CN117152560A - 目标检测模型的训练和目标检测方法以及装置 - Google Patents

目标检测模型的训练和目标检测方法以及装置 Download PDF

Info

Publication number
CN117152560A
CN117152560A CN202311144750.1A CN202311144750A CN117152560A CN 117152560 A CN117152560 A CN 117152560A CN 202311144750 A CN202311144750 A CN 202311144750A CN 117152560 A CN117152560 A CN 117152560A
Authority
CN
China
Prior art keywords
sample
image
target
features
detection model
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
Application number
CN202311144750.1A
Other languages
English (en)
Inventor
董博
林金表
许舒恒
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.)
Jiuzhi Suzhou Intelligent Technology Co ltd
Original Assignee
Jiuzhi Suzhou Intelligent 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 Jiuzhi Suzhou Intelligent Technology Co ltd filed Critical Jiuzhi Suzhou Intelligent Technology Co ltd
Priority to CN202311144750.1A priority Critical patent/CN117152560A/zh
Publication of CN117152560A publication Critical patent/CN117152560A/zh
Pending legal-status Critical Current

Links

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
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • 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
    • G06V10/25—Determination of region of interest [ROI] or a volume of interest [VOI]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/513—Sparse representations
    • 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
    • G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
    • G06V10/7753—Incorporation of unlabelled data, e.g. multiple instance learning [MIL]
    • 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
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • 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
    • 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
    • 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)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Databases & Information Systems (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Software Systems (AREA)
  • Computing Systems (AREA)
  • Artificial Intelligence (AREA)
  • Image Analysis (AREA)

Abstract

本发明公开了一种目标检测模型的训练和目标检测方法以及装置，属于自动驾驶技术领域，所述方法包括：根据图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像，确定样本图像稠密特征；根据遥感探测设备所采集的自动驾驶车辆所处样本场景中的样本点云数据，确定样本图像稀疏特征；对样本图像稠密特征和样本图像稀疏特征进行融合，得到样本融合图像特征；根据样本融合图像特征，对目标检测模型进行训练。本发明解决了特征对不齐的问题，增强了特征融合效果，进而提高了后续目标检测结果的准确性。

