CN116543271A - 目标检测评价指标的确定方法、装置、电子设备及介质 - Google Patents
目标检测评价指标的确定方法、装置、电子设备及介质 Download PDFInfo
- Publication number
- CN116543271A CN116543271A CN202310595590.6A CN202310595590A CN116543271A CN 116543271 A CN116543271 A CN 116543271A CN 202310595590 A CN202310595590 A CN 202310595590A CN 116543271 A CN116543271 A CN 116543271A
- Authority
- CN
- China
- Prior art keywords
- frame
- target
- determining
- detection
- truth
- 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 321
- 238000000034 method Methods 0.000 title claims abstract description 49
- 238000011156 evaluation Methods 0.000 title claims abstract description 32
- 238000006243 chemical reaction Methods 0.000 claims abstract description 94
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 54
- 230000009466 transformation Effects 0.000 claims description 21
- 238000006073 displacement reaction Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000011159 matrix material Substances 0.000 claims description 6
- 238000004590 computer program Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000008569 process Effects 0.000 abstract description 8
- 238000010586 diagram Methods 0.000 description 11
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000005457 optimization Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000013459 approach Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
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
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
- G06V10/776—Validation; Performance evaluation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/66—Analysis of geometric attributes of image moments or centre of gravity
-
- 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
- G06T7/73—Determining position or orientation of objects or cameras using feature-based methods
- G06T7/74—Determining position or orientation of objects or cameras using feature-based methods involving reference images or patches
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/60—Type of objects
- G06V20/64—Three-dimensional objects
-
- 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
- G06T2207/10028—Range image; Depth image; 3D point clouds
-
- 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
- G06T2207/30252—Vehicle exterior; Vicinity of vehicle
-
- 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)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Multimedia (AREA)
- Geometry (AREA)
- Computing Systems (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Evolutionary Computation (AREA)
- Databases & Information Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Image Analysis (AREA)
Abstract
