CN117315402A - 三维对象检测模型的训练方法及三维对象检测方法 - Google Patents
三维对象检测模型的训练方法及三维对象检测方法 Download PDFInfo
- Publication number
- CN117315402A CN117315402A CN202311452127.2A CN202311452127A CN117315402A CN 117315402 A CN117315402 A CN 117315402A CN 202311452127 A CN202311452127 A CN 202311452127A CN 117315402 A CN117315402 A CN 117315402A
- Authority
- CN
- China
- Prior art keywords
- attribute
- dimensional
- module
- image
- object detection
- 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 247
- 238000000034 method Methods 0.000 title claims abstract description 84
- 238000012549 training Methods 0.000 title claims abstract description 59
- 238000000605 extraction Methods 0.000 claims abstract description 42
- 238000004590 computer program Methods 0.000 claims description 17
- 238000012545 processing Methods 0.000 claims description 17
- 230000004044 response Effects 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 3
- 238000012217 deletion Methods 0.000 claims description 2
- 230000037430 deletion Effects 0.000 claims description 2
- 230000004438 eyesight Effects 0.000 abstract description 11
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 24
- 230000006870 function Effects 0.000 description 21
- 230000008569 process Effects 0.000 description 15
- 238000005516 engineering process Methods 0.000 description 13
- 238000010586 diagram Methods 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 8
- 230000007613 environmental effect Effects 0.000 description 6
- 230000008447 perception Effects 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000013459 approach Methods 0.000 description 3
- 230000004927 fusion Effects 0.000 description 3
- 238000003384 imaging method Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000013507 mapping Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000013519 translation Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000010267 cellular communication Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000002372 labelling Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 230000004297 night vision Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000009966 trimming 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
- G06V10/774—Generating sets of training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- 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
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Multimedia (AREA)
- Computing Systems (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Medical Informatics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Molecular Biology (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种三维对象检测模型的训练方法及三维对象检测方法,涉及人工智能技术领域,具体为计算机视觉、虚拟现实、深度学习、大模型等技术领域,可应用于自动驾驶等场景。三维对象检测模型的训练方法包括:获取第一样本图像、第一样本图像的深度图标签和第一样本图像中的目标对象的第一属性标签;将第一样本图像输入特征提取模块,以得到第一图像特征;将第一图像特征输入属性检测模块,以得到目标对象的第一预测属性;基于第一图像特征,确定第一样本图像的预测深度图;基于第一预测属性、第一属性标签、预测深度图和深度图标签,确定三维对象检测模型的第一损失值;基于第一损失值,调整三维对象检测模型的参数。
Description
技术领域
本公开涉及人工智能技术领域,具体为计算机视觉、虚拟现实、深度学习、大模型等技术领域,可应用于自动驾驶等场景。
背景技术
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术以及机器学习/深度学习、大数据处理技术、知识图谱技术等几大方向。
自动驾驶技术涉及环境感知、行为决策、轨迹规划以及运动控制等多个方面。依赖于传感器、视觉计算系统和定位系统的协同合作,具有自动驾驶功能的车辆可以在无需驾驶员进行操作或仅需驾驶员进行少量操作的情况下自动地运行。
利用人工智能技术可以实现三维(3D)对象检测。三维对象检测指的是检测对象的三维信息(例如长、宽、高、中心点坐标、类别、朝向角等),在障碍物感知、轨迹规划、运动控制等自动驾驶任务中有着广泛应用。
在此部分中描述的方法不一定是之前已经设想到或采用的方法。除非另有指明,否则不应假定此部分中描述的任何方法仅因其包括在此部分中就被认为是现有技术。类似地,除非另有指明,否则此部分中提及的问题不应认为在任何现有技术中已被公认。
发明内容
本公开提供了一种三维对象检测模型的训练方法及装置、三维对象检测方法及装置、电子设备、计算机可读存储介质和计算机程序产品。
根据本公开的一方面,提供了一种三维对象检测模型的训练方法,所述三维对象检测模型包括特征提取模块和属性检测模块,所述方法包括:获取第一样本图像、所述第一样本图像的深度图标签和所述第一样本图像中的目标对象的第一属性标签;将所述第一样本图像输入所述特征提取模块,以得到所述特征提取模块输出的第一图像特征;将所述第一图像特征输入所述属性检测模块,以得到所述属性检测模块输出的目标对象的第一预测属性;基于所述第一图像特征,确定所述第一样本图像的预测深度图;基于所述第一预测属性、所述第一属性标签、所述预测深度图和所述深度图标签,确定所述三维对象检测模型的第一损失值;以及基于所述第一损失值,调整所述三维对象检测模型的参数。
根据本公开的一方面,提供了一种三维对象检测方法,包括:获取待检测的图像;以及将所述图像输入经训练的三维对象检测模型,以得到所述三维对象检测模型输出的所述图像中的目标对象的三维属性,其中,所述三维对象检测模型根据上述三维对象检测模型的训练方法训练得到。
根据本公开的一方面,提供了一种三维对象检测模型的训练装置,所述三维对象检测模型包括特征提取模块和属性检测模块,所述装置包括:第一获取模块,被配置为获取第一样本图像、所述第一样本图像的深度图标签和所述第一样本图像中的目标对象的第一属性标签;第一输入模块,被配置为将所述第一样本图像输入所述特征提取模块,以得到所述特征提取模块输出的第一图像特征;第二输入模块,被配置为将所述第一图像特征输入所述属性检测模块,以得到所述属性检测模块输出的目标对象的第一预测属性;第一确定模块,被配置为基于所述第一图像特征,确定所述第一样本图像的预测深度图;第二确定模块,被配置为基于所述第一预测属性、所述第一属性标签、所述预测深度图和所述深度图标签,确定所述三维对象检测模型的第一损失值;以及调整模块,被配置为基于所述第一损失值,调整所述三维对象检测模型的参数。