Description

目标检测模型的训练和目标检测方法以及装置
技术领域
本发明涉及自动驾驶技术领域，尤其涉及一种目标检测模型的训练和目标检测方法以及装置。
背景技术
三维目标检测能够使智能体有效感知真实环境，对三维目标进行分类和定位，在自动驾驶领域具有重要的应用价值。
但现有基于点云和图像融合的目标检测模型，由于自动驾驶车辆上传感器之间互相投影的偏差，比如，车自身的位置动态变化、各传感器之间标定关系的误差、以及传感器之间触发时间的差异等，存在特征对不齐的问题，影响了后续目标检测结果的准确性。
发明内容
本发明提供了一种目标检测模型的训练和目标检测方法以及装置，以解决特征对不齐的问题，增强特征融合效果，提高后续目标检测结果的准确性。
根据本发明的一方面，提供了一种目标检测模型的训练方法，该方法包括：
根据图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像，确定样本图像稠密特征；
根据遥感探测设备所采集的自动驾驶车辆所处样本场景中的样本点云数据，确定样本图像稀疏特征；
对样本图像稠密特征和样本图像稀疏特征进行融合，得到样本融合图像特征；
根据样本融合图像特征，对目标检测模型进行训练。
根据本发明的另一方面，提供了一种目标检测方法，该方法包括：
获取自动驾驶车辆所处目标场景中的目标多视角图像和目标点云数据；
采用目标检测模型对目标多视角图像和目标点云数据进行目标检测，得到目标场景中的第二预测目标；其中，目标检测模型基于权利要求1-5中任一项的目标检测模型的训练方法训练得到。
根据本发明的另一方面，提供了一种目标检测模型的训练装置，该装置包括：
图像稠密特征确定模块，用于根据图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像，确定样本图像稠密特征；
图像稀疏特征确定模块，用于根据遥感探测设备所采集的自动驾驶车辆所处样本场景中的样本点云数据，确定样本图像稀疏特征；
融合图像特征确定模块，用于对样本图像稠密特征和样本图像稀疏特征进行融合，得到样本融合图像特征；
目标检测模型训练模块，用于根据样本融合图像特征，对目标检测模型进行训练。
根据本发明的另一方面，提供了一种目标检测装置，该装置包括：
数据获取模块，用于获取自动驾驶车辆所处目标场景中的目标多视角图像和目标点云数据；
预测目标确定模块，用于采用目标检测模型对目标多视角图像和目标点云数据进行目标检测，得到目标场景中的第二预测目标；其中，目标检测模型基于权利要求1-5中任一项的目标检测模型的训练方法训练得到。
根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
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，
存储器存储有可被至少一个处理器执行的计算机程序，计算机程序被至少一个处理器执行，以使至少一个处理器能够执行本发明任一实施例的目标检测模型的训练方法，和/或，目标检测方法。
根据本发明的另一方面，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存储有计算机指令，计算机指令用于使处理器执行时实现本发明任一实施例的目标检测模型的训练方法，和/或，目标检测方法。
本发明实施例的技术方案，根据图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像，确定样本图像稠密特征；根据遥感探测设备所采集的自动驾驶车辆所处样本场景中的样本点云数据，确定样本图像稀疏特征；对样本图像稠密特征和样本图像稀疏特征进行融合，得到样本融合图像特征；根据样本融合图像特征，对目标检测模型进行训练。上述技术方案，通过对相同视角相同维度下的样本图像稠密特征和样本图像稀疏特征进行特征融合处理，得到样本融合图像特征，解决了样本融合图像特征确定过程中的特征对不齐问题，增强了特征融合效果，使得后续根据样本融合图像特征训练得到的目标检测模型的目标检测精度更高，进而提高了后续目标检测结果的准确性。
应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明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
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，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的附图。
图1是根据本发明实施例一提供的一种目标检测模型的训练方法的流程图；
图2是根据本发明实施例二提供的一种目标检测模型的训练方法的流程图；
图3是根据本发明实施例三提供的一种目标检测方法的流程图；
图4是根据本发明实施例四提供的一种目标检测模型的训练装置的结构示意图；
图5是根据本发明实施例五提供的一种目标检测装置的结构示意图；
图6是实现本发明实施例的目标检测模型的训练方法，和/或，目标检测方法的电子设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分的实施例，而不是全部的实施例。基于本发明中的实施例，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，都应当属于本发明保护的范围。
需要说明的是，本发明的说明书和权利要求书及上述附图中的术语“目标”、“样本”、“第一”和“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本发明的实施例能够以除了在这里图示或描述的那些以外的顺序实施。此外，术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