本申请提供了目标检测评价指标的确定方法、装置、电子设备及介质,包括:基于多个真值框,确定出每一帧下目标车辆的三维检测框相对应的目标真值框以及车辆账号信息;基于位姿变换算法对每一帧下的三维检测框进行坐标系转换,确定出每一帧下转换后的三维检测框;基于车辆账号信息以及每一帧下转换后的三维检测框,确定出目标车辆的检测轨迹;基于每一帧下转换后的三维检测框的中心点、目标真值框的中心点、目标车辆的检测轨迹以及目标真值框之中的真值轨迹,确定出目标车辆的中心点误差面积。通过确定出多个连续帧间目标车辆的中心点误差面积,有效地评估出目标车辆检测过程中的抖动情况,从而更加全面准确地评估出三维目标检测算法的优劣。
Description
技术领域
本申请涉及自动驾驶技术领域,尤其是涉及目标检测评价指标的确定方法、装置、电子设备及介质。
背景技术
3D目标检测是自动驾驶领域中一个重要的环节,具体来说,3D目标检测技术旨在利用各种传感器如相机、激光雷达、雷达等采集的数据,对行驶中的道路、车辆、行人等进行识别,使自动驾驶车辆具备环境感知能力,从而提高自动驾驶车辆的安全性和智能性。对于3D目标检测问题,业界内被广泛使用的评价指标是mAP(mean Average Precision):通过计算感知输出结果的检测框与真实数据的标注框的交并比(IoU,Intersection-over-Union),来判断检测框与真值框的重叠程度。根据mAP的评价指标计算方法通常是以障碍物本身为中心出发,来去评估整体目标检测算法的优劣。
但是,mAP这种方法的主要缺点有两点:1)只聚焦于对单个时间戳内独立检测框精度的评价,缺乏对车辆的时序变化情况进行考虑,无法知道一段时间内运动实例的检测稳定性;2)基于IoU的判断方式对车辆的抖动不敏感。如果只聚焦于单帧检测稳定性而忽视连续帧实例检测的稳定性,会导致车辆难以被追踪,给出准确的速度大小和方向,从而导致车辆无法准确行驶。所以,如何有效地评估出车辆检测过程中的抖动情况成为了不容小觑的技术问题。
发明内容
有鉴于此,本申请的目的在于提供涉及目标检测评价指标的确定方法、装置、电子设备及介质,通过确定出多个连续帧间目标车辆的中心点误差面积,有效地评估出目标车辆检测过程中的抖动情况,从而更加全面准确地评估出三维目标检测算法的优劣。
本申请实施例提供了一种目标检测评价指标的确定方法,所述确定方法包括:
基于预先标注的多个真值框,确定出每一帧下目标车辆的三维检测框相对应的目标真值框以及车辆账号信息;其中,每一帧下的所述三维检测框的目标真值框为同一个;
基于位姿变换算法对每一帧下的所述三维检测框进行坐标系转换,确定出每一帧下转换后的所述三维检测框;
基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹;
基于每一帧下转换后的所述三维检测框的中心点、所述目标真值框的中心点、所述目标车辆的检测轨迹以及所述目标真值框之中的真值轨迹,确定出所述目标车辆的中心点误差面积,以根据所述中心点误差面积对三维目标检测算法进行调整;其中,所述三维目标检测算法用于检测出每一帧下目标车辆的三维检测框。
在一种可能的实施方式之中,所述基于位姿变换算法对每一帧下的所述三维检测框进行坐标系转换,确定出每一帧下转换后的所述三维检测框,包括:
获取所述三维检测框在车辆坐标系下的八个顶点坐标;
基于所述三维检测框在车辆坐标系下的八个顶点坐标、旋转矩阵以及车辆坐标系到世界坐标系的平移投影系数,确定出每一帧下转换后的所述三维检测框。
在一种可能的实施方式之中,所述基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹,包括:
基于每一帧下转换后的所述三维检测框在世界坐标系下的八个顶点坐标,确定出每一帧下转换后的所述三维检测框在所述世界坐标系下的中心点坐标;
基于所述车辆账号信息将每一帧下转换后的所述三维检测框在所述世界坐标系下的中心点坐标相连接,确定出所述目标车辆的检测轨迹。
在一种可能的实施方式之中,所述基于每一帧下转换后的所述三维检测框的中心点、所述目标真值框的中心点、所述目标车辆的检测轨迹以及所述目标真值框之中的真值轨迹,确定出所述目标车辆的中心点误差面积,包括:
将第一帧下转换后的所述三维检测框的中心点与所述第一帧下所述目标真值框的中心点的差值,确定为第一边长;
将第二帧下转换后的所述三维检测框的中心点与所述第二帧下所述目标真值框的中心点的差值,确定为第二边长;
将所述第一帧与所述第二帧之间所述真值轨迹的位移长度,确定为第三边长;将所述第一帧与所述第二帧之间所述检测轨迹的位移长度,确定为第四边长;
基于所述第一边长、所述第二边长、所述第三边长以及所述第四边长,确定出由所述第一边长、所述第二边长、所述第三边长以及所述第四边长构成的几何面积;
基于每两帧下的所述几何面积,确定出所述目标车辆的中心点误差面积。
在一种可能的实施方式之中,所述基于每两帧下的所述几何面积,确定出所述目标车辆的中心点误差面积,包括:
将每两帧下的所述几何面积进行加和,确定出总几何面积;
对所述总几何面积进行均值计算,确定出所述目标车辆的中心点误差面积。
在一种可能的实施方式之中,在所述基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹之后,所述确定方法还包括:
确定出每一帧相对应的世界坐标系下所述三维检测框的航向角与世界坐标系下所述目标真值框的航向角之间的航向角差值;
对每一帧相对应的航向角误差进行加和,确定出航向角总差值;
对所述航向角总差值进行均值计算,确定出所述目标车辆的航向角误差;
基于所述目标车辆的航向角误差面积对所述三维目标检测算法进行调整。
在一种可能的实施方式之中,所述基于预先标注的多个真值框,确定出每一帧下目标车辆的三维检测框相对应的目标真值框以及车辆账号信息,包括:
确定出每个所述真值框与每一帧下目标车辆的所述三维检测框之间的交并比;
在多个所述交并比之中筛选出最大交并比,将所述最大交并比相对应的所述真值框确定为所述三维检测框相对应的目标真值框,并将所述目标真值框的车辆账号信息确定为所述三维检测框相对应的车辆账号信息。
本申请实施例还提供了一种目标检测评价指标的确定装置,所述确定装置包括:
第一确定模块,用于基于预先标注的多个真值框,确定出每一帧下目标车辆的三维检测框相对应的目标真值框以及车辆账号信息;其中,每一帧下的所述三维检测框的目标真值框为同一个;
位姿变换模块,用于基于位姿变换算法对每一帧下的所述三维检测框进行坐标系转换,确定出每一帧下转换后的所述三维检测框;
轨迹确定模块,用于基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹;
