CN117542042A - 三维对象检测方法及装置、电子设备和存储介质 - Google Patents
三维对象检测方法及装置、电子设备和存储介质 Download PDFInfo
- Publication number
- CN117542042A CN117542042A CN202311553137.5A CN202311553137A CN117542042A CN 117542042 A CN117542042 A CN 117542042A CN 202311553137 A CN202311553137 A CN 202311553137A CN 117542042 A CN117542042 A CN 117542042A
- Authority
- CN
- China
- Prior art keywords
- feature
- spatial
- target
- image
- feature vector
- 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 84
- 238000003860 storage Methods 0.000 title claims abstract description 21
- 238000005070 sampling Methods 0.000 claims abstract description 33
- 230000004927 fusion Effects 0.000 claims abstract description 20
- 239000013598 vector Substances 0.000 claims description 143
- 238000000034 method Methods 0.000 claims description 63
- 239000003795 chemical substances by application Substances 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 18
- 238000004590 computer program Methods 0.000 claims description 17
- 230000007613 environmental effect Effects 0.000 claims description 13
- 230000009466 transformation Effects 0.000 claims description 12
- 230000004931 aggregating effect Effects 0.000 claims description 7
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 230000004438 eyesight Effects 0.000 abstract description 6
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000004891 communication Methods 0.000 description 24
- 238000005516 engineering process Methods 0.000 description 14
- 238000012545 processing Methods 0.000 description 14
- 230000006870 function Effects 0.000 description 12
- 238000013507 mapping Methods 0.000 description 11
- 239000011159 matrix material Substances 0.000 description 10
- 238000010586 diagram Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 9
- 230000000007 visual effect Effects 0.000 description 8
- 238000003384 imaging method Methods 0.000 description 5
- 238000013519 translation Methods 0.000 description 4
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 3