此外，还需要说明的是，本发明的技术方案中，所涉及的样本多视角图像、样本点云数据、目标多视角图像、目标点云数据以及样本场景中的监督数据等的收集、存储、使用、加工、传输、提供和公开等处理，均符合相关法律法规的规定，且不违背公序良俗。
实施例一
图1为本发明实施例一提供的一种目标检测模型的训练方法的流程图，本实施例可适用于对自动驾驶场景中采用的目标检测模型进行优化的情况，该方法可以由目标检测模型的训练装置来执行，该装置可以采用硬件和/或软件的形式实现，可配置于电子设备中。如图1所示，该方法包括：
S101、根据图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像，确定样本图像稠密特征。
其中，图像采集设备是指用于采集自动驾驶车辆所处场景中图像的设备，可以是广角摄像头，也可以是红外摄像头。样本场景是指用于训练目标检测模型所需的自动驾驶场景，比如，样本场景可以是道路交叉口。样本多视角图像是指用于训练目标检测模型所需的多视角图像。其中，多视角图像是指同一时刻从不同视角采集的图像，比如，多视角图像可以是同一时刻从自动驾驶车辆前、后、左、右四个视角采集的图像。需要说明的是，图像采集设备的数量可以根据实际业务需求预先设置，比如，图像采集设备的数量可以是4个，又比如，图像采集设备的数量可以是6个，本发明实施例对其不做具体限定。相应的，图像采集设备在自动驾驶车辆上的安装位置也可以根据实际业务需求预先设置，本发明实施例对其不做具体限定，但需要保证对自动驾驶车辆所处场景的360度全覆盖。样本图像稠密特征是指用于训练目标检测模型所需的图像稠密特征。其中，图像稠密特征是指对图像采集设备采集的图像进行处理后，得到的图像特征。需要说明的是，目标检测模型是指用于对自动驾驶车辆所处场景中的感兴趣物体进行检测，并确定感兴趣物体类别和位置的模型。
具体的，可以将图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像，输入特征提取网络中，经特征提取网络处理后，得到样本多视角图像中的稠密特征；之后，将稠密特征投影到雷达坐标系中，得到三维图像稠密特征；进而，对三维图像稠密特征进行卷积编码处理，得到样本图像稠密特征。
S102、根据遥感探测设备所采集的自动驾驶车辆所处样本场景中的样本点云数据，确定样本图像稀疏特征。
其中，遥感探测设备是指用于远距离探测自动驾驶车辆所处场景的设备，可以是激光雷达。样本点云数据是指用于训练目标检测模型所需的点云数据。其中，点云数据是指遥感探测设备所采集的数据。样本图像稀疏特征是指用于训练目标检测模型所需的图像稀疏特征。其中，图像稀疏特征是指对遥感探测设备采集的点云数据进行处理后，得到的图像特征。
具体的，可以对遥感探测设备所采集的自动驾驶车辆所处样本场景中的样本点云数据，进行体素化处理，得到样本点云数据的体素特征；之后，对体素特征进行卷积编码处理，得到样本图像稀疏特征。
S103、对样本图像稠密特征和样本图像稀疏特征进行融合，得到样本融合图像特征。
其中，样本融合图像特征是指样本图像稠密特征和样本图像稀疏特征融合后，得到的图像特征。
具体的，基于卷积神经网络的融合算法，对样本图像稠密特征和样本图像稀疏特征进行特征融合，得到样本融合图像特征。
可以理解的是，对样本图像稠密特征和样本图像稀疏特征进行融合，可以使得得到的样本融合图像特征，既可以包含样本图像稠密特征中的丰富语义信息，又可以包含样本图像稀疏特征中的丰富深度信息，实现了对自动驾驶车辆所处样本场景中样本多视角图像和样本点云数据的充分利用。
S104、根据样本融合图像特征，对目标检测模型进行训练。
可选的，可以采用目标检测模型中的目标预测网络，对样本融合图像特征进行目标预测，得到样本场景中的第一预测目标；根据第一预测目标和样本场景中的监督数据，对目标检测模型进行训练。
其中，目标预测网络是指目标检测模型中的预测网络，用于对自动驾驶车辆所处样本场景中的感兴趣物体进行检测；可选的，目标预测网络可以包括检测头和分割头。第一预测目标是指样本场景中的预测目标。监督数据是指样本场景中有标签的数据。
具体的，可以将样本融合图像特征输入目标检测模型中的目标预测网络，经目标预测网络处理后，得到样本场景中的第一预测目标；采用第一预测目标和样本场景中的监督数据对目标检测模型进行联合训练，直到训练损失达到设定范围，或者训练迭代次数达到设定次数，则停止对目标检测模型的训练，将停止训练时的目标检测模型作为最终的目标检测模型。其中，设定范围和设定次数可以根据实际业务需求预先设置，本发明实施例对其不做具体限定。
可以理解的是，通过半监督学习的方式，利用无标签的第一预测目标和有标签的监督数据联合对目标检测模型进行训练，不仅减少了目标检测模型对有标签数据的需求，还提高了目标检测模型的检测能力。
本发明实施例的技术方案，根据图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像，确定样本图像稠密特征；根据遥感探测设备所采集的自动驾驶车辆所处样本场景中的样本点云数据，确定样本图像稀疏特征；对样本图像稠密特征和样本图像稀疏特征进行融合，得到样本融合图像特征；根据样本融合图像特征，对目标检测模型进行训练。上述技术方案，通过对相同视角相同维度下的样本图像稠密特征和样本图像稀疏特征进行特征融合处理，得到样本融合图像特征，解决了样本融合图像特征确定过程中的特征对不齐问题，增强了特征融合效果，使得后续根据样本融合图像特征训练得到的目标检测模型的目标检测精度更高，进而提高了后续目标检测结果的准确性。