根据本公开的一方面,提供了一种三维对象检测装置,包括:获取模块,被配置为获取待检测的图像;以及输入模块,被配置为将所述图像输入经训练的三维对象检测模型,以得到所述三维对象检测模型输出的所述图像中的目标对象的三维属性,其中,所述三维对象检测模型根据上述三维对象检测模型的训练装置训练得到。
根据本公开的一方面,提供了一种电子设备,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指令,所述指令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上述任一方面的方法。
根据本公开的一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述任一方面的方法。
根据本公开的一方面,提供了一种计算机程序产品,包括计算机程序,其中,计算机程序在被处理器执行时能够实现上述任一方面的方法。
根据本公开的一个或多个实施例,能够提高三维对象检测的准确性。
应当理解,本部分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
附图示例性地示出了实施例并且构成说明书的一部分,与说明书的文字描述一起用于讲解实施例的示例性实施方式。所示出的实施例仅出于例示的目的,并不限制权利要求的范围。在所有附图中,相同的附图标记指代类似但不一定相同的要素。
图1示出了根据本公开实施例的可以在其中实施本文描述的各种方法的示例性系统的示意图;
图2示出了根据本公开实施例的三维对象检测模型的训练方法的流程图;
图3示出了根据本公开实施例的三维对象检测模型的结构和训练过程的示意图;
图4示出了根据本公开实施例的三维对象检测方法的流程图;
图5示出了根据本公开实施例的三维对象检测模型的训练装置的结构框图;
图6示出了根据本公开实施例的三维对象检测装置的结构框图;以及
图7示出了能够用于实现本公开实施例的示例性电子设备的结构框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
在本公开中,除非另有说明,否则使用术语“第一”、“第二”等来描述各种要素不意图限定这些要素的位置关系、时序关系或重要性关系,这种术语只是用于将一个元件与另一元件区分开。在一些示例中,第一要素和第二要素可以指向该要素的同一实例,而在某些情况下,基于上下文的描述,它们也可以指代不同实例。
在本公开中对各种所述示例的描述中所使用的术语只是为了描述特定示例的目的,而并非旨在进行限制。除非上下文另外明确地表明,如果不特意限定要素的数量,则该要素可以是一个也可以是多个。此外,本公开中所使用的术语“和/或”涵盖所列出的项目中的任何一个以及全部可能的组合方式。“多个”指的是两个或两个以上。
本公开的技术方案中,所涉及的用户个人信息的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
三维对象检测在自动驾驶领域有着广泛应用。相关技术中,可以采用端到端的单目三维检测模型来实现三维对象检测。具体地,在模型的训练阶段,可以利用标注有目标对象的三维属性标签的样本图像来训练单目三维检测模型。在模型的应用阶段,将单目图像采集设备(即,仅具有一个摄像头的图像采集设备)采集到的单目图像输入经训练的单目三维检测模型,该模型将输出单目图像的三维检测结果,即,输出单目图像中的目标对象(例如车辆、行人等)的三维属性,例如长、宽、高、中心点的坐标、类别、朝向角等。
端到端的单目三维检测模型具有良好的检测效率和实时性。但是,由于训练阶段的样本图像仅包括二维的图像信息,缺少三维空间的深度信息,因此模型难以从样本图像中学习到准确的深度信息,导致模型对三维信息的感知能力不足,所输出的三维检测结果的准确性低。
针对上述问题,本公开实施例提供了一种三维对象检测模型的训练方法。根据本公开的实施例,在三维对象检测模型的训练过程中,模型的第一损失值包括属性损失和深度损失两部分。其中,属性损失能够保证属性预测的准确性;深度损失能够为模型添加深度监督信号,使得模型从第一样本图像中提取出的第一图像特征能够准确表达深度信息,进而使得基于第一图像特征所预测的第一预测属性更加准确,由此提高了模型对三维空间信息的感知能力,实现了高精度的三维对象检测。
下面将结合附图详细描述本公开的实施例。
图1示出了根据本公开的实施例可以将本文描述的各种方法和装置在其中实施的示例性系统100的示意图。参考图1,该系统100包括机动车辆110、服务器120以及将机动车辆110耦接到服务器120的一个或多个通信网络130。
在本公开的实施例中,机动车辆110可以包括根据本公开实施例的电子设备和/或被配置以用于执行根据本公开实施例的方法。
服务器120可以运行使得能够执行本公开实施例的方法的一个或多个服务或软件应用。在某些实施例中,服务器120还可以提供其他服务或软件应用,这些服务或软件应用可以包括非虚拟环境和虚拟环境。在图1所示的配置中,服务器120可以包括实现由服务器120执行的功能的一个或多个组件。这些组件可以包括可由一个或多个处理器执行的软件组件、硬件组件或其组合。机动车辆110的用户可以依次利用一个或多个客户端应用程序来与服务器120进行交互以利用这些组件提供的服务。应当理解,各种不同的系统配置是可能的,其可以与系统100不同。因此,图1是用于实施本文所描述的各种方法的系统的一个示例,并且不旨在进行限制。
服务器120可以包括一个或多个通用计算机、专用服务器计算机(例如PC(个人计算机)服务器、UNIX服务器、中端服务器)、刀片式服务器、大型计算机、服务器群集或任何其他适当的布置和/或组合。服务器120可以包括运行虚拟操作系统的一个或多个虚拟机,或者涉及虚拟化的其他计算架构(例如可以被虚拟化以维护服务器的虚拟存储设备的逻辑存储设备的一个或多个灵活池)。在各种实施例中,服务器120可以运行提供下文所描述的功能的一个或多个服务或软件应用。
服务器120中的计算单元可以运行包括上述任何操作系统以及任何商业上可用的服务器操作系统的一个或多个操作系统。服务器120还可以运行各种附加服务器应用程序和/或中间层应用程序中的任何一个,包括HTTP服务器、FTP服务器、CGI服务器、JAVA服务器、数据库服务器等。
在一些实施方式中,服务器120可以包括一个或多个应用程序,以分析和合并从机动车辆110接收的数据馈送和/或事件更新。服务器120还可以包括一个或多个应用程序,以经由机动车辆110的一个或多个显示设备来显示数据馈送和/或实时事件。
网络130可以是本领域技术人员熟知的任何类型的网络,其可以使用多种可用协议中的任何一种(包括但不限于TCP/IP、SNA、IPX等)来支持数据通信。仅作为示例,一个或多个网络130可以是卫星通信网络、局域网(LAN)、基于以太网的网络、令牌环、广域网(WAN)、因特网、虚拟网络、虚拟专用网络(VPN)、内部网、外部网、区块链网络、公共交换电话网(PSTN)、红外网络、无线网络(包括例如蓝牙、Wi-Fi)和/或这些与其他网络的任意组合。
系统100还可以包括一个或多个数据库150。在某些实施例中,这些数据库可以用于存储数据和其他信息。例如,数据库150中的一个或多个可用于存储诸如音频文件和视频文件的信息。数据库150可以驻留在各种位置。例如,由服务器120使用的数据存储库可以在服务器120本地,或者可以远离服务器120且可以经由基于网络或专用的连接与服务器120通信。数据库150可以是不同的类型。在某些实施例中,数据库150可以是关系数据库。这些数据库中的一个或多个可以响应于命令而存储、更新和检索到数据库以及来自数据库的数据。
在某些实施例中,数据库150中的一个或多个还可以由应用程序使用来存储应用程序数据。由应用程序使用的数据库可以是不同类型的数据库,例如键值存储库,对象存储库或由文件系统支持的常规存储库。
机动车辆110可以包括传感器111用于感知周围环境。传感器111可以包括下列传感器中的一个或多个:视觉摄像头、红外摄像头、超声波传感器、毫米波雷达以及激光雷达(LiDAR)。不同的传感器可以提供不同的检测精度和范围。摄像头可以安装在车辆的前方、后方或其他位置。视觉摄像头可以实时捕获车辆内外的情况并呈现给驾驶员和/或乘客。此外,通过对视觉摄像头捕获的画面进行分析,可以获取诸如交通信号灯指示、交叉路口情况、其他车辆运行状态等信息。红外摄像头可以在夜视情况下捕捉物体。超声波传感器可以安装在车辆的四周,用于利用超声波方向性强等特点来测量车外物体距车辆的距离。毫米波雷达可以安装在车辆的前方、后方或其他位置,用于利用电磁波的特性测量车外物体距车辆的距离。激光雷达可以安装在车辆的前方、后方或其他位置,用于检测物体边缘、形状信息,从而进行物体识别和追踪。由于多普勒效应,雷达装置还可以测量车辆与移动物体的速度变化。