- 238000013459 approach Methods 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 241000282326 Felis catus Species 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000012549 training Methods 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 125000003275 alpha amino acid group Chemical group 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 238000013528 artificial neural network 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
- 150000001875 compounds Chemical class 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
- 238000009826 distribution Methods 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 235000012054 meals Nutrition 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
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000010408 sweeping Methods 0.000 description 1
Classifications
-
- 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
- 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
- G06V10/7715—Feature extraction, e.g. by transforming the feature space, e.g. multi-dimensional scaling [MDS]; Mappings, e.g. subspace methods
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Artificial Intelligence (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种三维对象检测方法及装置、电子设备和存储介质,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。三维对象检测方法包括:提取待检测图像的特征图;将特征图投影至目标三维空间中,以得到目标三维空间的第一空间特征;基于目标三维空间中的参考点在特征图中的投影点,对特征图进行采样,以得到目标三维空间的第二空间特征;对第一空间特征和第二空间特征进行融合,以得到融合空间特征;以及基于融合空间特征,确定待检测图像的三维对象检测结果。
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。
智能体(Agent)是人工智能领域中的概念,其指的是具有自主行为能力并且能够与环境进行交互的实体,例如自动驾驶车辆、工业机器人、家用机器人(包括扫地机器人、人形机器人等)、商用机器人(包括送餐机器人、导览机器人等)等。
三维(3D)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),在智能体的决策和控制中有着广泛应用。
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方法,包括:提取待检测图像的特征图;将所述特征图投影至目标三维空间中,以得到所述目标三维空间的第一空间特征;基于所述目标三维空间中的参考点在所述特征图中的投影点,对所述特征图进行采样,以得到所述目标三维空间的第二空间特征;对所述第一空间特征和所述第二空间特征进行融合,以得到融合空间特征;以及基于所述融合空间特征,确定所述待检测图像的三维对象检测结果。
根据本公开的一方面,提供了一种三维对象检测装置,包括:提取模块,被配置为提取待检测图像的特征图;投影模块,被配置为将所述特征图投影至目标三维空间中,以得到所述目标三维空间的第一空间特征;采样模块,被配置为基于所述目标三维空间中的参考点在所述特征图中的投影点,对所述特征图进行采样,以得到所述目标三维空间的第二空间特征;融合模块,被配置为对所述第一空间特征和所述第二空间特征进行融合,以得到融合空间特征;以及确定模块,被配置为基于所述融合空间特征,确定所述待检测图像的三维对象检测结果。