实施例二
图2为本发明实施例二提供的一种目标检测模型的训练方法的流程图，本实施例在上述实施例的基础上，进一步对“根据图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像，确定样本图像稠密特征”进行优化，提供了一种可选实施方案。需要说明的是，在本发明实施例中未详述部分，可参照其他实施例的相关表述。如图2所示，该方法包括：
S201、对图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像进行特征提取，得到第一图像特征。
其中，第一图像特征是指样本多视角图像经特征提取之后得到的图像特征。
具体的，可以采用特征金字塔网络对图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像进行特征提取，得到第一图像特征。
S202、对第一图像特征进行三维特征转换，得到三维图像特征。
其中，三维图像特征是指第一图像特征在鸟瞰图视角(Bird's Eye View，BEV)下的伪体素特征。
具体的，可以采用深度图像分类器对第一图像特征进行深度稠密预测，得到第一图像特征对应的深度图像特征；之后，将图像采集设备的外参(比如，广角摄像头的外参)和深度图像特征输入三维投影模型中，经三维投影模型处理后，得到三维图像特征。其中，三维投影模型用于将第一图像特征投影到雷达坐标系中，使得第一图像特征和样本点云数据中的每个点对应。
S203、对三维图像特征进行编码，得到样本图像稠密特征。
具体的，对三维图像特征进行卷积编码处理，得到样本图像稠密特征。
S204、根据遥感探测设备所采集的自动驾驶车辆所处样本场景中的样本点云数据，确定样本图像稀疏特征。
可选的，对遥感探测设备所采集的自动驾驶车辆所处样本场景中的样本点云数据进行体素化处理，得到体素特征；将体素特征与第一图像特征进行融合，得到融合体素特征；对融合体素特征进行编码，得到样本图像稀疏特征。
其中，融合体素特征是指体素特征和第一图像特征融合后得到的体素特征。
具体的，对遥感探测设备所采集的自动驾驶车辆所处样本场景中的样本点云数据进行体素化处理，得到体素特征；基于多模态融合算法，将体素特征与第一图像特征进行融合，得到融合体素特征；对融合体素特征进行卷积编码，得到样本图像稀疏特征。其中，多模态融合算法可以根据实际业务需求预先设置，比如，多模态融合算法可以是基于注意力机制的多模态融合算法，本发明实施例对其不做具体限定。
可选的，将体素特征与第一图像特征进行融合，得到融合体素特征，可以是：从第一图像特征中确定体素特征对应的区域图像特征；对区域图像特征和体素特征进行偏差运算，得到体素特征的偏差量；根据体素特征和偏差量，确定融合体素特征。
其中，区域图像特征是指第一图像特征中，体素特征在相机坐标系下的投影区域所对应的图像特征。
具体的，针对每一体素特征，根据该体素特征在相机坐标系上的投影区域，从第一图像特征中提取该投影区域中的图像特征，作为区域图像特征；基于可变形卷积网络，对区域图像特征和体素特征进行偏差运算，得到体素特征的偏差量；采用交叉注意力网络将体素特征和偏差量进行融合，得到融合体素特征。
可以理解的是，从第一图像特征中确定体素特征对应的区域图像特征，是为了对齐第一图像特征和体素特征；基于可变形卷积网络对区域图像特征和体素特征进行偏差运算，得到体素特征的偏差量，是为了提取更多的特征信息；采用交叉注意力网络将体素特征和偏差量进行融合，得到融合体素特征，是为了增强体素特征和偏差量的融合强度。
S205、对样本图像稠密特征和样本图像稀疏特征进行融合，得到样本融合图像特征。
S206、根据样本融合图像特征，对目标检测模型进行训练。
本发明实施例的技术方案，提供了一种具体确定样本图像稠密特征和确定样本图像稀疏特征的方法，得到相同视角下相同维度的样本图像稠密特征和样本图像稀疏特征，保证了后续样本融合特征的准确性。
实施例三
图3为本发明实施例三提供的一种目标检测方法的流程图，本实施例可适用于对自动驾驶车辆所处场景进行目标检测的情况，该方法可以由目标检测装置来执行，该装置可以采用硬件和/或软件的形式实现，可配置于电子设备中。如图3所示，该方法包括：
S301、获取自动驾驶车辆所处目标场景中的目标多视角图像和目标点云数据。
其中，目标场景是指自动驾驶车辆实际所处的场景。目标多视角图像是指在自动驾驶车辆所处目标场景中，同一时刻从不同视角采集的图像。目标点云数据是指在自动驾驶车辆所处目标场景中采集的点云数据。
具体的，通过安装在自动驾驶车辆上的图像采集设备，获取自动驾驶车辆所处目标场景中的目标多视角图像；通过安装在自动驾驶车辆上的遥感探测设备，获取自动驾驶车辆所处目标场景中的目标点云数据。其中，图像采集设备是指用于采集自动驾驶车辆所处场景中图像的设备，可以是广角摄像头，也可以是红外摄像头。需要说明的是，图像采集设备的数量可以根据实际业务需求预先设置，比如，图像采集设备的数量可以是4个，又比如，图像采集设备的数量可以是6个，本发明实施例对其不做具体限定。相应的，图像采集设备在自动驾驶车辆上的安装位置也可以根据实际业务需求预先设置，本发明实施例对其不做具体限定，但需要保证对自动驾驶车辆所处场景的360度全覆盖。遥感探测设备是指用于远距离探测自动驾驶车辆所处场景的设备，可以是激光雷达。
S302、采用目标检测模型对目标多视角图像和目标点云数据进行目标检测，得到目标场景中的第二预测目标；其中，目标检测模型基于权利要求1-5中任一项的目标检测模型的训练方法训练得到。
其中，第二预测目标是指目标场景中的预测目标。