机动车辆110还可以包括通信装置112。通信装置112可以包括能够从卫星141接收卫星定位信号(例如,北斗、GPS、GLONASS以及GALILEO)并且基于这些信号产生坐标的卫星定位模块。通信装置112还可以包括与移动通信基站142进行通信的模块,移动通信网络可以实施任何适合的通信技术,例如GSM/GPRS、CDMA、LTE等当前或正在不断发展的无线通信技术(例如5G技术)。通信装置112还可以具有车联网或车联万物(Vehicle-to-Everything,V2X)模块,被配置用于实现例如与其它车辆143进行车对车(Vehicle-to-Vehicle,V2V)通信和与基础设施144进行车辆到基础设施(Vehicle-to-Infrastructure,V2I)通信的车与外界的通信。此外,通信装置112还可以具有被配置为例如通过使用IEEE 802.11标准的无线局域网或蓝牙与用户终端145(包括但不限于智能手机、平板电脑或诸如手表等可佩戴装置)进行通信的模块。利用通信装置112,机动车辆110还可以经由网络130接入服务器120。
机动车辆110还可以包括惯性导航模块。惯性导航模块与卫星定位模块可以组合成组合定位系统,用以实现机动车辆110的初始定位。
机动车辆110还可以包括控制装置113。控制装置113可以包括与各种类型的计算机可读存储装置或介质通信的处理器,例如中央处理单元(CPU)或图形处理单元(GPU),或者其他的专用处理器等。控制装置113可以包括用于自动控制车辆中的各种致动器的自动驾驶系统,相应地,机动车辆110为自动驾驶车辆。自动驾驶系统被配置为经由多个致动器响应来自多个传感器111或者其他输入设备的输入而控制机动车辆110(未示出的)动力总成、转向系统以及制动系统等以分别控制加速、转向和制动,而无需人为干预或者有限的人为干预。控制装置113的部分处理功能可以通过云计算实现。例如,可以使用车载处理器执行某一些处理,而同时可以利用云端的计算资源执行其他一些处理。控制装置113可以被配置以执行根据本公开的方法。此外,控制装置113可以被实现为根据本公开的机动车辆侧(客户端)的电子设备的一个示例。
图1的系统100可以以各种方式配置和操作,以使得能够应用根据本公开所描述的各种方法和装置。
根据一些实施例,机动车辆110或服务器120可以被配置为执行本公开实施例的三维对象检测模型的训练方法。机动车辆110或服务器120通过执行该训练方法,得到经训练的三维对象检测模型。
经训练的三维对象检测模型可以部署于服务端,例如部署于服务器120处,或者部署于除服务器120以外的其他服务器处(图1中未示出)。机动车辆110在其运行过程中,可以将视觉摄像头采集的环境图像发送至服务端。服务端通过执行本公开实施例的三维对象检测方法,利用经训练的三维对象检测模型得到三维对象检测结果,并将检测结果返回给机动车辆110。
经训练的三维对象检测模型也可以部署于车端,例如,部署于机动车辆110处。机动车辆110在其运行过程中可以利用经训练的三维对象检测模型来执行本公开实施例的三维对象检测方法,对视觉摄像头采集的环境图像进行三维对象检测,以得到三维对象检测结果。
图2示出了根据本公开实施例的三维对象检测模型的训练方法200的流程图。如上文所述,方法200的执行主体可以是客户端设备(例如图1中所示的客户端设备101-106),也可以是服务器(例如图1中所示的服务器120)。
本公开实施例的三维对象检测模型包括特征提取模块和属性检测模型。特征提取模块的输出端连接至属性检测模块的输入端。如图2所示,方法200包括步骤S210-S260。
在步骤S210中,获取第一样本图像、第一样本图像的深度图标签和第一样本图像中的目标对象的第一属性标签。
在步骤S220中,将第一样本图像输入特征提取模块,以得到特征提取模块输出的第一图像特征。
在步骤S230中,将第一图像特征输入属性检测模块,以得到属性检测模块输出的目标对象的第一预测属性。
在步骤S240中,基于第一图像特征,确定第一样本图像的预测深度图。
在步骤S250中,基于第一预测属性、第一属性标签、预测深度图和深度图标签,确定三维对象检测模型的第一损失值。
在步骤S260中,基于第一损失值,调整三维对象检测模型的参数。
根据本公开的实施例,在三维对象检测模型的训练过程中,模型的第一损失值包括属性损失和深度损失两部分。其中,属性损失基于第一预测属性和第一属性标签来确定,能够保证属性预测的准确性。深度损失基于预测深度图和深度图标签来确定,能够为模型添加深度监督信号,使得模型从第一样本图像中提取出的第一图像特征能够准确表达三维空间内的深度信息,进而使得基于第一图像特征所预测的第一预测属性更加准确,由此提高了模型对三维空间信息的感知能力,实现了高精度的三维对象检测。
在步骤S210中,获取第一样本图像、第一样本图像的深度图标签和第一样本图像中的目标对象的第一属性标签。
第一样本图像可以是由任意图像采集设备采集的图像。图像采集设备例如可以是机动车辆上部署的视觉摄像头、部署于道路一侧的视觉摄像头等。第一样本图像仅包括二维的像素坐标和颜色信息,不包括三维空间的深度信息。
第一样本图像中的目标对象的第一属性标签例如包括第一二维属性标签和第一三维属性标签。第一二维属性标签例如包括目标对象的类别、二维边界框(Bounding Box,简称BBox)等。第一三维属性标签例如包括目标对象的长、宽、高、3D中心点的坐标、朝向角等。
第一样本图像的深度图标签包括第一样本图像中的每个像素的深度值,即,每个像素所对应的空间点到图像采集设备的距离。
根据一些实施例,第一样本图像的深度图标签可以通过人工标注获得。
根据一些实施例,第一样本图像及其深度图标签可以通过深度相机(又称为3D相机)拍摄得到。具体地,深度相机可以拍摄得到包括RGB-D四个通道的图像,其中,RGB通道为第一样本图像,D(Depth)通道为该第一样本图像对应的深度图标签。
根据一些实施例,第一样本图像的深度图标签可以通过对激光雷达采集的点云数据进行处理得到。在这种情况下,方法200还可以包括步骤S270和S280。
在步骤S270中,获取第一样本图像对应的点云数据,其中,点云数据包括第一样本图像的深度信息。
在步骤S280中,基于点云数据,确定第一样本图像的深度图标签。
根据上述实施例,深度图标签从第一样本图像对应的点云数据中计算得出,无需进行人工标注,由此提高了样本数据的获取效率,从而提高了训练效率。
步骤S270中的点云数据可以由激光雷达采集得到。激光雷达例如可以部署于机动车辆上,也可以部署于道路的一侧。点云数据通常包括多个空间点的三维坐标和每个空间点处的激光反射强度。激光雷达的感知范围可以被配置为大于或等于采集第一样本图像的图像采集设备的感知范围,因此第一样本图像中的各个像素所对应的空间点被包括于点云数据的多个空间点中,即,点云数据包括第一样本图像的深度信息。通过对点云数据进行处理,可以得到第一样本图像的深度图标签。
根据一些实施例,第一样本图像由图像采集设备在第一时刻采集得到,点云数据由激光雷达在第二时刻采集得到。图像采集设备和激光雷达被配置为对同一环境进行感知,并且第一时刻与第二时刻的差在预设范围内。
可以理解,在上述实施例中,第一时刻为第一样本图像的时间戳,第二时刻为点云数据的时间戳。预设范围例如可以是5ms、10ms等。第一时刻与第二时刻的差在预设范围内,可以认为第一样本图像和点云数据是同一时刻针对同一环境的感知结果,因此可以基于该点云数据确定该第一样本图像的深度图标签。
根据上述实施例,利用感知视野已配对的图像采集设备和激光雷达获得时间上配对的第一样本图像和点云数据,由此能够高效地获得大量的样本数据,从而提高了训练效率。
根据一些实施例,深度图标签包括第一样本图像中的多个像素各自的深度值标签。确定深度图标签等价于确定第一样本图像中的每个像素的深度值标签。相应地,上述步骤S280可以包括步骤S281和S282。
在步骤S281中,基于采集第一样本图像的图像采集设备的参数,确定点云数据中的多个空间点与第一样本图像中的多个像素的对应关系。
在步骤S282中,对于第一样本图像中的任一像素,基于该像素对应的空间点的坐标,确定该像素的深度值标签。
根据上述实施例,利用图像采集设备的参数将点云数据投影至第一样本图像的图像平面中,由此能够自动、高效地得到每个像素的深度值标签,从而得到深度图标签。
图像采集设备的参数包括内参数和外参数。图像采集设备的参数例如可以通过对图像采集设备进行标定而获得。
图像采集设备的内参数包括图像采集设备的焦距f、像素平面相对于成像平面在横坐标轴上的缩放倍数α和原点的平移量cx、纵坐标轴上的缩放倍数β和原点的平移量cy。图像采集设备的内参数可以表示为内参矩阵。内参矩阵用于描述相机坐标系到像素坐标系的坐标转换关系。
图像采集设备的外参数是相机在世界坐标系中的参数,例如相机的位置、旋转角度等。图像采集设备的外参数可以表示为外参矩阵。外参矩阵用于描述世界坐标系到相机坐标系的坐标转换关系。
通过对激光雷达进行标定,可以得到激光雷达在世界坐标系中的位置和旋转角度,进而得到世界坐标系下的坐标到激光雷达坐标系下的坐标的变换矩阵。
根据一些实施例,在步骤S281中,点云数据中的空间点的坐标是在激光雷达坐标系下的三维坐标。基于激光雷达坐标系的变换矩阵、图像采集设备的外参矩阵和内参矩阵,可以将激光雷达坐标系下的空间点的三维坐标依次转换为世界坐标系下的三维坐标、相机坐标系下的三维坐标和第一样本图像的像素坐标系下的二维坐标,从而得点云数据中的空间点与第一样本图像中的像素的对应关系。
在步骤S282中,对于第一样本图像中的任一像素,基于步骤S281所得到的对应关系,可以确定该像素所对应的点云中的空间点。该空间点在相机坐标系下的三维坐标中的z坐标值即为该像素的深度值标签。
用于训练三维对象检测模型的第一样本图像可以有多个,不同的第一样本图像可以由不同的图像采集设备采集。例如,机动车辆的不同位置可以部署有多个(例如4个、6个等)视觉摄像头,每个视觉摄像头采集的环境图像均可以作为第一样本图像。