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及检测过程的示意图;
图4示出了根据本公开实施例的三维对象检测装置的结构框图;以及
图5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。
三维对象检测技术有着广泛应用。例如,在自动驾驶领域,利用三维对象检测技术可以帮助车辆精确地识别和定位路面上的行人、车辆等目标,并提供给自动驾驶系统进行决策和控制。在工业自动化领域,三维对象检测技术可以用于对工业机器人进行精确的定位和控制,对生产线上的产品进行质量检测和分类等。在安防监控领域,三维对象检测技术可以用于监控公共场所(例如机场、火车站等)的人流、车流等信息,并提供实时的安全警报和预警。在虚拟现实领域,三维对象检测技术可以用于实现更加真实的虚拟场景,使用户能够与虚拟环境中的物体进行更加自然的交互。
相关技术中,常常利用单目图像,即,由仅具有一个摄像头的单目图像采集设备采集到的图像,来进行三维对象检测。具体地,通过对图像进行深度估计,将二维的图像投影至三维空间,进而构建三维空间特征,并基于三维空间特征来得到三维对象检测结果,即,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。
在上述相关技术中,由于单目图像仅包括二维的图像信息,缺少三维空间的深度信息,因此难以对单目图像进行准确的深度估计,通过二维图像到三维空间的单向投影所得到的三维空间特征无法全面准确地反映对象的三维位置信息,导致三维对象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基于双向特征投影的三维对象检测方法。根据本公开的实施例,在三维对象检测过程中,首先提取待检测图像的特征图。随后,通过将二维的特征图投影至目标三维空间中,得到目标三维空间的第一空间特征,使得第一空间特征能够模拟二维图像到三维空间的位置映射关系。与此同时,通过三维空间到二维图像的采样,得到目标三维空间的第二空间特征,使得第二空间特征能够模拟三维空间到二维图像的位置映射关系。将第一空间特征与第二空间特征融合,所得到的融合空间特征能够同时表达二维图像到三维空间和三维空间到二维图像的位置映射关系,实现了对对象位置关系的精确挖掘,能够全面准确地反映对象的三维位置信息。基于融合空间特征来进行三维对象检测,能够提高三维对象检测的准确性。
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。具体地,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方法。
根据一些实施例,机动车辆110在其运行过程中可以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。该检测结果可以用于机动车辆110的控制和决策。
根据一些实施例,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器120。服务器120通过执行本公开实施例的三维对象检测方法得到三维对象检测结果,并将检测结果返回给机动车辆110。
根据一些实施例,本公开实施例的三维对象检测方法可以由端到端的三维对象检测模型实现。该模型可以以机动车辆110的视觉摄像头采集的环境图像为输入,输出该环境图像的三维对象检测结果。该三维对象检测模型可以部署于车端,例如部署于机动车辆110处;也可以部署于服务端,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(图1中未示出)处。
图2示出了根据本公开实施例的三维对象检测方法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)。
如图2所示,方法200包括步骤S210-S250。
在步骤S210中,提取待检测图像的特征图。
在步骤S220中,将特征图投影至目标三维空间中,以得到目标三维空间的第一空间特征。
在步骤S230中,基于目标三维空间中的参考点在特征图中的投影点,对特征图进行采样,以得到目标三维空间的第二空间特征。
在步骤S240中,对第一空间特征和第二空间特征进行融合,以得到融合空间特征。
在步骤S250中,基于融合空间特征,确定待检测图像的三维对象检测结果。