具体的，将目标多视角图像和目标点云数据输入目标检测模型中，通过目标检测模型中的特征提取网络对目标多视角图像进行特征提取，得到第二图像特征；对第二图像特征进行三维特征转换，得到目标三维图像特征；对目标三维图像特征进行卷积编码处理，得到目标图像稠密特征。其中，第二图像特征是指目标多视角图像经特征提取之后得到的图像特征。目标三维图像特征是指第二图像特征在鸟瞰图视角下的伪体素特征。目标图像稠密特征是指目标三维图像特征经卷积编码处理后得到的图像特征。
同时，通过目标检测模型中的体素转换算法，对目标点云数据进行体素化处理，得到目标体素特征；基于多模态融合算法，将目标体素特征与第二图像特征进行特征融合，得到融合后的目标体素特征；对融合体素特征进行卷积编码，得到目标图像稀疏特征。其中，目标体素特征是指目标点云数据经体素化处理后得到的体素特征。目标图像稀疏特征是指融合后的目标体素特征经卷积编码处理后得到的图像特征。
之后，通过目标预测模型中的特征融合网络，将得到的目标图像稠密特征和目标图像稀疏特征进行融合，得到BEV视角下的目标融合特征；进而，通过目标检测模型中的目标预测网络对目标融合特征进行预测，得到目标场景中的第二预测目标。
本发明实施例的技术方案，基于训练好的目标检测模型对自动驾驶车辆所处目标场景进行目标检测，得到目标场景中的第二预测目标，使得预测的第二预测目标更加准确。
实施例四
图4为本发明实施例四提供的一种目标检测模型的训练装置的结构示意图，本实施例可适用于对自动驾驶场景中采用的目标检测模型进行优化的情况，该装置可以采用硬件和/或软件的形式实现，可配置于电子设备中。如图4所示，该装置包括：
图像稠密特征确定模块401，用于根据图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像，确定样本图像稠密特征；
图像稀疏特征确定模块402，用于根据遥感探测设备所采集的自动驾驶车辆所处样本场景中的样本点云数据，确定样本图像稀疏特征；
融合图像特征确定模块403，用于对样本图像稠密特征和样本图像稀疏特征进行融合，得到样本融合图像特征；
目标检测模型训练模块404，用于根据样本融合图像特征，对目标检测模型进行训练。
本发明实施例的技术方案，根据图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像，确定样本图像稠密特征；根据遥感探测设备所采集的自动驾驶车辆所处样本场景中的样本点云数据，确定样本图像稀疏特征；对样本图像稠密特征和样本图像稀疏特征进行融合，得到样本融合图像特征；根据样本融合图像特征，对目标检测模型进行训练。上述技术方案，通过对相同视角相同维度下的样本图像稠密特征和样本图像稀疏特征进行特征融合处理，得到样本融合图像特征，解决了样本融合图像特征确定过程中的特征对不齐问题，增强了特征融合效果，使得后续根据样本融合图像特征训练得到的目标检测模型的目标检测精度更高，进而提高了后续目标检测结果的准确性。
可选的，图像稠密特征确定模块401，具体用于：
对图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像进行特征提取，得到第一图像特征；
对第一图像特征进行三维特征转换，得到三维图像特征；
对三维图像特征进行编码，得到样本图像稠密特征。
可选的，图像稀疏特征确定模块402，包括：
体素特征确定单元，用于对遥感探测设备所采集的自动驾驶车辆所处样本场景中的样本点云数据进行体素化处理，得到体素特征；
融合体素特征确定单元，用于将体素特征与第一图像特征进行融合，得到融合体素特征；
图像稀疏特征确定单元，用于对融合体素特征进行编码，得到样本图像稀疏特征。
可选的，融合体素特征确定单元，具体用于：
从第一图像特征中确定体素特征对应的区域图像特征；
对区域特征特征和体素特征进行偏差运算，得到体素特征的偏差量；
根据体素特征和偏差量，确定融合体素特征。
可选的，目标检测模型训练模块404，具体用于：
采用目标检测模型中的目标预测网络，对样本融合图像特征进行目标预测，得到样本场景中的第一预测目标；
根据第一预测目标和样本场景中的监督数据，对目标检测模型进行训练。
本发明实施例所提供的目标检测模型的训练装置可执行本发明任意实施例所提供的目标检测模型的训练方法，具备执行各目标检测模型的训练方法相应的功能模块和有益效果。
实施例五
图5为本发明实施例五提供的一种目标检测装置的结构示意图，本实施例可适用于对自动驾驶车辆所处场景进行目标检测的情况，该装置可以采用硬件和/或软件的形式实现，可配置于电子设备中。如图5所示，该方法包括：
数据获取模块501，用于获取自动驾驶车辆所处目标场景中的目标多视角图像和目标点云数据；
预测目标确定模块502，用于采用目标检测模型对目标多视角图像和目标点云数据进行目标检测，得到目标场景中的第二预测目标；其中，目标检测模型基于权利要求1-5中任一项的目标检测模型的训练方法训练得到。
本发明实施例的技术方案，基于训练好的目标检测模型对自动驾驶车辆所处目标场景进行目标检测，得到目标场景中的第二预测目标，使得预测的第二预测目标更加准确。
本发明实施例所提供的目标检测装置可执行本发明任意实施例所提供的目标检测方法，具备执行各目标检测方法相应的功能模块和有益效果。
实施例六
图6示出了可以用来实施本发明的实施例的电子设备10的结构示意图。电子设备旨在表示各种形式的数字计算机，诸如，膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置，诸如，个人数字处理、蜂窝电话、智能电话、可穿戴设备(如头盔、眼镜、手表等)和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例，并且不意在限制本文中描述的和/或者要求的本发明的实现。