在第一样本图像由多个图像采集设备采集的情况下,多个图像采集设备的参数通常不同。由于多个图像采集设备的参数不同(例如焦距等),导致不同的图像采集设备采集的第一样本图像中的像素的深度值的取值范围不同,进而导致三维对象检测模型的参数受图像采集设备的参数的影响较大,收敛速度较慢,泛化性较差。
根据一些实施例,步骤S280还包括步骤S283。在步骤S283中,基于图像采集设备的参数,对步骤S282得到的深度值标签进行归一化处理。即,将深度值标签归一化至[0,1]的范围内。由此能够消除不同图像采集设备参数对图像深度估计的影响,提高模型的收敛速度和泛化性。
根据一些实施例,可以根据以下公式来对深度值标签进行归一化:
dist=D×P×C
其中,dist为归一化后的深度值标签,D为通过坐标投影(步骤S281、S282)得到的深度值标签,C为一个很小的常数,例如fx为图像采集设备的焦距f与像素平面相对于成像平面在横坐标轴上的缩放倍数α的乘积,fy为图像采集设备的焦距f与像素平面相对于成像平面在纵坐标轴上的缩放倍数β的乘积。
需要说明的是,如果第一样本图像在被输入三维对象检测模型之前经过了尺寸缩放的预处理步骤,缩放倍数为x,则上述公式中的fx和fy同样需要乘以该缩放倍数x。
在步骤S220中,将第一样本图像输入特征提取模块,以得到特征提取模块输出的第一图像特征。
特征提取模块可以实现为神经网络,例如卷积神经网络等。根据一些实施例,特征提取模块例如可以是ResNet(残差网络)、FPN(Feature Pyramid Network,特征图金字塔网络)等。
在步骤S230中,将第一图像特征输入属性检测模块,以得到属性检测模块输出的目标对象的第一预测属性。
属性检测模块例如可以包括卷积层、全连接层、分类层等结构。属性检测模块对第一图像特征进行处理,输出第一样本图像中的目标对象的第一预测属性。
根据一些实施例,属性检测模块可以包括二维属性检测模块和三维属性检测模块。二维属性检测模块例如可以实现为两个卷积层和多个分类层,每个分类层用于预测一个二维属性。二维属性例如包括目标对象的类别、BBox等。三维属性检测模块例如可以实现为一个卷积层和多个分类层,每个分类层用于预测一个三维属性。三维属性例如包括目标对象的长、宽、高、3D中心点的坐标、朝向角等。
三维属性检测模块的输入端与二维属性检测模块的输出端相连。根据一些实施例,在步骤S230中,可以将第一图像特征输入二维属性检测模块,以得到二维属性检测模块输出的第一预测二维属性,例如类别、BBox等。随后,将第一预测二维属性输入三维属性检测模块,以得到三维属性检测模块输出的第一预测三维属性,例如目标对象的长、宽、高、3D中心点的坐标、朝向角等。在一些实施例中,也可以将第一预测二维属性和第一样本图像中的BBox所在的图像区域一并输入三维属性检测模块,以得到三维属性检测模块输出的第一预测三维属性。
根据上述实施例,属性检测模块能够预测目标对象的二维属性和三维属性,从而在模型的训练过程中,能够同时为二维属性和三维属性添加监督信号,进一步提高模型的检测精度。
在步骤S240中,基于第一图像特征,确定第一样本图像的预测深度图。
根据一些实施例,在步骤S240中,可以预先设置由第一图像特征到预测深度图的映射函数。利用该映射函数,确定第一样本图像的预测深度图。
根据一些实施例,在步骤S240中,可以利用包含可调参数的深度预测模块来确定预测深度图。深度预测模块可以实现为神经网络,例如,一个卷积层。具体地,将第一图像特征输入深度预测模块,以得到深度预测模块输出的深度预测图。相应地,在步骤S260中,可以基于第一损失值,同时调整三维对象检测模型和深度预测模块的参数。根据上述实施例,利用包含可调参数的深度预测模块来得到预测深度图,能够提高深度图预测的灵活性和泛化性。
根据一些实施例,响应于三维对象检测模型训练完成,删除深度预测模块。可以理解,深度预测模块仅用于在模型的训练阶段为模型添加深度监督信号,在模型的应用阶段不发挥作用。因此在模型训练完成后,删除深度预测模块,以节省存储空间。
在步骤S250中,基于第一预测属性、第一属性标签、预测深度图和深度图标签,确定三维对象检测模型的第一损失值。
根据一些实施例,在第一预测属性包括第一预测二维属性和第一预测三维属性、第一属性标签包括第一二维属性标签和第一三维属性标签的情况下,在步骤S250中,可以基于第一预测二维属性、第一二维属性标签、第一预测三维属性、第一三维属性标签、预测深度图和深度图标签,确定三维对象检测模型的第一损失值。
根据一些实施例,可以基于第一预测二维属性和第一二维属性标签,计算二维属性损失。二维属性损失为每个二维属性的损失的和。对于类别属性,可以采用交叉熵损失函数来计算损失。对于BBox的长和宽属性,可以采用smooth L1损失函数来计算损失。
根据一些实施例,可以基于第一预测三维属性和第一三维属性标签,计算三维属性损失。三维属性损失为每个三维属性的损失的和。对于长、宽、高、中心点坐标、朝向角等三维属性,可以采用smooth L1损失函数来计算损失。
根据一些实施例,可以基于预测深度图和深度图标签,计算深度损失。可以对预测深度图和深度图标签中的深度值进行取整处理(即,均匀处理),将取整后的整数值作为该深度值对应的类别。例如,可以将每个深度值转化为[2,200](单位:米)范围内的整数,即深度值共有199个类别。进而采用交叉熵损失函数来计算预测深度图和深度图标签之间的深度损失。
第一损失值例如可以是上述二维属性损失、三维属性损失和深度损失的加权和。
在步骤S260中,基于第一损失值,调整三维对象检测模型的参数。
在步骤S260中,例如可以通过误差的反向传播来调整三维对象检测模型的参数。在预测深度图由包含可调参数的深度预测模块来确定的情况下,在步骤S260中,可以基于第一损失值,同时调整三维对象检测模型和深度预测模块的参数。
可以理解,上述步骤S210-S260可以循环执行多次,直至达到预设的终止条件为止,三维对象检测模型训练完成,得到经训练的三维对象检测模型。预设的终止条件例如可以是第一损失值收敛、第一损失值小于预设阈值、循环次数达到预设阈值等。
响应于三维对象检测模型训练完成,删除深度预测模块,以节省存储空间。
根据一些实施例,方法200还包括:在上述步骤S210之前,利用第二样本图像和第二样本图像中的目标对象的第二属性标签对三维对象检测模型进行预训练。随后,利用第一样本图像对预训练后的三维对象检测模型进行微调。即,上述步骤S210-S260是三维对象检测模型的微调过程。
根据上述实施例,利用预训练和微调的训练模式,能够提高模型的收敛速度和泛化性。
根据一些实施例,预训练时所采用的第二样本图像的数量多于微调时所采用的第一样本图像的数量。二者的数量比例如可以是6:1、10:1等。
根据一些实施例,三维对象检测模型的预训练包括以下步骤S201-S204。
在步骤S201中,将第二样本图像输入所述特征提取模块,以得到特征提取模块输出的第二图像特征。
在步骤S202中,将第二图像特征输入属性检测模块,以得到属性检测模块输出的第二预测属性。
在步骤S203中,基于第二预测属性和第二属性标签,确定三维对象检测模型的第二损失值。
在步骤S204中,基于第二损失值,调整三维对象检测模型的参数。
步骤S201和步骤S202的可以参考上文的步骤S220和S230实施,此处不再赘述。
在步骤S203中,第二预测属性可以包括第二预测二维属性和第二预测三维属性。第二属性标签可以包括第二二维属性标签和第二三维属性标签。相应地,可以基于第二预测二维属性、第二二维属性标签、第二预测三维属性和第二三维属性标签,确定第二损失值。对于类别属性,可以采用交叉熵损失函数来计算损失。对于BBox的长和宽属性,可以采用smooth L1损失函数来计算损失。对于长、宽、高、中心点坐标、朝向角等三维属性,可以采用smooth L1损失函数来计算损失。
在步骤S204中,可以通过误差的反向传播来调整三维对象检测模型的参数。
可以理解,上述步骤S201-S204可以循环执行多次,直至达到预设的终止条件为止,三维对象检测模型预训练完成,得到预训练后的三维对象检测模型。预设的终止条件例如可以是第二损失值收敛、第二损失值小于预设阈值、循环次数达到预设阈值等。
对于预训练后的三维对象检测模型,进一步通过步骤S210-S260对其进行微调。微调后的三维对象检测模型即为训练好的、可以投入应用的三维对象检测模型。
图3示出了根据本公开实施例的三维对象检测模型300的结构和训练过程的示意图。
如图3所示,三维对象检测模型300包括特征提取模块310和属性检测模块320。
特征提取模块310可以采用特征图金字塔结构,以提取不同尺度的图像特征。如图3所示,特征提取模块310包括骨干网络312和特征融合网络314。骨干网络312例如可以包括三个特征提取层3121、3122和3123,分别用于提取不同尺度的图像特征。即,特征提取层3121-3123所提取出的图像特征给的尺寸不同。特征提取层3121-3123所提取出的图像特征给的尺寸可以依次递减,即,特征提取层3121所提取的图像特征的尺寸最大,包含最多的图像细节;特征提取层3121所提取的图像特征的尺寸最小,包含最多的高层语义信息。
特征融合网络314包括多个融合节点3141,用于对特征提取层3121-3123所输出的图像特征进行融合,得到不同尺度的融合后的图像特征。融合后的图像特征的尺寸例如可以是W/8*H/8、W/16*H/16、W/32*H/32,其中,W、H分别为输入图像的宽和高。
属性检测模块320包括二维属性检测模块322和三维属性检测模块324。二维属性检测模块322包括三个二维检测单元3221、3222、3223,三者分别以特征提取模块310输出的不同尺度的图像特征为输入,输出预测二维属性,包括目标对象的类别和BBox。二维检测单元3221-3223可以实现为卷积层。