根据本公开的实施例,提供了一种基于双向特征投影的三维对象检测方法。通过将二维的特征图投影至目标三维空间中,得到目标三维空间的第一空间特征,使得第一空间特征能够模拟二维图像到三维空间的位置映射关系。通过三维空间到二维图像的采样,得到目标三维空间的第二空间特征,使得第二空间特征能够模拟三维空间到二维图像的位置映射关系。将第一空间特征与第二空间特征融合,所得到的融合空间特征能够同时表达二维图像到三维空间和三维空间到二维图像的位置映射关系,实现了对对象位置关系的精确挖掘,能够全面准确地反映对象的三维位置信息。基于融合空间特征来进行三维对象检测,能够提高三维对象检测的准确性。
以下详细介绍方法200的各个步骤。
在步骤S210中,提取待检测图像的特征图。
待检测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、工业机器人等智能体上部署的视觉摄像头、部署于道路一侧的视觉摄像头等。待检测图像仅包括二维的像素坐标和颜色信息,不包括三维空间的颜色信息。
根据一些实施例,待检测图像可以有多个。待检测图像可以包括由多个图像采集设备采集的环境图像。多个图像采集设备分别设置于智能体的不同位置。由此能够利用多个不同视角的图像采集设备充分感知智能体的周围环境,从而提高三维对象检测的准确性。
例如,可以在机动车辆的正前方、左前方、右前方、正后方、左后方、右后方设置六个图像采集设备,将这六个图像采集设备采集的六个环境图像作为待检测图像。通过对这六个环境图像进行综合分析,能够实现对机动车辆周围环境的充分感知,提高三维对象检测的准确性。
根据一些实施例,在步骤S210中,可以利用经训练的特征提取网络来提取待检测图像的特征图。具体地,将待检测图像输入经训练的特征提取网络,可以得到该特征提取网络输出的特征图。在待检测图像有多个的情况下,可以将每个待检测图像分别输入特征提取网络,以提取该待检测图像的特征图。
特征提取网络例如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,特征提取网络例如可以是ResNet(残差网络)、FPN(Feature Pyramid Network,特征图金字塔网络)等。
可以理解,待检测图像具有一定的像素尺寸,例如可以是W*H,其中,W、H分别为待检测图像的横向像素的数量、纵向像素的数量。待检测图像通常包括多个颜色通道,例如,包括RGB三个通道。对于三通道的待检测图像,可以将其尺寸表示为W*H*3。通过特征提取,得到待检测图像的特征图。特征图的尺寸可以表示为w*h*c,其中,w、h、c分别表示特征图的横向像素的数量、纵向像素的数量和通道数。由于特征图用于表达待检测图像的多维语义信息,其像素尺寸通常小于待检测图像的像素尺寸,例如可以是w=W/8,h=H/8;其通道数c通常大于待检测图像的通道数,例如c=128。可以理解,在另一些实施例中,特征图的像素尺寸也可以大于待检测图像的像素尺寸,例如w=2W,h=2H。特征图的通道数c也可以小于待检测图像的通道数,例如c=1或2。
如上所述,待检测图像的特征图可以包括至少一个通道。与此相应地,该特征图包括多个像素各自的第一特征向量。坐标为(u,v)(0≤u≤w-1,0≤v≤h-1)的像素的第一特征向量由该像素的每个通道的通道值组成。在特征图包括c个通道的情况下,特征图中的每个像素的第一特征向量是一个c维的向量。
基于步骤S210提取出的特征图,执行步骤S220和S230。本公开不限制步骤S230和S230的执行顺序,例如,二者可以先后执行,或者并行执行。
在步骤S220中,将特征图投影至目标三维空间中,以得到目标三维空间的第一空间特征。
根据一些实施例,目标三维空间可以是鸟瞰视角(Bird’s Eye View,BEV)空间。鸟瞰视角指的是俯视视角。
根据一些实施例,待检测图像由智能体上的图像采集设备采集,目标三维空间根据该智能体的感兴趣区域确定。感兴趣区域为智能体决策需重点关注的环境区域。智能体的感兴趣区域可以是预设的。例如,对于行驶中的自动驾驶车辆来说,其感兴趣区域可以是以车辆后轮轴的中心为原点,由车辆的前(y轴正方向)后各50m、左右(x轴正方向)各50m、下方1m、上方(z轴正方向)3m所形成的100m*100m*4m的空间。相应地,可以将该空间设置为目标三维空间。
根据上述实施例,基于智能体的感兴趣区域来确定目标三维空间,使目标三维空间内的三维对象检测结果与智能体的实际应用场景相符,实现智能体的精准决策和控制。
根据一些实施例,步骤S220包括步骤S221-S223。
在步骤S221中,基于采集待检测图像的图像采集设备的参数,确定特征图中的每个像素对应的空间点。
在步骤S222中,基于像素的第一特征向量,确定像素对应的空间点的第二特征向量。
在步骤S223中,基于多个像素各自对应的空间点的第二特征向量,确定第一空间特征。
根据上述实施例,通过二维像素到三维空间点的投影,得到第一空间特征,使得第一空间特征能够模拟二维图像到三维空间的位置映射关系。
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。