如图6所示，电子设备10包括至少一个处理器11，以及与至少一个处理器11通信连接的存储器，如只读存储器(ROM)12、随机访问存储器(RAM)13等，其中，存储器存储有可被至少一个处理器执行的计算机程序，处理器11可以根据存储在只读存储器(ROM)12中的计算机程序或者从存储单元18加载到随机访问存储器(RAM)13中的计算机程序，来执行各种适当的动作和处理。在RAM13中，还可存储电子设备10操作所需的各种程序和数据。处理器11、ROM12以及RAM13通过总线14彼此相连。输入/输出(I/O)接口15也连接至总线14。
电子设备10中的多个部件连接至I/O接口15，包括：输入单元16，例如键盘、鼠标等；输出单元17，例如各种类型的显示器、扬声器等；存储单元18，例如磁盘、光盘等；以及通信单元19，例如网卡、调制解调器、无线通信收发机等。通信单元19允许电子设备10通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
处理器11可以是各种具有处理和计算能力的通用和/或专用处理组件。处理器11的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的处理器、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。处理器11执行上文所描述的各个方法和处理，例如目标检测模型的训练方法，和/或，目标检测方法。
在一些实施例中目标检测模型的训练方法，和/或，目标检测方法可被实现为计算机程序，其被有形地包含于计算机可读存储介质，例如存储单元18。在一些实施例中，计算机程序的部分或者全部可以经由ROM12和/或通信单元19而被载入和/或安装到电子设备10上。当计算机程序加载到RAM13并由处理器11执行时，可以执行上文描述的目标检测模型的训练方法，和/或，目标检测方法的一个或多个步骤。备选地，在其他实施例中，处理器11可以通过其他任何适当的方式(例如，借助于固件)而被配置为执行目标检测模型的训练方法，和/或，目标检测方法。
本文中以上描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括：实施在一个或者多个计算机程序中，该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程系统上执行和/或解释，该可编程处理器可以是专用或者通用可编程处理器，可以从存储系统、至少一个输入装置、和至少一个输出装置接收数据和指令，并且将数据和指令传输至该存储系统、该至少一个输入装置、和该至少一个输出装置。
用于实施本发明的方法的计算机程序可以采用一个或多个编程语言的任何组合来编写。这些计算机程序可以提供给通用计算机、专用计算机或其他可编程数据处理装置的处理器，使得计算机程序当由处理器执行时使流程图和/或框图中所规定的功能/操作被实施。计算机程序可以完全在机器上执行、部分地在机器上执行，作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本发明的上下文中，计算机可读存储介质可以是有形的介质，其可以包含或存储以供指令执行系统、装置或设备使用或与指令执行系统、装置或设备结合地使用的计算机程序。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体系统、装置或设备，或者上述内容的任何合适组合。备选地，计算机可读存储介质可以是机器可读信号介质。机器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。
为了提供与用户的交互，可以在电子设备上实施此处描述的系统和技术，该电子设备具有：用于向用户显示信息的显示装置(例如，CRT(阴极射线管)或者LCD(液晶显示器)监视器)；以及键盘和指向装置(例如，鼠标或者轨迹球)，用户可以通过该键盘和该指向装置来将输入提供给电子设备。其它种类的装置还可以用于提供与用户的交互；例如，提供给用户的反馈可以是任何形式的传感反馈(例如，视觉反馈、听觉反馈、或者触觉反馈)；并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的系统和技术实施在包括后台部件的计算系统(例如，作为数据服务器)、或者包括中间件部件的计算系统(例如，应用服务器)、或者包括前端部件的计算系统(例如，具有图形用户界面或者网络浏览器的用户计算机，用户可以通过该图形用户界面或者该网络浏览器来与此处描述的系统和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算系统中。可以通过任何形式或者介质的数字数据通信(例如，通信网络)来将系统的部件相互连接。通信网络的示例包括：局域网(LAN)、广域网(WAN)、区块链网络和互联网。
计算系统可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器，又称为云计算服务器或云主机，是云计算服务体系中的一项主机产品，以解决了传统物理主机与VPS服务中，存在的管理难度大，业务扩展性弱的缺陷。
应该理解，可以使用上面所示的各种形式的流程，重新排序、增加或删除步骤。例如，本发明中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行，只要能够实现本发明的技术方案所期望的结果，本文在此不进行限制。
上述具体实施方式，并不构成对本发明保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本发明的精神和原则之内所作的修改、等同替换和改进等，均应包含在本发明保护范围之内。