三维属性检测模块324包括感兴趣(ROI)区域对齐模块3241和三维检测单元3242。感兴趣区域对齐模块3241用于对二维检测单元3221-3223输出的BBox进行对齐。三维检测单元3242以对齐后的BBox为输入,输出预测三维属性,包括目标对象的长、宽、高、中心点坐标、朝向角等。
在模型300的训练过程中,首先,利用大量的样本图像340(对应于上文的第二样本图像)对模型300进行预训练。将样本图像340输入模型300,得到模型300输出的预测二维属性和预测三维属性。基于预测二维属性和样本图像340的二维属性标签的差异、预测三维属性和样本图像340的三维属性标签的差异,确定模型300在预训练过程中的损失值。基于损失值,调整模型300的参数。当损失值收敛时,预训练过程结束,得到预训练后的模型300。
随后,利用少量的图像-点云配对数据350来对预训练后的模型300进行微调。每个配对数据350包括样本图像351和同一环境下的点云数据352。基于点云数据352,可以计算得到样本图像351的深度图标签。将样本图像351输入模型300,得到特征提取模块310输出的图像特征,进一步得到模型300输出的预测二维属性和预测三维属性。将图像特征输入深度预测模块330,以得到深度预测模块330输出的预测深度图。基于预测二维属性和样本图像340的二维属性标签的差异、预测三维属性和样本图像340的三维属性标签的差异,计算得到属性损失Loss1。基于预测深度图与深度图标签的差异,计算得到深度损失Loss2。将属性损失Loss1与深度损失Loss2的加权和作为模型300在微调过程中的损失值。基于该损失值,调整模型300的参数。当损失值收敛时,微调过程结束,得到微调后的模型300。
微调后的模型300可以被投入实际应用。例如,可以将微调后的模型300部署于自动驾驶车辆或服务器处,用于实时地对自动驾驶车辆所感知到的环境图像进行三维对象检测。
根据本公开的实施例,还提供一种三维对象检测方法。图4示出了根据本公开实施例的三维对象检测方法400的流程图。方法400的执行主体可以是服务器(例如图1中所示的服务器120),也可以是客户端设备(例如图1中所示的客户端设备101-106)。如图4所示,方法400包括步骤S410和S420。
在步骤S410中,获取待检测的图像。待检测的图像例如可以是机动车辆上的视觉摄像头采集的环境图像。
在步骤S420中,将该图像输入经训练的三维对象检测模型,以得到三维对象检测模型输出的该图像中的目标对象的三维属性。其中,该三维对象检测模型根据本公开实施例的三维对象检测模型的训练方法训练得到。
根据本公开的实施例,经训练的三维对象检测模型能够实现精确的三维对象检测,从而提高了三维对象检测结果的准确性。
根据本公开的实施例,还提供一种三维对象检测模型的训练装置。图5示出了根据本公开实施例的三维对象检测模型的训练装置500的结构框图。如图5所示,装置500包括第一获取模块510、第一输入模块520、第二输入模块530、第一确定模块540、第二确定模块550和调整模块560。
第一获取模块510被配置为获取第一样本图像、所述第一样本图像的深度图标签和所述第一样本图像中的目标对象的第一属性标签。
第一输入模块520被配置为将所述第一样本图像输入所述特征提取模块,以得到所述特征提取模块输出的第一图像特征。
第二输入模块530被配置为将所述第一图像特征输入所述属性检测模块,以得到所述属性检测模块输出的目标对象的第一预测属性。
第一确定模块540被配置为基于所述第一图像特征,确定所述第一样本图像的预测深度图。
第二确定模块550被配置为基于所述第一预测属性、所述第一属性标签、所述预测深度图和所述深度图标签,确定所述三维对象检测模型的第一损失值。
调整模块560被配置为基于所述第一损失值,调整所述三维对象检测模型的参数。
根据本公开的实施例,在三维对象检测模型的训练过程中,模型的第一损失值包括属性损失和深度损失两部分。其中,属性损失基于第一预测属性和第一属性标签来确定,能够保证属性预测的准确性。深度损失基于预测深度图和深度图标签来确定,能够为模型添加深度监督信号,使得模型从第一样本图像中提取出的第一图像特征能够准确表达三维空间内的深度信息,进而使得基于第一图像特征所预测的第一预测属性更加准确,由此提高了模型对三维空间信息的感知能力,实现了高精度的三维对象检测。
根据一些实施例,装置500还包括:第二获取模块,被配置为获取所述第一样本图像对应的点云数据,其中,所述点云数据包括所述第一样本图像的深度信息;以及第三确定模块,被配置为基于所述点云数据,确定所述第一样本图像的深度图标签。
根据一些实施例,所述第一样本图像由图像采集设备在第一时刻采集得到,所述点云数据由激光雷达在第二时刻采集得到,所述图像采集设备和所述激光雷达被配置为对同一环境进行感知,并且所述第一时刻与所述第二时刻的差在预设范围内。
根据一些实施例,所述深度图标签包括所述第一样本图像中的多个像素各自的深度值标签,并且其中,所述第三确定模块包括:第一确定单元,被配置为基于采集所述第一样本图像的图像采集设备的参数,确定所述点云数据中的多个空间点与所述第一样本图像中的多个像素的对应关系;以及第二确定单元,被配置为对于所述第一样本图像中的任一像素,基于所述像素对应的空间点的坐标,确定所述像素的深度值标签。
根据一些实施例,所述第三确定模块还包括:归一化单元,被配置为基于所述图像采集设备的参数,对所述深度值标签进行归一化处理。
根据一些实施例,所述第一确定模块包括:第一输入单元,被配置为将所述第一图像特征输入深度预测模块,以得到所述深度预测模块输出的所述预测深度图,其中,所述调整模块进一步被配置为:基于所述第一损失值,调整所述三维对象检测模型和所述深度预测模块的参数。
根据一些实施例,装置500还包括:删除模块,被配置为响应于所述三维对象检测模型训练完成,删除所述深度预测模块。
根据一些实施例,装置500还包括:预训练模块,被配置为利用第二样本图像和所述第二样本图像中的目标对象的第二属性标签对所述三维对象检测模型进行预训练,其中,所述第一样本图像用于对预训练后的三维对象检测模型进行微调。
根据一些实施例,所述预训练模块包括:第二输入单元,被配置为将所述第二样本图像输入所述特征提取模块,以得到所述特征提取模块输出的第二图像特征;第三输入单元,被配置为将所述第二图像特征输入所述属性检测模块,以得到所述属性检测模块输出的第二预测属性;第三确定单元,被配置为基于所述第二预测属性和所述第二属性标签,确定所述三维对象检测模型的第二损失值;以及调整单元,被配置为基于所述第二损失值,调整所述三维对象检测模型的参数。
根据一些实施例,其中,所述第一属性标签包括第一二维属性标签和第一三维属性标签,所述属性检测模块包括二维属性检测模块和三维属性检测模块,所述第二输入模块包括:第四输入单元,被配置为将所述第一图像特征输入所述二维属性检测模块,以得到所述二维属性检测模块输出的第一预测二维属性;第五输入单元,被配置为将所述第一预测二维属性输入所述三维属性检测模块,以得到所述三维属性检测模块输出的第一预测三维属性,所述第二确定模块进一步被配置为:基于所述第一预测二维属性、所述第一二维属性标签、所述第一预测三维属性、所述第一三维属性标签、所述预测深度图和所述深度图标签,确定所述三维对象检测模型的第一损失值。
应当理解,图5中所示装置500的各个模块和单元可以与参考图2描述的方法200中的各个步骤相对应。由此,上面针对方法200描述的操作、特征和优点同样适用于装置500及其包括的模块和单元。为了简洁起见,某些操作、特征和优点在此不再赘述。
根据本公开的实施例,还提供一种三维对象检测装置。图6示出了根据本公开实施例的三维对象检测装置600的结构框图。如图6所示,装置600包括获取模块610和输入模块620。
获取模块610被配置为获取待检测的图像。
输入模块620被配置为将所述图像输入经训练的三维对象检测模型,以得到所述三维对象检测模型输出的所述图像中的目标对象的三维属性,其中,所述三维对象检测模型根据本公开实施例的三维对象检测模型的训练装置训练得到。
根据本公开的实施例,经训练的三维对象检测模型能够实现精确的三维对象检测,从而提高了三维对象检测结果的准确性。
应当理解,图6中所示装置600的各个模块和单元可以与参考图4描述的方法400中的各个步骤相对应。由此,上面针对方法400描述的操作、特征和优点同样适用于装置600及其包括的模块和单元。为了简洁起见,某些操作、特征和优点在此不再赘述。
虽然上面参考特定模块讨论了特定功能,但是应当注意,本文讨论的各个模块的功能可以分为多个模块,和/或多个模块的至少一些功能可以组合成单个模块。
还应当理解,本文可以在软件硬件元件或程序模块的一般上下文中描述各种技术。上面关于图5、图6描述的各个单元可以在硬件中或在结合软件和/或固件的硬件中实现。例如,这些单元可以被实现为计算机程序代码/指令,该计算机程序代码/指令被配置为在一个或多个处理器中执行并存储在计算机可读存储介质中。可替换地,这些单元可以被实现为硬件逻辑/电路。例如,在一些实施例中,模块510-560、610-620中的一个或多个可以一起被实现在片上系统(System on Chip,SoC)中。SoC可以包括集成电路芯片(其包括处理器(例如,中央处理单元(Central Processing Unit,CPU)、微控制器、微处理器、数字信号处理器(Digital Signal Processor,DSP)等)、存储器、一个或多个通信接口、和/或其他电路中的一个或多个部件),并且可以可选地执行所接收的程序代码和/或包括嵌入式固件以执行功能。