对于自动驾驶车辆来说,世界坐标系例如可以是自车坐标系。该坐标系可以以车辆后轮轴的中心为原点,以车辆右向为x轴正向,以车辆前向为y轴正常,以通过车顶垂直向上的方向为z轴正向。
利用图像采集设备的参数,可以将二维像素坐标转化为世界坐标系下的三维空间坐标。
根据一些实施例,步骤S221可以包括步骤S2211和S2212。
在步骤S2211中,获取预设的深度值集合,深度值集合包括多个深度值。
在步骤S2212中,对于多个深度值中的任一深度值,基于图像采集设备的参数和该深度值,对该像素的二维像素坐标进行坐标变换,以确定该像素对应的空间点的三维坐标。可以理解,由于针对深度值集合中的每个深度值均进行了坐标变换,每个深度值均可以计算出一个对应的空间点,因此特征图中的每个像素对应于多个空间点。
根据上述实施例,利用预设的深度值集合来完成二维像素坐标到三维空间坐标的变换,无需对特征图进行深度估计,避免了不准确的深度估计信息对三维对象检测造成的不利影响,能够保证三维对象检测的准确性。
根据一些实施例,在步骤S2211中,深度值集合所包括的多个深度值通过在图像采集设备的视野范围内进行采样得到。基于图像采集设备的视野范围确定其深度值集合,使三维对象检测情况与图像采集设备的实际感知情况相符,提高了三维对象检测的准确性。
视野范围表示图像采集设备能够感知的深度范围。例如,图像采集设备的视野范围为4~100米,表示该图像采集设备能够感知其前方4~100米范围内的物体。在图像采集设备的视野范围内按照一定的间隔进行均匀采样,可以得到多个深度值。例如,按照2米的间隔对在[4,100]的范围内进行采样,可以得到4,6,…,100等49个深度值。
根据一些实施例,在步骤S2212中,对于多个深度值中的任一深度值d,可以基于图像采集设备的内参矩阵和外参矩阵,对像素的二维像素坐标进行坐标变换,以得到该像素对应的空间点的三维坐标。空间点的三维坐标例如可以是世界坐标系下的三维坐标。
具体地,可以通过下式(1),将特征图的像素坐标下的任一像素的二维像素坐标(u,v)转化为相应的图像采集设备的相机坐标系下的三维坐标(x,y,z):
式(1)中,K1为特征图对应的图像采集设备的内参矩阵,d为深度值,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,cx为像素平面相对于成像平面在横坐标轴上的原点的平移量,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,cy为像素平面相对于成像平面在纵坐标轴上的原点的平移量。
进一步地,可以通过下式(2),将相机坐标系下的三维坐标(x,y,z)进一步转化为世界坐标系下的三维坐标(xw,yw,zw):
式(2)中,K2为图像采集设备(相机)的外参矩阵。
上式(1)和(2)可以合并为:
式(3)中,为图像采集设备i所采集的待检测图像的特征图中的像素j的二维坐标(uj,vj),Ki1、Ki2分别为图像采集设备i的内参矩阵和外参矩阵,/>为图像采集设备i所采集的待检测图像的特征图中的像素j所对应的空间点在世界坐标系下的三维坐标(xw,yw,zw)。
可以理解,在智能体的不同位置部署有多个图像采集设备的情况下,不同图像采集设备的视野可能有一部分重叠。因此,三维世界空间中的一个空间点可能位于多个图像采集设备采集到的图像中。
根据另一些实施例,在步骤S221中,可以利用经训练的深度估计网络估计出每个像素的深度值,进而利用图像采集设备的参数和该深度值,对每个像素的二维像素坐标进行坐标变换,以确定每个像素对应的空间点的三维坐标。坐标变换的具体过程可以参考上式(1)-(3),此处不再赘述。
通过步骤S221确定了像素与空间点的对应关系。在步骤S222中,对于每个空间点,可以将该空间点对应的像素的第一特征向量确定为该空间点的第二特征向量。
在通过步骤S222得到各空间点的第二特征向量后,在步骤S223中,可以基于各空间点的第二特征向量,确定目标三维空间的第一空间特征。第一空间特征例如可以是鸟瞰视角特征。
根据一些实施例,目标三维空间可以被划分为多个网格。网格的形状和大小可以根据需要进行设置。例如,可以将目标三维空间划分大小相同的多个网格,每个网格可以是截面为矩形(例如,0.5m*0.5m)的柱状空间,该柱状空间的高度与目标三维空间的高度相同。
根据一些实施例,步骤S223可以包括步骤S2231和S2232。
在步骤S2231中,对于多个网格中的任一网格,基于该网格内的各空间点的第二特征向量,确定该网格的第三特征向量。
在步骤S2232中,基于多个网格各自的第三特征向量,确定目标三维空间的第一空间特征。
根据上述实施例,通过网格划分,使得第三特征向量的分布更加均匀、表达的位置信息更加准确,从而提高第一空间特征的准确性。
根据一些实施例,在步骤S2231中,对于每个网格,可以对该网格内的各空间点的第二特征向量进行聚合,以得到该网格的第三特征向量。例如,可以将网格内的各空间点的第二特征向量的加权和作为该网格的第三特征向量。各空间点的第二特征向量的权重可以相同,也可以不同。