第一误差确定模块,用于基于每一帧下转换后的所述三维检测框的中心点、所述目标真值框的中心点、所述目标车辆的检测轨迹以及所述目标真值框之中的真值轨迹,确定出所述目标车辆的中心点误差面积,以根据所述中心点误差面积对三维目标检测算法进行调整;其中,所述三维目标检测算法用于检测出每一帧下目标车辆的三维检测框。
本申请实施例还提供一种电子设备,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过总线通信,所述机器可读指令被所述处理器执行时执行如上述的目标检测评价指标的确定方法的步骤。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时执行如上述的目标检测评价指标的确定方法的步骤。
本申请实施例提供的目标检测评价指标的确定方法、装置、电子设备及介质,所述确定方法包括:基于预先标注的多个真值框,确定出每一帧下目标车辆的三维检测框相对应的目标真值框以及车辆账号信息;其中,每一帧下的所述三维检测框的目标真值框为同一个;基于位姿变换算法对每一帧下的所述三维检测框进行坐标系转换,确定出每一帧下转换后的所述三维检测框;基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹;基于每一帧下转换后的所述三维检测框的中心点、所述目标真值框的中心点、所述目标车辆的检测轨迹以及所述目标真值框之中的真值轨迹,确定出所述目标车辆的中心点误差面积,以根据所述中心点误差面积对三维目标检测算法进行调整;其中,所述三维目标检测算法用于检测出每一帧下目标车辆的三维检测框。通过确定出多个连续帧间目标车辆的中心点误差面积,有效地评估出目标车辆检测过程中的抖动情况,从而更加全面准确地评估出三维目标检测算法的优劣。
为使本申请的上述目的、特征和优点能更明显易懂,下文特举较佳实施例,并配合所附附图,作详细说明如下。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例所提供的一种目标检测评价指标的确定方法的流程图;
图2为本申请实施例所提供的三维检测框与真值框之间的示意图;
图3为本申请实施例所提供的一种目标检测评价指标的确定装置的结构示意图之一;
图4为本申请实施例所提供的一种目标检测评价指标的确定装置的结构示意图之二;
图5为本申请实施例所提供的一种电子设备的结构示意图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚,下面将结合本申请实施例中的附图,对本申请实施例中的技术方案进行清楚、完整地描述,应当理解,本申请中的附图仅起到说明和描述的目的,并不用于限定本申请的保护范围。另外,应当理解,示意性的附图并未按实物比例绘制。本申请中使用的流程图示出了根据本申请的一些实施例实现的操作。应当理解,流程图的操作可以不按顺序实现,没有逻辑的上下文关系的步骤可以反转顺序或者同时实施。此外,本领域技术人员在本申请内容的指引下,可以向流程图添加一个或多个其他操作,也可以从流程图中移除一个或多个操作。
另外,所描述的实施例仅仅是本申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的全部其他实施例,都属于本申请保护的范围。
为了使得本领域技术人员能够使用本申请内容,结合特定应用场景“对目标检测评价指标进行确定”,给出以下实施方式,对于本领域技术人员来说,在不脱离本申请的精神和范围的情况下,可以将这里定义的一般原理应用于其他实施例和应用场景。
首先,对本申请可适用的应用场景进行介绍。本申请可应用于自动驾驶技术领域。
经研究发现,mAP这种方法的主要缺点有两点:1)只聚焦于对单个时间戳内独立检测框精度的评价,缺乏对车辆的时序变化情况进行考虑,无法知道一段时间内运动实例的检测稳定性;2)基于IoU的判断方式对车辆的抖动不敏感。如果只聚焦于单帧检测稳定性而忽视连续帧实例检测的稳定性,会导致车辆难以被追踪,给出准确的速度大小和方向,从而导致车辆无法准确行驶。所以,如何有效地评估出车辆检测过程中的抖动情况成为了不容小觑的技术问题。
基于此,本申请实施例提供了一种目标检测评价指标的确定方法,通过确定出多个连续帧间目标车辆的中心点误差面积,有效地评估出目标车辆检测过程中的抖动情况,从而更加全面准确地评估出三维目标检测算法的优劣。
请参阅图1,图1为本申请实施例所提供的一种目标检测评价指标的确定方法的流程图。如图1中所示,本申请实施例提供的确定方法,包括:
S101:基于预先标注的多个真值框,确定出每一帧下目标车辆的三维检测框相对应的目标真值框以及车辆账号信息;其中,每一帧下的所述三维检测框的目标真值框为同一个。
该步骤中,根据预先标注的多个真值框,确定出每一帧下目标车辆的三维检测框对应的目标真值框以及车辆账号信息。
其中,每一帧下的目标车辆的三维检测框为利用三维检测算法对每一帧下目标车辆的自动驾驶路线进行预测所得到的。
这里,获取一段连续场景内三维检测框和真值框,以及相应的时间戳和对应的位姿信息。通常,作为3D目标检测的真值数据是有多个场景片段组成。每个场景片段会储存一段时间内的连续帧数据,场景片段长度为n,时间戳从t=0到t=n。真值数据里面包含每一帧的点云数据对应的时间戳和位姿信息以及每帧点云内的标注的真值框,标注的真值框有8个维度的信息,分别为真值框中心点的坐标(x,y,z)、真值框的尺寸信息(长宽高)、真值框的航向角信息以及真值框的实例ID(车辆账号信息)。
其中,3D目标检测算法会对真实数据中的每一帧输出对应的三维检测框,三维检测框有7个维度的信息,分别为三维检测框的中心点的坐标(x,y,z)、三维检测框的尺寸信息(长宽高)、三维检测框的航向角信息。
在一种可能的实施方式之中,所述基于预先标注的多个真值框,确定出每一帧下目标车辆的三维检测框相对应的目标真值框以及车辆账号信息,包括:
A:确定出每个所述真值框与每一帧下目标车辆的所述三维检测框之间的交并比。
这里,利用IoU算法确定出每个真值框与每一帧下目标车辆的三维检测框之间的交并比。
B:在多个所述交并比之中筛选出最大交并比,将所述最大交并比相对应的所述真值框确定为所述三维检测框相对应的目标真值框,并将所述目标真值框的车辆账号信息确定为所述三维检测框相对应的车辆账号信息。
这里,在多个交并比之中筛选出最大交并比,将最大交并比相对应的真值框确定为三维检测框相对应的目标真值框,并将目标真值框的车辆账号信息确定为三维检测框相对应的车辆账号信息。