根据本公开的一方面,还提供一种电子设备,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指令,所述指令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上述三维对象检测模型的训练方法200和/或三维对象检测方法400。
根据本公开的一方面,还提供一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使所述计算机执行上述三维对象检测模型的训练方法200和/或三维对象检测方法400。
根据本公开的一方面,还提供一种计算机程序产品,包括计算机程序,该计算机程序在被处理器执行时实现上述三维对象检测模型的训练方法200和/或三维对象检测方法400。
参考图7,现将描述可以作为本公开的服务器或客户端的电子设备700的结构框图,其是可以应用于本公开的各方面的硬件设备的示例。电子设备旨在表示各种形式的数字电子的计算机设备,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,个人数字助理、蜂窝电话、智能电话、可穿戴设备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/或者要求的本公开的实现。
如图7所示,设备700包括计算单元701,其可以根据存储在只读存储器(ROM)702中的计算机程序或者从存储单元708加载到随机访问存储器(RAM)703中的计算机程序,来执行各种适当的动作和处理。在RAM 703中,还可存储设备700操作所需的各种程序和数据。计算单元701、ROM 702以及RAM 703通过总线704彼此相连。输入/输出(I/O)接口705也连接至总线704。
设备700中的多个部件连接至I/O接口705,包括:输入单元706、输出单元707、存储单元708以及通信单元709。输入单元706可以是能向设备700输入信息的任何类别的设备,输入单元706可以接收输入的数字或字符信息,以及产生与电子设备的用户设置和/或功能控制有关的键信号输入,并且可以包括但不限于鼠标、键盘、触摸屏、轨迹板、轨迹球、操作杆、麦克风和/或遥控器。输出单元707可以是能呈现信息的任何类别的设备,并且可以包括但不限于显示器、扬声器、视频/音频输出终端、振动器和/或打印机。存储单元708可以包括但不限于磁盘、光盘。通信单元709允许设备700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,并且可以包括但不限于调制解调器、网卡、红外通信设备、无线通信收发机和/或芯片组,例如蓝牙设备、802.11设备、Wi-Fi设备、WiMAX设备、蜂窝通信设备和/或类似物。
计算单元701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。计算单元701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计算单元、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。计算单元701执行上文所描述的各个方法和处理,例如三维对象检测模型的训练方法200或三维对象检测方法400。例如,在一些实施例中,方法200和方法400可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元708。在一些实施例中,计算机程序的部分或者全部可以经由ROM 702和/或通信单元709而被载入和/或安装到设备700上。当计算机程序加载到RAM 703并由计算单元701执行时,可以执行上文描述的方法200和方法400的一个或多个步骤。备选地,在其他实施例中,计算单元701可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行方法200和/或方法400。
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、现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上系统的系统(SOC)、复杂可编程逻辑设备(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。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码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或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码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。
在本公开的上下文中,机器可读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程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读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。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,可以在计算机上实施此处描述的系统和技术,该计算机具有: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计算机。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)、互联网和区块链网络。
计算机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,也可以为分布式系统的服务器,或者是结合了区块链的服务器。
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,本公开中记载的各步骤可以并行地执行、也可以顺序地或以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
虽然已经参照附图描述了本公开的实施例或示例,但应理解,上述的方法、系统和设备仅仅是示例性的实施例或示例,本公开的范围并不由这些实施例或示例限制。实施例或示例中的各种要素可以被省略或者可由其等同要素替代。此外,可以通过不同于本公开中描述的次序来执行各步骤。进一步地,可以以各种方式组合实施例或示例中的各种要素。重要的是随着技术的演进,在此描述的很多要素可以由本公开之后出现的等同要素进行替换。
Claims (25)
1.一种三维对象检测模型的训练方法,所述三维对象检测模型包括特征提取模块和属性检测模块,所述方法包括:
获取第一样本图像、所述第一样本图像的深度图标签和所述第一样本图像中的目标对象的第一属性标签;
将所述第一样本图像输入所述特征提取模块,以得到所述特征提取模块输出的第一图像特征;
将所述第一图像特征输入所述属性检测模块,以得到所述属性检测模块输出的目标对象的第一预测属性;
基于所述第一图像特征,确定所述第一样本图像的预测深度图;
基于所述第一预测属性、所述第一属性标签、所述预测深度图和所述深度图标签,确定所述三维对象检测模型的第一损失值;以及
基于所述第一损失值,调整所述三维对象检测模型的参数。
2.根据权利要求1所述的方法,还包括:
获取所述第一样本图像对应的点云数据,其中,所述点云数据包括所述第一样本图像的深度信息;以及
基于所述点云数据,确定所述第一样本图像的深度图标签。
3.根据权利要求2所述的方法,其中,所述第一样本图像由图像采集设备在第一时刻采集得到,所述点云数据由激光雷达在第二时刻采集得到,所述图像采集设备和所述激光雷达被配置为对同一环境进行感知,并且所述第一时刻与所述第二时刻的差在预设范围内。
4.根据权利要求2或3所述的方法,其中,所述深度图标签包括所述第一样本图像中的多个像素各自的深度值标签,并且其中,所述基于所述点云数据,确定所述第一样本图像的深度图标签包括:
基于采集所述第一样本图像的图像采集设备的参数,确定所述点云数据中的多个空间点与所述第一样本图像中的多个像素的对应关系;以及
对于所述第一样本图像中的任一像素,基于所述像素对应的空间点的坐标,确定所述像素的深度值标签。
5.根据权利要求4所述的方法,还包括:
基于所述图像采集设备的参数,对所述深度值标签进行归一化处理。
6.根据权利要求1-5中任一项所述的方法,其中,所述基于所述第一图像特征,确定所述第一样本图像的预测深度图包括:
将所述第一图像特征输入深度预测模块,以得到所述深度预测模块输出的所述预测深度图,
其中,所述基于所述第一损失值,调整所述三维对象检测模型的参数包括:
基于所述第一损失值,调整所述三维对象检测模型和所述深度预测模块的参数。
7.根据权利要求6所述的方法,还包括:
响应于所述三维对象检测模型训练完成,删除所述深度预测模块。
8.根据权利要求1-7中任一项所述的方法,还包括:
利用第二样本图像和所述第二样本图像中的目标对象的第二属性标签对所述三维对象检测模型进行预训练,
其中,所述第一样本图像用于对预训练后的三维对象检测模型进行微调。
9.根据权利要求8所述的方法,其中,所述利用第二样本图像和所述第二样本图像中的目标对象的第二属性标签对所述三维对象检测模型进行预训练包括:
将所述第二样本图像输入所述特征提取模块,以得到所述特征提取模块输出的第二图像特征;
将所述第二图像特征输入所述属性检测模块,以得到所述属性检测模块输出的第二预测属性;
基于所述第二预测属性和所述第二属性标签,确定所述三维对象检测模型的第二损失值;以及
基于所述第二损失值,调整所述三维对象检测模型的参数。
10.根据权利要求1-9中任一项所述的方法,其中,所述第一属性标签包括第一二维属性标签和第一三维属性标签,所述属性检测模块包括二维属性检测模块和三维属性检测模块,所述将所述第一图像特征输入所述属性检测模块,以得到所述属性检测模块输出的目标对象的第一预测属性包括:
将所述第一图像特征输入所述二维属性检测模块,以得到所述二维属性检测模块输出的第一预测二维属性;
将所述第一预测二维属性输入所述三维属性检测模块,以得到所述三维属性检测模块输出的第一预测三维属性,
所述基于所述第一预测属性、所述第一属性标签、所述预测深度图和所述深度图标签,确定所述三维对象检测模型的第一损失值包括:
基于所述第一预测二维属性、所述第一二维属性标签、所述第一预测三维属性、所述第一三维属性标签、所述预测深度图和所述深度图标签,确定所述三维对象检测模型的第一损失值。
11.一种三维对象检测方法,包括:
获取待检测的图像;以及
将所述图像输入经训练的三维对象检测模型,以得到所述三维对象检测模型输出的所述图像中的目标对象的三维属性,
其中,所述三维对象检测模型根据权利要求1-10中任一项所述的方法训练得到。
12.一种三维对象检测模型的训练装置,所述三维对象检测模型包括特征提取模块和属性检测模块,所述装置包括:
第一获取模块,被配置为获取第一样本图像、所述第一样本图像的深度图标签和所述第一样本图像中的目标对象的第一属性标签;
第一输入模块,被配置为将所述第一样本图像输入所述特征提取模块,以得到所述特征提取模块输出的第一图像特征;
第二输入模块,被配置为将所述第一图像特征输入所述属性检测模块,以得到所述属性检测模块输出的目标对象的第一预测属性;
第一确定模块,被配置为基于所述第一图像特征,确定所述第一样本图像的预测深度图;
第二确定模块,被配置为基于所述第一预测属性、所述第一属性标签、所述预测深度图和所述深度图标签,确定所述三维对象检测模型的第一损失值;以及
调整模块,被配置为基于所述第一损失值,调整所述三维对象检测模型的参数。
13.根据权利要求12所述的装置,还包括:
第二获取模块,被配置为获取所述第一样本图像对应的点云数据,其中,所述点云数据包括所述第一样本图像的深度信息;以及
第三确定模块,被配置为基于所述点云数据,确定所述第一样本图像的深度图标签。
14.根据权利要求13所述的装置,其中,所述第一样本图像由图像采集设备在第一时刻采集得到,所述点云数据由激光雷达在第二时刻采集得到,所述图像采集设备和所述激光雷达被配置为对同一环境进行感知,并且所述第一时刻与所述第二时刻的差在预设范围内。
15.根据权利要求13或14所述的装置,其中,所述深度图标签包括所述第一样本图像中的多个像素各自的深度值标签,并且其中,所述第三确定模块包括:
第一确定单元,被配置为基于采集所述第一样本图像的图像采集设备的参数,确定所述点云数据中的多个空间点与所述第一样本图像中的多个像素的对应关系;以及
第二确定单元,被配置为对于所述第一样本图像中的任一像素,基于所述像素对应的空间点的坐标,确定所述像素的深度值标签。
16.根据权利要求15所述的装置,其中,所述第三确定模块还包括:
归一化单元,被配置为基于所述图像采集设备的参数,对所述深度值标签进行归一化处理。
17.根据权利要求12-16中任一项所述的装置,其中,所述第一确定模块包括:
第一输入单元,被配置为将所述第一图像特征输入深度预测模块,以得到所述深度预测模块输出的所述预测深度图,
其中,所述调整模块进一步被配置为:
基于所述第一损失值,调整所述三维对象检测模型和所述深度预测模块的参数。
18.根据权利要求17所述的装置,还包括:
删除模块,被配置为响应于所述三维对象检测模型训练完成,删除所述深度预测模块。
19.根据权利要求12-18中任一项所述的装置,还包括:
预训练模块,被配置为利用第二样本图像和所述第二样本图像中的目标对象的第二属性标签对所述三维对象检测模型进行预训练,
其中,所述第一样本图像用于对预训练后的三维对象检测模型进行微调。
20.根据权利要求19所述的装置,其中,所述预训练模块包括:
第二输入单元,被配置为将所述第二样本图像输入所述特征提取模块,以得到所述特征提取模块输出的第二图像特征;
第三输入单元,被配置为将所述第二图像特征输入所述属性检测模块,以得到所述属性检测模块输出的第二预测属性;
第三确定单元,被配置为基于所述第二预测属性和所述第二属性标签,确定所述三维对象检测模型的第二损失值;以及
调整单元,被配置为基于所述第二损失值,调整所述三维对象检测模型的参数。
21.根据权利要求12-20中任一项所述的装置,其中,所述第一属性标签包括第一二维属性标签和第一三维属性标签,所述属性检测模块包括二维属性检测模块和三维属性检测模块,所述第二输入模块包括:
第四输入单元,被配置为将所述第一图像特征输入所述二维属性检测模块,以得到所述二维属性检测模块输出的第一预测二维属性;
第五输入单元,被配置为将所述第一预测二维属性输入所述三维属性检测模块,以得到所述三维属性检测模块输出的第一预测三维属性,
所述第二确定模块进一步被配置为:
基于所述第一预测二维属性、所述第一二维属性标签、所述第一预测三维属性、所述第一三维属性标签、所述预测深度图和所述深度图标签,确定所述三维对象检测模型的第一损失值。
22.一种三维对象检测装置,包括:
获取模块,被配置为获取待检测的图像;以及
输入模块,被配置为将所述图像输入经训练的三维对象检测模型,以得到所述三维对象检测模型输出的所述图像中的目标对象的三维属性,
其中,所述三维对象检测模型根据权利要求12-21中任一项所述的装置训练得到。
23.一种电子设备,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指令,所述指令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1-11中任一项所述的方法。
24.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-11中任一项所述的方法。
25.一种计算机程序产品,包括计算机程序,其中,所述计算机程序在被处理器执行时实现根据权利要求1-11中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311452127.2A CN117315402A (zh) | 2023-11-02 | 2023-11-02 | 三维对象检测模型的训练方法及三维对象检测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311452127.2A CN117315402A (zh) | 2023-11-02 | 2023-11-02 | 三维对象检测模型的训练方法及三维对象检测方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117315402A true CN117315402A (zh) | 2023-12-29 |
Family
ID=89273763
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311452127.2A Pending CN117315402A (zh) | 2023-11-02 | 2023-11-02 | 三维对象检测模型的训练方法及三维对象检测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117315402A (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112712062A (zh) * | 2021-01-18 | 2021-04-27 | 清华大学 | 基于解耦截断物体的单目三维物体检测方法和装置 |
CN113674421A (zh) * | 2021-08-25 | 2021-11-19 | 北京百度网讯科技有限公司 | 3d目标检测方法、模型训练方法、相关装置及电子设备 |
CN114119991A (zh) * | 2021-09-30 | 2022-03-01 | 深圳市商汤科技有限公司 | 一种目标检测的方法、装置、电子设备及存储介质 |
US20220083789A1 (en) * | 2020-09-16 | 2022-03-17 | Chongqing University | Real-Time Target Detection And 3d Localization Method Based On Single Frame Image |
CN114495064A (zh) * | 2022-01-28 | 2022-05-13 | 浙江大学 | 一种基于单目深度估计的车辆周围障碍物预警方法 |
CN114842287A (zh) * | 2022-03-25 | 2022-08-02 | 中国科学院自动化研究所 | 深度引导变形器的单目三维目标检测模型训练方法及装置 |
CN115223117A (zh) * | 2022-05-30 | 2022-10-21 | 九识智行(北京)科技有限公司 | 三维目标检测模型的训练和使用方法、装置、介质及设备 |