Claims (10)

1.一种目标检测模型的训练方法，其特征在于，包括：
根据图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像，确定样本图像稠密特征；
根据遥感探测设备所采集的所述自动驾驶车辆所处样本场景中的样本点云数据，确定样本图像稀疏特征；
对所述样本图像稠密特征和所述样本图像稀疏特征进行融合，得到样本融合图像特征；
根据所述样本融合图像特征，对所述目标检测模型进行训练。
2.根据权利要求1所述的方法，其特征在于，所述根据图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像，确定样本图像稠密特征，包括：
对图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像进行特征提取，得到第一图像特征；
对所述第一图像特征进行三维特征转换，得到三维图像特征；
对所述三维图像特征进行编码，得到样本图像稠密特征。
3.根据权利要求2所述的方法，其特征在于，所述根据遥感探测设备所采集的所述自动驾驶车辆所处样本场景中的样本点云数据，确定样本图像稀疏特征，包括：
对遥感探测设备所采集的所述自动驾驶车辆所处样本场景中的样本点云数据进行体素化处理，得到体素特征；
将所述体素特征与所述第一图像特征进行融合，得到融合体素特征；
对所述融合体素特征进行编码，得到样本图像稀疏特征。
4.根据权利要求3所述的方法，其特征在于，所述将所述体素特征与所述第一图像特征进行融合，得到融合体素特征，包括：
从所述第一图像特征中确定所述体素特征对应的区域图像特征；
对所述区域图像特征和所述体素特征进行偏差运算，得到所述体素特征的偏差量；
根据所述体素特征和所述偏差量，确定融合体素特征。
5.根据权利要求1所述的方法，其特征在于，所述根据所述样本融合图像特征，对所述目标检测模型进行训练，包括：
采用所述目标检测模型中的目标预测网络，对所述样本融合图像特征进行目标预测，得到所述样本场景中的第一预测目标；
根据所述第一预测目标和所述样本场景中的监督数据，对所述目标检测模型进行训练。
6.一种目标检测方法，其特征在于，包括：
获取自动驾驶车辆所处目标场景中的目标多视角图像和目标点云数据；
采用目标检测模型对所述目标多视角图像和所述目标点云数据进行目标检测，得到所述目标场景中的第二预测目标；其中，所述目标检测模型基于权利要求1-5中任一项所述的目标检测模型的训练方法训练得到。
7.一种目标检测模型的训练装置，其特征在于，包括：
图像稠密特征确定模块，用于根据图像采集设备所采集的自动驾驶车辆所处样本场景中的样本多视角图像，确定样本图像稠密特征；
图像稀疏特征确定模块，用于根据遥感探测设备所采集的所述自动驾驶车辆所处样本场景中的样本点云数据，确定样本图像稀疏特征；
融合图像特征确定模块，用于对所述样本图像稠密特征和所述样本图像稀疏特征进行融合，得到样本融合图像特征；
目标检测模型训练模块，用于根据所述样本融合图像特征，对所述目标检测模型进行训练。
8.一种目标检测装置，其特征在于，包括：
数据获取模块，用于获取自动驾驶车辆所处目标场景中的目标多视角图像和目标点云数据；
预测目标确定模块，用于采用目标检测模型对所述目标多视角图像和所述目标点云数据进行目标检测，得到所述目标场景中的第二预测目标；其中，所述目标检测模型基于权利要求1-5中任一项所述的目标检测模型的训练方法训练得到。
9.一种电子设备，其特征在于，所述电子设备包括：
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，
所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行权利要求1-5中任一项所述的目标检测模型的训练方法，和/或，权利要求6中所述的目标检测方法。
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存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求1-5中任一项所述的目标检测模型的训练方法，和/或，权利要求6中所述的目标检测方法。
CN202311144750.1A 2023-09-06 2023-09-06 目标检测模型的训练和目标检测方法以及装置 Pending CN117152560A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311144750.1A CN117152560A (zh) 2023-09-06 2023-09-06 目标检测模型的训练和目标检测方法以及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311144750.1A CN117152560A (zh) 2023-09-06 2023-09-06 目标检测模型的训练和目标检测方法以及装置