其中,将同帧下的三维检测框和真值框通过IoU进行配对,根据对应真值框获取相应的实例ID。具体来说,是依次计算每一个真值框和所有检测框的IoU值,选取检测框中与该真值框的IoU最大的为目标真值框,将目标真值框的车辆账号信息(实例ID)赋予给三维检测框。
S102:基于位姿变换算法对每一帧下的所述三维检测框进行坐标系转换,确定出每一帧下转换后的所述三维检测框。
该步骤中,根据位姿变换算法对每一帧下的三维检测框进行坐标系转换,确定出每一帧下转换后的三维检测框。
在一种可能的实施方式之中,所述基于位姿变换算法对每一帧下的所述三维检测框进行坐标系转换,确定出每一帧下转换后的所述三维检测框,包括:
a:获取所述三维检测框在车辆坐标系下的八个顶点坐标。
这里,获取三维检测框在车辆坐标系下的八个顶点坐标。
其中,三维检测框为一个立方长方体,所以八个顶点坐标为立方长方体的顶点坐标。
b:基于所述三维检测框在车辆坐标系下的八个顶点坐标、旋转矩阵以及车辆坐标系到世界坐标系的平移投影系数,确定出每一帧下转换后的所述三维检测框。
这里,根据三维检测框在车辆坐标系下的八个顶点坐标、旋转矩阵以及车辆坐标系到世界坐标系的平移投影系数,确定出每一帧下转换后的三维检测框。
这里,通过以下公式确定出转换后的三维检测框的八个顶点坐标:
其中,Bg、Bv分别表示在世界坐标系和车辆坐标系下的三维检测框的八个顶点坐标,表示3x3旋转矩阵,表示从车体坐标系到世界坐标系的旋转投影关系,T表示从车体坐标系到世界坐标系的平移投影系数。
S103:基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹。
该步骤中,根据车辆账号信息以及每一帧下转换后的三维检测框,确定出目标车辆的检测轨迹。
这里,目标车辆的检测轨迹为利用三维目标检测算法预测出来的目标车辆的轨迹。
在一种可能的实施方式之中,所述基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹,包括:
(1):基于每一帧下转换后的所述三维检测框在世界坐标系下的八个顶点坐标,确定出每一帧下转换后的所述三维检测框在所述世界坐标系下的中心点坐标。
这里,根据每一帧下转换后的三维检测框在世界坐标系下的八个顶点坐标,确定出每一帧下转换后的三维检测框在所述世界坐标系下的中心点坐标。
(2):基于所述车辆账号信息将每一帧下转换后的所述三维检测框在所述世界坐标系下的中心点坐标相连接,确定出所述目标车辆的检测轨迹。
这里,根据车辆账号信息将每一帧下转换后的三维检测框在世界坐标系下的中心点坐标相连接,确定出所述目标车辆的检测轨迹。
其中,通过位姿变换将同一连续场景内的三维检测框投影至同一世界坐标系,并用实例ID将其轨迹串联起来,组成该连续场景片段的完整实例轨迹(目标车辆的检测轨迹)。
S104:基于每一帧下转换后的所述三维检测框的中心点、所述目标真值框的中心点、所述目标车辆的检测轨迹以及所述目标真值框之中的真值轨迹,确定出所述目标车辆的中心点误差面积,以根据所述中心点误差面积对三维目标检测算法进行调整。
该步骤中,根据每一帧下转换后的三维检测框的中心点、目标真值框的中心点、目标车辆的检测轨迹以及目标真值框之中的真值轨迹,确定出目标车辆的中心点误差面积,以根据中心点误差面积对三维目标检测算法进行调整。
其中,真值轨迹为预先标注的轨迹路线。
这里,若中心点误差面积大于预设误差面积,则对三维目标检测算法进行重新优化调整,关于如何对三维目标检测算法进行优化调整,现有的任何一种技术手段均可实现。
其中,所述三维目标检测算法用于检测出每一帧下目标车辆的三维检测框。
在一种可能的实施方式之中,所述基于每一帧下转换后的所述三维检测框的中心点、所述目标真值框的中心点、所述目标车辆的检测轨迹以及所述目标真值框之中的真值轨迹,确定出所述目标车辆的中心点误差面积,包括:
I:将第一帧下转换后的所述三维检测框的中心点与所述第一帧下所述目标真值框的中心点的差值,确定为第一边长。
这里,将第一帧下转换后的三维检测框的中心点与第一帧下目标真值框的中心点的差值,确定为第一边长。
II:将第二帧下转换后的所述三维检测框的中心点与所述第二帧下所述目标真值框的中心点的差值,确定为第二边长。
这里,将第二帧下转换后的三维检测框的中心点与第二帧下所述目标真值框的中心点的差值,确定为第二边长。
III:将所述第一帧与所述第二帧之间所述真值轨迹的位移长度,确定为第三边长;将所述第一帧与所述第二帧之间所述检测轨迹的位移长度,确定为第四边长。
这里,将第一帧与第二帧之间真值轨迹的位移长度,确定为第三边长;将第一帧与第二帧之间检测轨迹的位移长度,确定为第四边长。
IV:基于所述第一边长、所述第二边长、所述第三边长以及所述第四边长,确定出由所述第一边长、所述第二边长、所述第三边长以及所述第四边长构成的几何面积。
这里,根据第一边长、第二边长、第三边长以及第四边长确定出几何面积。
这里,若由第一边长、第二边长、第三边长以及第四边长构成的几何为三角形,则利用三角形面积公式确定出几何面积,若为四边型,则利用四边形面积公式确定出几何面积。
V:基于每两帧下的所述几何面积,确定出所述目标车辆的中心点误差面积。
这里,根据每两帧下的几何面积,确定出目标车辆的中心点误差面积。
在一种可能的实施方式之中,所述基于每两帧下的所述几何面积,确定出所述目标车辆的中心点误差面积,包括:
将每两帧下的所述几何面积进行加和,确定出总几何面积;对所述总几何面积进行均值计算,确定出所述目标车辆的中心点误差面积。
这里,将每两帧下的几何面积进行加和,确定出总几何面积,对总几何面积进行均值计算,确定出目标车辆的中心点误差面积。
进一步的,请参阅图2,图2为本申请实施例所提供的三维检测框与真值框之间的示意图。如图2所示,将第一帧作为起始帧,将三维检测框的中心点和真值框的中心点的差值作为第一边长(A),下一帧的三维检测框的中心点和真值框的中心点差值作为第二边长(B),两段时间差内真值中心点的移动位置(真值轨迹的位移长度)作为第三边长(C),检测轨迹的位移长度,确定为第四边长(D),计算矩形或三角戏面积。该面积即为当前时间戳的几何面积。再以此类推,将下一帧作为起始帧计算几何面积,统计所有时刻的几何面积,计算均值,作为该目标车辆的中心点误差面积。
在一种可能的实施方式之中,在所述基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹之后,所述确定方法还包括:
i:确定出每一帧相对应的世界坐标系下所述三维检测框的航向角与世界坐标系下所述目标真值框的航向角之间的航向角差值。
这样,确定出每一帧相对应的世界坐标下三维检测框的航向角与世界坐标系下的目标真值框的航向角之间的航向角差值。
ii:对每一帧相对应的航向角误差进行加和,确定出航向角总差值;对所述航向角总差值进行均值计算,确定出所述目标车辆的航向角误差。
这里,对每一帧相对应的航向角误差进行加和,确定出航向角总差值,对航向角总差值进行均值计算,确定出目标车辆的航向角误差。
iii:基于所述目标车辆的航向角误差面积对所述三维目标检测算法进行调整。
这里,根据目标车辆的航向角误差面积对三维目标检测算法进行调整,若航向角误差面积大于预设误差面积,则需对三维目标检测算法进行优化调整。
在具体实施例之中,获取一段连续场景内三维检测框和真值框,以及相应的时间戳和对应的位姿信息。通常,作为3D目标检测的真值数据是有多个场景片段组成。每个场景片段会储存一段时间内的连续帧数据,场景片段长度为n,时间戳从t=0到t=n。真值数据里面包含每一帧的点云数据对应的时间戳和位姿信息以及每帧点云内的标注的真值框,标注的真值框有8个维度的信息,分别为真值框中心点的坐标(x,y,z)、真值框的尺寸信息(长宽高)、真值框的航向角信息以及真值框的实例ID(车辆账号信息)。将同帧下的三维检测框和真值框通过IoU进行配对,根据对应真值框获取相应的实例ID。具体来说,是将依次计算每一个真值框和所有检测框的IoU值,选取检测框中与该真值框的IoU最大的为目标真值框,将目标真值框的车辆账号信息(实例ID)赋予给三维检测框。根据位姿变换算法对每一帧下的三维检测框进行坐标系转换,确定出每一帧下转换后的三维检测框。将第一帧作为起始帧,将三维检测框的中心点和真值框的中心点的差值作为第一边长(A),下一帧的三维检测框的中心点和真值框的中心点差值作为第二边长(B),两段时间差内真值中心点的移动位置(真值轨迹的位移长度)作为第三边长(C),检测轨迹的位移长度确定为第四边长(D),计算矩形或三角形面积。该面积即为当前时间戳的几何面积。再以此类推,将下一帧作为起始帧计算几何面积,统计所有时刻的几何面积,计算均值,作为该目标车辆的中心点误差面积,或者,确定出每一帧相对应的世界坐标下三维检测框的航向角与世界坐标系下的目标真值框的航向角之间的航向角差值。对,每一帧相对应的航向角误差进行加和,确定出航向角总差值,对航向角总差值进行均值计算,确定出目标车辆的航向角误差。实现了通过计算目标车辆在某段连续时间内三维检测框与真值框的中心点轨迹差面积(中心点误差面积)和航向角误差,来分别评价目标车辆的中间点检测稳定性和航向角检测稳定性,从而弥补了mAP评价指标的不足。
本申请实施例提供的一种目标检测评价指标的确定方法,所述确定方法包括:基于预先标注的多个真值框,确定出每一帧下目标车辆的三维检测框相对应的目标真值框以及车辆账号信息;其中,每一帧下的所述三维检测框的目标真值框为同一个;基于位姿变换算法对每一帧下的所述三维检测框进行坐标系转换,确定出每一帧下转换后的所述三维检测框;基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹;基于每一帧下转换后的所述三维检测框的中心点、所述目标真值框的中心点、所述目标车辆的检测轨迹以及所述目标真值框之中的真值轨迹,确定出所述目标车辆的中心点误差面积,以根据所述中心点误差面积对三维目标检测算法进行调整;其中,所述三维目标检测算法用于检测出每一帧下目标车辆的三维检测框。通过确定出多个连续帧间目标车辆的中心点误差面积,有效地评估出目标车辆检测过程中的抖动情况,从而更加全面准确地评估出三维目标检测算法的优劣。
请参阅图3、图4,图3为本申请实施例所提供的一种目标检测评价指标的确定装置的结构示意图之一;图4为本申请实施例所提供的一种目标检测评价指标的确定装置的结构示意图之二。如图3中所示,目标检测评价指标的确定装置300包括:
第一确定模块310,用于基于预先标注的多个真值框,确定出每一帧下目标车辆的三维检测框相对应的目标真值框以及车辆账号信息;其中,每一帧下的所述三维检测框的目标真值框为同一个;
位姿变换模块320,用于基于位姿变换算法对每一帧下的所述三维检测框进行坐标系转换,确定出每一帧下转换后的所述三维检测框;
轨迹确定模块330,用于基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹;
第一误差确定模块340,用于基于每一帧下转换后的所述三维检测框的中心点、所述目标真值框的中心点、所述目标车辆的检测轨迹以及所述目标真值框之中的真值轨迹,确定出所述目标车辆的中心点误差面积,以根据所述中心点误差面积对三维目标检测算法进行调整;其中,所述三维目标检测算法用于检测出每一帧下目标车辆的三维检测框。
进一步的,所述位姿变换模块320在用于所述基于位姿变换算法对每一帧下的所述三维检测框进行坐标系转换,确定出每一帧下转换后的所述三维检测框时,位姿变换模块320具体用于:
获取所述三维检测框在车辆坐标系下的八个顶点坐标;
基于所述三维检测框在车辆坐标系下的八个顶点坐标、旋转矩阵以及车辆坐标系到世界坐标系的平移投影系数,确定出每一帧下转换后的所述三维检测框。
进一步的,轨迹确定模块330在用于所述基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹时,轨迹确定模块330具体用于:
基于每一帧下转换后的所述三维检测框在世界坐标系下的八个顶点坐标,确定出每一帧下转换后的所述三维检测框在所述世界坐标系下的中心点坐标;
基于所述车辆账号信息将每一帧下转换后的所述三维检测框在所述世界坐标系下的中心点坐标相连接,确定出所述目标车辆的检测轨迹。
进一步的,第一误差确定模块340在用于所述基于每一帧下转换后的所述三维检测框的中心点、所述目标真值框的中心点、所述目标车辆的检测轨迹以及所述目标真值框之中的真值轨迹,确定出所述目标车辆的中心点误差面积时,第一误差确定模块340具体用于:
将第一帧下转换后的所述三维检测框的中心点与所述第一帧下所述目标真值框的中心点的差值,确定为第一边长;
将第二帧下转换后的所述三维检测框的中心点与所述第二帧下所述目标真值框的中心点的差值,确定为第二边长;
将所述第一帧与所述第二帧之间所述真值轨迹的位移长度,确定为第三边长;将所述第一帧与所述第二帧之间所述检测轨迹的位移长度,确定为第四边长;