US20220351501A1 (en) * | 2019-12-27 | 2022-11-03 | Shanghai Sensetime Intelligent Technology Co., Ltd. | Three-dimensional target detection and model training method and device, and storage medium |
CN115719436A (zh) * | 2022-10-17 | 2023-02-28 | 北京百度网讯科技有限公司 | 模型训练方法、目标检测方法、装置、设备以及存储介质 |
CN116362318A (zh) * | 2023-03-30 | 2023-06-30 | 复旦大学 | 基于自适应深度修正的纯视觉三维目标检测方法和系统 |
CN116503418A (zh) * | 2023-06-30 | 2023-07-28 | 贵州大学 | 一种复杂场景下的作物三维目标检测方法 |
CN116664987A (zh) * | 2023-06-30 | 2023-08-29 | 中汽创智科技有限公司 | 目标对象检测模型的训练方法及对象检测方法 |
-
2023
- 2023-11-02 CN CN202311452127.2A patent/CN117315402A/zh active Pending
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20220351501A1 (en) * | 2019-12-27 | 2022-11-03 | Shanghai Sensetime Intelligent Technology Co., Ltd. | Three-dimensional target detection and model training method and device, and storage medium |
US20220083789A1 (en) * | 2020-09-16 | 2022-03-17 | Chongqing University | Real-Time Target Detection And 3d Localization Method Based On Single Frame Image |
CN112712062A (zh) * | 2021-01-18 | 2021-04-27 | 清华大学 | 基于解耦截断物体的单目三维物体检测方法和装置 |
CN113674421A (zh) * | 2021-08-25 | 2021-11-19 | 北京百度网讯科技有限公司 | 3d目标检测方法、模型训练方法、相关装置及电子设备 |
WO2023050810A1 (zh) * | 2021-09-30 | 2023-04-06 | 上海商汤智能科技有限公司 | 一种目标检测的方法、装置、电子设备及存储介质、计算机程序产品 |
CN114119991A (zh) * | 2021-09-30 | 2022-03-01 | 深圳市商汤科技有限公司 | 一种目标检测的方法、装置、电子设备及存储介质 |
CN114495064A (zh) * | 2022-01-28 | 2022-05-13 | 浙江大学 | 一种基于单目深度估计的车辆周围障碍物预警方法 |
CN114842287A (zh) * | 2022-03-25 | 2022-08-02 | 中国科学院自动化研究所 | 深度引导变形器的单目三维目标检测模型训练方法及装置 |
CN115223117A (zh) * | 2022-05-30 | 2022-10-21 | 九识智行(北京)科技有限公司 | 三维目标检测模型的训练和使用方法、装置、介质及设备 |
CN115719436A (zh) * | 2022-10-17 | 2023-02-28 | 北京百度网讯科技有限公司 | 模型训练方法、目标检测方法、装置、设备以及存储介质 |
CN116362318A (zh) * | 2023-03-30 | 2023-06-30 | 复旦大学 | 基于自适应深度修正的纯视觉三维目标检测方法和系统 |
CN116503418A (zh) * | 2023-06-30 | 2023-07-28 | 贵州大学 | 一种复杂场景下的作物三维目标检测方法 |
CN116664987A (zh) * | 2023-06-30 | 2023-08-29 | 中汽创智科技有限公司 | 目标对象检测模型的训练方法及对象检测方法 |
Non-Patent Citations (5)
Title |
---|
BO JU 等: "Paint and Distill: Boosting 3D Object Detection with Semantic Passing Network", 《ARXIV:2207.05497V1 [CS.CV]》, 12 July 2022 (2022-07-12), pages 1 - 10 * |
KUAN-CHIH HUANG 等: "MonoDTR: Monocular 3D Object Detection with Depth-Aware Transformer", 《 ARXIV:2203.10981V2 [CS.CV] 》, 28 March 2022 (2022-03-28), pages 1 - 13 * |
YUNLEI TANG 等: "Center3D: Center-Based Monocular 3D Object Detection with Joint Depth Understanding", 《DAGM GCPR 2020》, vol. 12544, 17 March 2021 (2021-03-17), pages 289 * |
张鹏;宋一凡;宗立波;刘立波;: "3D目标检测进展综述", 计算机科学, no. 04, 31 December 2020 (2020-12-31), pages 100 - 108 * |
王鹏;叶子豪;孙锐;: "融合深度卷积网络与点云网络的三维车辆检测方法分析", 无线互联科技, no. 06, 25 March 2020 (2020-03-25), pages 33 - 39 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11482014B2 (en) | 3D auto-labeling with structural and physical constraints | |
EP3506161A1 (en) | Method and apparatus for recovering point cloud data | |
CN113887400B (zh) | 障碍物检测方法、模型训练方法、装置及自动驾驶车辆 | |
CN115019060A (zh) | 目标识别方法、目标识别模型的训练方法及装置 | |
CN115147328A (zh) | 三维目标检测方法及装置 | |
CN114047760B (zh) | 路径规划方法、装置、电子设备及自动驾驶车辆 | |
CN117808689A (zh) | 基于毫米波雷达与摄像头融合的深度补全方法 | |
CN115082690B (zh) | 目标识别方法、目标识别模型训练方法及装置 | |
CN116678424A (zh) | 高精度车辆定位、矢量化地图构建及定位模型训练方法 | |
CN117035032A (zh) | 融合文本数据和自动驾驶数据进行模型训练的方法和车辆 | |
CN116823884A (zh) | 多目标跟踪方法、系统、计算机设备及存储介质 | |
CN115240168A (zh) | 感知结果获取方法、装置、计算机设备、存储介质 | |
CN113920174A (zh) | 点云配准方法、装置、设备、介质和自动驾驶车辆 | |
CN117315402A (zh) | 三维对象检测模型的训练方法及三维对象检测方法 | |
CN115019278B (zh) | 一种车道线拟合方法、装置、电子设备和介质 | |
CN116844134A (zh) | 目标检测方法、装置、电子设备、存储介质及车辆 | |
CN117542042A (zh) | 三维对象检测方法及装置、电子设备和存储介质 | |
CN115829898B (zh) | 数据处理方法、装置、电子设备、介质以及自动驾驶车辆 | |
CN116859724B (zh) | 时序自回归同时决策和预测的自动驾驶模型及其训练方法 | |
CN116311943B (zh) | 交叉路口的平均延误时间的估算方法及装置 | |
CN116698051A (zh) | 高精度车辆定位、矢量化地图构建及定位模型训练方法 | |
CN115830558A (zh) | 车道线修正方法、装置、电子设备及存储介质 | |
CN116580367A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN114842451A (zh) | 车道线拟合方法及装置、电子设备、介质及车辆 | |
CN117034732A (zh) | 基于真实与仿真对抗学习的自动驾驶模型训练方法 |
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 |