Publications (1)

Publication Number Publication Date
CN117152560A true CN117152560A (zh) 2023-12-01

Family

ID=88898474

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311144750.1A Pending CN117152560A (zh) 2023-09-06 2023-09-06 目标检测模型的训练和目标检测方法以及装置

Country Status (1)

Country Link
CN (1) CN117152560A (zh)

Similar Documents

Publication Publication Date Title
EP3951741B1 (en) Method for acquiring traffic state, relevant apparatus, roadside device and cloud control platform
CN113378760A (zh) 训练目标检测模型和检测目标的方法及装置
CN113378693B (zh) 生成目标检测系统和检测目标的方法及装置
CN112863187B (zh) 感知模型的检测方法、电子设备、路侧设备和云控平台
CN115797736B (zh) 目标检测模型的训练和目标检测方法、装置、设备和介质
CN115330940B (zh) 一种三维重建方法、装置、设备和介质
CN113947188A (zh) 目标检测网络的训练方法和车辆检测方法
CN116052097A (zh) 一种地图要素检测方法、装置、电子设备和存储介质
CN115147809A (zh) 一种障碍物检测方法、装置、设备以及存储介质
CN113177980A (zh) 用于自动驾驶的目标对象速度确定方法、装置及电子设备
CN115761698A (zh) 一种目标检测方法、装置、设备及存储介质
CN116129422A (zh) 单目3d目标检测方法、装置、电子设备和存储介质
CN117152560A (zh) 目标检测模型的训练和目标检测方法以及装置
CN113901903A (zh) 道路识别方法和装置
CN116309689B (zh) 障碍物轨迹预测方法、装置、设备和介质
CN116258769B (zh) 一种定位校验方法、装置、电子设备和存储介质
CN114581890B (zh) 确定车道线的方法、装置、电子设备和存储介质
CN117351303A (zh) 目标检测模型的训练方法、目标检测方法、装置及设备
CN117392839A (zh) 交通轨迹预测模型训练、交通轨迹预测方法及相关装置
CN117710459A (zh) 三维信息的确定方法、装置及计算机程序产品
CN118262313A (zh) 道路区域检测方法、装置及电子设备
CN117315607A (zh) 一种图像处理方法、装置、设备及介质
CN117853724A (zh) 夜间低矮障碍物分割和模型训练方法及自动驾驶车辆
CN117853614A (zh) 高精地图元素变更情况的检测方法、装置和车辆
CN116597213A (zh) 目标检测方法、训练方法、装置、电子设备以及存储介质

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