基于所述第一边长、所述第二边长、所述第三边长以及所述第四边长,确定出由所述第一边长、所述第二边长、所述第三边长以及所述第四边长构成的几何面积;
基于每两帧下的所述几何面积,确定出所述目标车辆的中心点误差面积。
进一步的,第一误差确定模块340在用于所述基于每两帧下的所述几何面积,确定出所述目标车辆的中心点误差面积时,第一误差确定模块340具体用于:
将每两帧下的所述几何面积进行加和,确定出总几何面积;
对所述总几何面积进行均值计算,确定出所述目标车辆的中心点误差面积。
进一步的,如图4所示,目标检测评价指标的确定装置300还包括第二误差确定模块350,所述第二误差确定模块350还用于:
确定出每一帧相对应的世界坐标系下所述三维检测框的航向角与世界坐标系下所述目标真值框的航向角之间的航向角差值;
对每一帧相对应的航向角误差进行加和,确定出航向角总差值;
对所述航向角总差值进行均值计算,确定出所述目标车辆的航向角误差;
基于所述目标车辆的航向角误差面积对所述三维目标检测算法进行调整。
进一步的,第一确定模块310在用于所述基于预先标注的多个真值框,确定出每一帧下目标车辆的三维检测框相对应的目标真值框以及车辆账号信息时,第一确定模块310具体用于:
确定出每个所述真值框与每一帧下目标车辆的所述三维检测框之间的交并比;
在多个所述交并比之中筛选出最大交并比,将所述最大交并比相对应的所述真值框确定为所述三维检测框相对应的目标真值框,并将所述目标真值框的车辆账号信息确定为所述三维检测框相对应的车辆账号信息。
本申请实施例提供的一种目标检测评价指标的确定装置,所述确定装置包括:第一确定模块,用于基于预先标注的多个真值框,确定出每一帧下目标车辆的三维检测框相对应的目标真值框以及车辆账号信息;其中,每一帧下的所述三维检测框的目标真值框为同一个;位姿变换模块,用于基于位姿变换算法对每一帧下的所述三维检测框进行坐标系转换,确定出每一帧下转换后的所述三维检测框;轨迹确定模块,用于基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹;第一误差确定模块,用于基于每一帧下转换后的所述三维检测框的中心点、所述目标真值框的中心点、所述目标车辆的检测轨迹以及所述目标真值框之中的真值轨迹,确定出所述目标车辆的中心点误差面积,以根据所述中心点误差面积对三维目标检测算法进行调整;其中,所述三维目标检测算法用于检测出每一帧下目标车辆的三维检测框。通过确定出多个连续帧间目标车辆的中心点误差面积,有效地评估出目标车辆检测过程中的抖动情况,从而更加全面准确地评估出三维目标检测算法的优劣。
请参阅图5,图5为本申请实施例所提供的一种电子设备的结构示意图。如图5中所示,所述电子设备500包括处理器510、存储器520和总线530。
所述存储器520存储有所述处理器510可执行的机器可读指令,当电子设备500运行时,所述处理器510与所述存储器520之间通过总线530通信,所述机器可读指令被所述处理器510执行时,可以执行如上述图1所示方法实施例中的目标检测评价指标的确定方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
本申请实施例还提供一种计算机可读存储介质,该计算机可读存储介质上存储有计算机程序,该计算机程序被处理器运行时可以执行如上述图1所示方法实施例中的目标检测评价指标的确定方法的步骤,具体实现方式可参见方法实施例,在此不再赘述。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的系统、装置和单元的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
在本申请所提供的几个实施例中,应该理解到,所揭露的系统、装置和方法,可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,又例如,多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本申请各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个处理器可执行的非易失的计算机可读取存储介质中。基于这样的理解,本申请的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(Read-OnlyMemory,ROM)、随机存取存储器(Random Access Memory,RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
最后应说明的是:以上所述实施例,仅为本申请的具体实施方式,用以说明本申请的技术方案,而非对其限制,本申请的保护范围并不局限于此,尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化,或者对其中部分技术特征进行等同替换;而这些修改、变化或者替换,并不使相应技术方案的本质脱离本申请实施例技术方案的精神和范围,都应涵盖在本申请的保护范围之内。因此,本申请的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种目标检测评价指标的确定方法,其特征在于,所述确定方法包括:
基于预先标注的多个真值框,确定出每一帧下目标车辆的三维检测框相对应的目标真值框以及车辆账号信息;其中,每一帧下的所述三维检测框的目标真值框为同一个;
基于位姿变换算法对每一帧下的所述三维检测框进行坐标系转换,确定出每一帧下转换后的所述三维检测框;
基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹;
基于每一帧下转换后的所述三维检测框的中心点、所述目标真值框的中心点、所述目标车辆的检测轨迹以及所述目标真值框之中的真值轨迹,确定出所述目标车辆的中心点误差面积,以根据所述中心点误差面积对三维目标检测算法进行调整;其中,所述三维目标检测算法用于检测出每一帧下目标车辆的三维检测框。
2.根据权利要求1所述的确定方法,其特征在于,所述基于位姿变换算法对每一帧下的所述三维检测框进行坐标系转换,确定出每一帧下转换后的所述三维检测框,包括:
获取所述三维检测框在车辆坐标系下的八个顶点坐标;
