中的第一位置点、所述目标检测框中的第二位置点，确定所述目标的位置偏移量，包括：
根据所述鱼眼图像的中心点以及所述目标检测框的中心点，确定所述目标在所述鱼眼图像中的相对位置关系；
根据所述相对位置关系，确定所述目标的位置偏移量。
5.如权利要求4所述方法，其中，所述位置偏移量至少包括偏移量、偏移方向、矫正偏置。
6.如权利要求1所述方法，其中，所述获取鱼眼相机采集的图像，包括：
所述鱼眼相机的成像面的Y轴与车道路面平行；
将所述图像进行去畸变处理，得到矫正后的图像。
7.如权利要求1所述方法，其中，所述根据目标检测模型，得到所述图像中目标的目标检测框，包括：
基于卷积神经网络的目标检测模型，对所述图像中的目标进行检测，并输出所述目标检测框。
8.一种目标检测装置，其中，所述装置包括：
获取模块，用于获取鱼眼相机采集的鱼眼图像；
检测模块，用于根据目标检测模型，得到所述鱼眼图像中目标的目标检测框；
确定模块，用于根据所述鱼眼图像中的第一位置点、所述目标检测框中的第二位置点，确定所述目标的位置偏移量；
矫正模块，用于根据所述目标的位置偏移量矫正所述目标检测框中的第二位置点，得到所述目标检测框中的第三位置点，并将所述第三位置点作为所述目标在所述鱼眼图像中的定位结果。
9.一种电子设备，包括：
处理器；以及
被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行所述权利要求1～7之任一所述方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行所述权利要求1～7之任一所述方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310014590.2A CN116051812A (zh) | 2023-01-05 | 2023-01-05 | 目标检测方法、装置及电子设备、存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310014590.2A CN116051812A (zh) | 2023-01-05 | 2023-01-05 | 目标检测方法、装置及电子设备、存储介质 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116051812A true CN116051812A (zh) | 2023-05-02 |
Family
ID=86116232
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310014590.2A Pending CN116051812A (zh) | 2023-01-05 | 2023-01-05 | 目标检测方法、装置及电子设备、存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116051812A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116229522A (zh) * | 2023-05-10 | 2023-06-06 | 广东电网有限责任公司湛江供电局 | 一种变电站作业人员安全防护装备检测方法和系统 |
-
2023
- 2023-01-05 CN CN202310014590.2A patent/CN116051812A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116229522A (zh) * | 2023-05-10 | 2023-06-06 | 广东电网有限责任公司湛江供电局 | 一种变电站作业人员安全防护装备检测方法和系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108805934B (zh) | 一种车载摄像机的外部参数标定方法及装置 | |
| JP6515650B2 (ja) | 校正装置、距離計測装置及び校正方法 | |
| CN114241062A (zh) | 自动驾驶的相机外参确定方法、装置和计算机可读存储介质 | |
| CN114088114B (zh) | 车辆位姿校准方法、装置和电子设备 | |
| CN113791435B (zh) | Gnss信号异常值的检测方法、装置及电子设备、存储介质 | |
| CN116051812A (zh) | 目标检测方法、装置及电子设备、存储介质 | |
| CN114973198A (zh) | 目标车辆的航向角预测方法、装置及电子设备、存储介质 | |
| CN115546315A (zh) | 自动驾驶车辆的传感器在线标定方法、装置及存储介质 | |
| CN115376090A (zh) | 高精地图构建方法、装置及电子设备、存储介质 | |
| CN112967393B (zh) | 车辆移动轨迹的修正方法、装置、电子设备及存储介质 | |
| CN113284194A (zh) | 多rs设备的标定方法、装置及设备 | |
| CN115950441B (zh) | 自动驾驶车辆的融合定位方法、装置及电子设备 | |
| CN116148821A (zh) | 激光雷达的外参修正方法和装置、电子设备和存储介质 | |
| CN114739416A (zh) | 自动驾驶车辆定位方法、装置及电子设备、存储介质 | |
| CN116164763A (zh) | 目标航向角确定方法、装置及电子设备、存储介质 | |
| CN114114369A (zh) | 自动驾驶车辆定位方法和装置、电子设备和存储介质 | |
| CN114755663A (zh) | 车辆传感器的外参校准方法、装置及计算机可读存储介质 | |
| CN113075709A (zh) | 车载卫星导航方法、装置、存储介质及处理器 | |
| JP2018125706A (ja) | 撮像装置 | |
| WO2020021596A1 (ja) | 車両位置推定装置および車両位置推定方法 | |
| CN116580095A (zh) | 一种目标定位方法和装置、电子设备和存储介质 | |
| CN116524043A (zh) | 相机外参的标定方法、装置及电子设备 | |
| CN116559899B (zh) | 自动驾驶车辆的融合定位方法、装置和电子设备 | |
| CN115115687A (zh) | 车道线测量方法及装置 | |
| CN116610766A (zh) | 地图更新方法、装置及电子设备、计算机可读存储介质 |
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 |