根据上述实施例,网格的第三特征向量由该网格内的空间点的第二特征向量聚合而成,由此使得第三特征向量能够全面准确地反映对象的位置信息,从而提高第一空间特征的准确性。
根据一些实施例,在步骤S2232中,可以将多个网格各自的第三特征向量进行拼接,得到目标三维空间的第一空间特征。
在步骤S230中,基于目标三维空间中的参考点在特征图中的投影点,对特征图进行采样,以得到目标三维空间的第二空间特征。
根据一些实施例,步骤S230可以包括步骤S231-S233。
在步骤S231中,基于采集待检测图像的图像采集设备的参数,将目标三维空间中的参考点投影至特征图中,以得到该参考点对应的投影点。
在步骤S232中,利用该投影点对特征图进行采样,以得到该参考点的第四特征向量。
在步骤S233中,基于参考点的第四特征向量,确定目标三维空间的第二空间特征。
根据上述实施例,通过将三维空间点(参考点)投影至二维的特征图中,利用所得到的投影点对特征图进行采样,得到第二空间特征,使得第二空间特征能够模拟三维空间到二维图像的位置映射关系。
目标三维空间中的参考点可以有多个。通过对每个参考点进行投影,可以得到该参考对应的投影点。
根据一些实施例,可以在目标三维空间的坐标范围内进行随机采样,以得到多个参考点。
根据另一些实施例,可以将目标三维空间划分为多个网格。如上文所述,每个网格可以是截面为矩形(例如,0.5m*0.5m)的柱状空间,该柱状空间的高度与目标三维空间的高度相同。可以在每个网格中采样一个或多个空间点作为参考点。例如,可以将每个网格的特定位置(例如中心、左上角、右上角等)的空间点作为参考点,也可以通过在网格内进行随机采样来得到参考点。
根据一些实施例,可以进一步将每个网格沿高度方向划分为多个子网格。如上文所述,每个网格可以是截面为矩形的柱状空间。对该网格沿高度方向进行均匀划分,可以得到形如长方体的子网格。例如,目标三维空间可以是自动驾驶车辆周围的100m*100m*4m的空间。每个网格可以是0.5m*0.5m*4m的柱状空间。对每个网格沿高度方向以0.5m为单位进行均匀划分,可以将每个网格划分为8个0.5m*0.5m*0.5m的立方体空间。可以在每个子网格内采样一个或多个空间点作为参考点。例如,可以将每个子网格的特定位置(例如中心、左上角、右上角等)的空间点作为参考点,也可以通过在子网格内进行随机采样来得到参考点。
根据一些实施例,在步骤S231中,可以利用上式(3),将世界坐标系下的参考点的三维坐标转化为特征图中的二维像素坐标,即,得到该参考点对应的投影点。需要说明的是,通过投影计算得出的投影点的坐标通常不是整数,因此投影点并不确切地对应于特征图中的某个像素,无法从特征图中直接获取投影点的特征向量,即,第五特征向量。
为了在投影点的坐标不是整数的情况下,获得投影点的第五特征向量,进而获得参考点的第四特征向量,因此在步骤S232中,需要利用投影点对特征图进行采样。
根据一些实施例,步骤S232可以包括步骤S2321-S2323。
在步骤S2321中,从特征图中获取与投影点相邻的多个目标像素。例如,投影点的坐标为(u,v),可以将距离u最近的两个整数floor(u)、ceil(u)与距离v最近的两个整数floor(v)、ceil(v)进行组合,得到四个目标像素(floor(u),floor(v))、(floor(u),ceil(v))、(ceil(u),floor(v))和(ceil(u),ceil(v))。其中,floor和ceil分别表示向下取整和向上取整。
在步骤S2322中,通过在多个目标像素各自的第一特征向量之间进行插值,得到投影点的第五特征向量。例如,在通过步骤S2321获得4个目标像素的情况下,可以通过双线性插值得到投影点的第五特征向量。
在步骤S2323中,将投影点的第五特征向量确定为相应参考点的第四特征向量。
如上所述,通过投影计算得到的投影点的坐标不一定是整数,因此无法直接从特征图中获得投影点的第五特征向量。根据上述实施例,通过对投影点的相邻像素(即,目标像素)的第一特征向量进行插值,得到投影点的第五特征向量,能够提高第五特征向量的准确性,使其能够准确地反映对象的位置信息。
在通过步骤S232得到参考点的第四特征向量后,在步骤S233中,可以基于参考点的第四特征向量,确定目标三维空间的第二空间特征。
根据一些实施例,可以将多个参考点各自的第四特征向量进行拼接,以得到目标三维空间的第二空间特征。
根据一些实施例,在目标三维空间被划分为多个网格,参考点为多个网格中的任一网格内的空间点的情况下,步骤S233可以进一步包括步骤S2331和S2332。
在步骤S2331中,对于多个网格中的任一网格,基于该网格内的参考点的第四特征向量,确定该网格的第六特征向量。