基于所述三维检测框在车辆坐标系下的八个顶点坐标、旋转矩阵以及车辆坐标系到世界坐标系的平移投影系数,确定出每一帧下转换后的所述三维检测框。
3.根据权利要求1所述的确定方法,其特征在于,所述基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹,包括:
基于每一帧下转换后的所述三维检测框在世界坐标系下的八个顶点坐标,确定出每一帧下转换后的所述三维检测框在所述世界坐标系下的中心点坐标;
基于所述车辆账号信息将每一帧下转换后的所述三维检测框在所述世界坐标系下的中心点坐标相连接,确定出所述目标车辆的检测轨迹。
4.根据权利要求1所述的确定方法,其特征在于,所述基于每一帧下转换后的所述三维检测框的中心点、所述目标真值框的中心点、所述目标车辆的检测轨迹以及所述目标真值框之中的真值轨迹,确定出所述目标车辆的中心点误差面积,包括:
将第一帧下转换后的所述三维检测框的中心点与所述第一帧下所述目标真值框的中心点的差值,确定为第一边长;
将第二帧下转换后的所述三维检测框的中心点与所述第二帧下所述目标真值框的中心点的差值,确定为第二边长;
将所述第一帧与所述第二帧之间所述真值轨迹的位移长度,确定为第三边长;
将所述第一帧与所述第二帧之间所述检测轨迹的位移长度,确定为第四边长;
基于所述第一边长、所述第二边长、所述第三边长以及所述第四边长,确定出由所述第一边长、所述第二边长、所述第三边长以及所述第四边长构成的几何面积;
基于每两帧下的所述几何面积,确定出所述目标车辆的中心点误差面积。
5.根据权利要求4所述的确定方法,其特征在于,所述基于每两帧下的所述几何面积,确定出所述目标车辆的中心点误差面积,包括:
将每两帧下的所述几何面积进行加和,确定出总几何面积;
对所述总几何面积进行均值计算,确定出所述目标车辆的中心点误差面积。
6.根据权利要求1所述的确定方法,其特征在于,在所述基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹之后,所述确定方法还包括:
确定出每一帧相对应的世界坐标系下所述三维检测框的航向角与世界坐标系下所述目标真值框的航向角之间的航向角差值;
对每一帧相对应的航向角误差进行加和,确定出航向角总差值;
对所述航向角总差值进行均值计算,确定出所述目标车辆的航向角误差;
基于所述目标车辆的航向角误差面积对所述三维目标检测算法进行调整。
7.根据权利要求1所述的确定方法,其特征在于,所述基于预先标注的多个真值框,确定出每一帧下目标车辆的三维检测框相对应的目标真值框以及车辆账号信息,包括:
确定出每个所述真值框与每一帧下目标车辆的所述三维检测框之间的交并比;
在多个所述交并比之中筛选出最大交并比,将所述最大交并比相对应的所述真值框确定为所述三维检测框相对应的目标真值框,并将所述目标真值框的车辆账号信息确定为所述三维检测框相对应的车辆账号信息。
8.一种目标检测评价指标的确定装置,其特征在于,所述确定装置包括:
第一确定模块,用于基于预先标注的多个真值框,确定出每一帧下目标车辆的三维检测框相对应的目标真值框以及车辆账号信息;其中,每一帧下的所述三维检测框的目标真值框为同一个;
位姿变换模块,用于基于位姿变换算法对每一帧下的所述三维检测框进行坐标系转换,确定出每一帧下转换后的所述三维检测框;
轨迹确定模块,用于基于所述车辆账号信息以及每一帧下转换后的所述三维检测框,确定出所述目标车辆的检测轨迹;
第一误差确定模块,用于基于每一帧下转换后的所述三维检测框的中心点、所述目标真值框的中心点、所述目标车辆的检测轨迹以及所述目标真值框之中的真值轨迹,确定出所述目标车辆的中心点误差面积,以根据所述中心点误差面积对三维目标检测算法进行调整;其中,所述三维目标检测算法用于检测出每一帧下目标车辆的三维检测框。
9.一种电子设备,其特征在于,包括:处理器、存储器和总线,所述存储器存储有所述处理器可执行的机器可读指令,当电子设备运行时,所述处理器与所述存储器之间通过所述总线进行通信,所述机器可读指令被所述处理器运行时执行如权利要求1至7任一所述的目标检测评价指标的确定方法的步骤。
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上存储有计算机程序,所述计算机程序被处理器运行时执行如权利要求1至7任一所述的目标检测评价指标的确定方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310595590.6A CN116543271A (zh) | 2023-05-24 | 2023-05-24 | 目标检测评价指标的确定方法、装置、电子设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310595590.6A CN116543271A (zh) | 2023-05-24 | 2023-05-24 | 目标检测评价指标的确定方法、装置、电子设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116543271A true CN116543271A (zh) | 2023-08-04 |
Family
ID=87446915
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310595590.6A Pending CN116543271A (zh) | 2023-05-24 | 2023-05-24 | 目标检测评价指标的确定方法、装置、电子设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116543271A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117611788A (zh) * | 2024-01-19 | 2024-02-27 | 福思(杭州)智能科技有限公司 | 动态真值数据的校正方法和装置、存储介质 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112634326A (zh) * | 2020-12-17 | 2021-04-09 | 深圳云天励飞技术股份有限公司 | 目标跟踪方法、装置、电子设备及存储介质 |
US20210174537A1 (en) * | 2019-12-10 | 2021-06-10 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for detecting target object in image |
CN113222042A (zh) * | 2021-05-25 | 2021-08-06 | 深圳市商汤科技有限公司 | 一种评测方法、装置、电子设备及存储介质 |
CN114170448A (zh) * | 2020-08-20 | 2022-03-11 | 魔门塔(苏州)科技有限公司 | 一种视觉感知算法的评测方法及装置 |
CN114821037A (zh) * | 2022-04-15 | 2022-07-29 | 北京爱笔科技有限公司 | 评估目标检测模型的方法、获取测试集的方法和装置 |
-
2023
- 2023-05-24 CN CN202310595590.6A patent/CN116543271A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20210174537A1 (en) * | 2019-12-10 | 2021-06-10 | Beijing Baidu Netcom Science And Technology Co., Ltd. | Method and apparatus for detecting target object in image |
CN114170448A (zh) * | 2020-08-20 | 2022-03-11 | 魔门塔(苏州)科技有限公司 | 一种视觉感知算法的评测方法及装置 |
CN112634326A (zh) * | 2020-12-17 | 2021-04-09 | 深圳云天励飞技术股份有限公司 | 目标跟踪方法、装置、电子设备及存储介质 |
CN113222042A (zh) * | 2021-05-25 | 2021-08-06 | 深圳市商汤科技有限公司 | 一种评测方法、装置、电子设备及存储介质 |
CN114821037A (zh) * | 2022-04-15 | 2022-07-29 | 北京爱笔科技有限公司 | 评估目标检测模型的方法、获取测试集的方法和装置 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117611788A (zh) * | 2024-01-19 | 2024-02-27 | 福思(杭州)智能科技有限公司 | 动态真值数据的校正方法和装置、存储介质 |
CN117611788B (zh) * | 2024-01-19 | 2024-04-19 | 福思(杭州)智能科技有限公司 | 动态真值数据的校正方法和装置、存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3223196A1 (en) | A method and a device for generating a confidence measure for an estimation derived from images captured by a camera mounted on a vehicle | |
CN110796007B (zh) | 场景识别的方法与计算设备 | |
CN110632617B (zh) | 一种激光雷达点云数据处理的方法及装置 | |
EP2372611A2 (en) | Scene matching reference data generation system and position measurement system | |
CN114170448A (zh) | 一种视觉感知算法的评测方法及装置 | |
US11971961B2 (en) | Device and method for data fusion between heterogeneous sensors | |
CN113137968B (zh) | 基于多传感器融合的重定位方法、重定位装置和电子设备 | |
CN116543271A (zh) | 目标检测评价指标的确定方法、装置、电子设备及介质 | |
CN111160132B (zh) | 障碍物所在车道的确定方法、装置、电子设备和存储介质 | |
CN112540365A (zh) | 一种评估方法、装置、设备及存储介质 | |
CN111971725A (zh) | 用于确定车辆的变道说明的方法、计算机可读存储介质以及车辆 | |
US11087147B2 (en) | Vehicle lane mapping | |
CN110413942B (zh) | 车道线方程筛选方法及其筛选模块 | |
CN112284402B (zh) | 一种车辆定位的方法和装置 | |
CN115355919A (zh) | 车辆定位算法的精度检测方法、装置、计算设备及介质 | |
CN114791282A (zh) | 一种基于车辆高精度定位的路政设施坐标标定方法及装置 | |
US11982752B2 (en) | GPS error correction method through comparison of three-dimensional HD-maps in duplicate area | |
CN113327456A (zh) | 一种车道结构检测方法及装置 | |
WO2020021596A1 (ja) | 車両位置推定装置および車両位置推定方法 | |
CN111060946B (zh) | 用于估计位置的方法和装置 | |
Shahnewaz Chowdhury et al. | Generation of Road Reference Heading using GPS Trajectories for Accurate Lane Departure Detection | |
CN116626630B (zh) | 一种物体分类方法、装置、电子设备及存储介质 | |
US20230025579A1 (en) | High-definition mapping | |
JP4573590B2 (ja) | 画像処理による移動物体計測方法及び装置 | |
CN112665593B (zh) | 一种车辆定位方法及装置 |
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 |