具体地,在该网格仅包括一个参考点的情况下,可以将该参考点的第四特征向量确定为该网格的第六特征向量。在该网格包括多个参考点的情况下,可以将多个参考点的第四特征向量的加权和确定为该网格的第六特征向量。各参考点的权重可以相同,也可以不同。
在步骤S2332中,基于多个网格各自的第六特征向量,确定第二空间特征。例如,可以将多个网格各自的第六特征向量进行拼接,以得到目标三维空间的第二空间特征。
根据上述实施例,通过网格划分,使得参考点的分布更加均匀、网格的第六特征向量表达的位置信息更加准确,从而提高第二空间特征的准确性。
根据一些实施例,在每个网格沿高度方向被划分为多个子网格、参考点为多个子网格中的任一子网格内的空间点的情况下,步骤S2331可以进一步包括:对于多个网格中的任一网格,获取该网格的多个子网格各自的参考点的第四特征向量;对多个子网格各自的参考点的第四特征向量进行聚合,以得到该网格的第六特征向量。具体地,可以将多个子网格各自的参考点的第四特征向量的加权和作为该网格的第六特征向量。
根据上述实施例,网格的第六特征向量由该网格内的子网格的第四特征向量聚合而成,由此使得第六特征向量能够全面准确地反映对象的位置信息。
在通过步骤S220和S230得到目标三维空间的第一空间特征和第二空间特征后,执行步骤S240。
在步骤S240中,对第一空间特征和第二空间特征进行融合,以得到融合空间特征。
根据一些实施例,可以将第一空间特征与第二空间特征的加权和作为融合空间特征。第一空间特征与第二空间特征的权重可以相同,也可以不同。
根据一些实施例,可以将第一空间特征和第二空间特征进行拼接后,利用线性层对拼接后的空间特征进行降维,得到融合空间特征。融合空间特征的尺寸与第一空间特征和第二空间特征的尺寸相同。
在步骤S250中,基于融合空间特征,确定待检测图像的三维对象检测结果。
根据一些实施例,可以将融合空间特征输入经训练的解码器,以得到解码器输出的三维对象检测结果。三维对象检测结果包括待检测图像中的目标对象的三维属性,例如目标对象的长、宽、高、3D中心点的坐标、朝向角、类别等。
解码器例如可以实现为卷积层(Convolutional layer)、全连接层(FullyConnected layer)和分类层(Softmax layer)。
根据一些实施例,上文所述的特征提取网络和解码器可以组合形成端到端的三维对象检测模型,并利用标注有目标对象的三维属性标签的样本图像训练得出。在该模型的训练过程中,将样本图像输入特征提取网络,以得到特征提取网络输出的特征图。通过上述步骤S220和S230对特征图进行计算,得到目标三维空间的第一空间特征和第二空间特征。通过上述步骤S240对第一空间特征和第二空间特征进行融合,得到融合空间特征。将融合空间特征输入解码器,以得到解码器输出的目标对象的预测三维属性。基于目标对象的预测三维属性和三维属性标签,计算三维对象检测模型的损失。基于该损失,调整三维对象检测模型的参数,即,调整特征提取网络和解码器的参数。直至达到预设的终止条件为止,结束模型的训练过程,得到经训练的三维对象检测模型。相应地,本公开实施例的三维对象检测方法200可以利用经训练的三维对象检测模型实现。
图3示出了根据本公开实施例的三维对象检测模型300及其检测过程的示意图。
如图3所示,模型300包括特征提取网络310、二维到三维的特征投影模块320、三维到二维的特征采样模块330、融合层340和解码器350。
特征提取网络310以自动驾驶车辆的六个不同视角的相机所采集的环境图像(即方法200中的待检测图像)301为输入,输出每个环境图像的特征图302。特征提取网络310例如可以是ResNet、FPN等。
环境图像301的尺寸例如可以是W*H*3,特征图302的尺寸例如可以是(W/8)*(H/8)*C。在特征图302中,每个像素对应于一个C维的特征向量(即方法200中的第一特征向量)。
特征投影模块320用于实现由二维到三维的特征推送(2D-to-3DPushing)。特征投影模块320利用每个相机的内参矩阵和外参矩阵,基于该相机对应的预设的深度值集合,将该相机采集的环境图像的特征图302投影至BEV空间(即方法200中的目标三维空间)303中。BEV空间例如可以是X*Y*Z=100m*100m*4m的长方体空间。
具体地,特征投影模块320可以根据上式(3),计算每个特征图中的像素坐标对应的世界坐标系下的三维坐标,由此得到特征图302中的像素与世界坐标系下的空间点的对应关系。进而可以将每个空间点的特征向量(即方法200中的第二特征向量)设置为该空间点所对应的像素的特征向量。空间点的特征向量与像素的特征向量的维度相同,均为C维。
BEV空间可以被划分为截面尺寸为i*j、高度为Z的柱状BEV网格(对应于上文的网格)。i、j例如可以均为0.5m,相应地,BEV空间被划分为200*200个柱状BEV网格。如果用BEV网格的数量来表示BEV空间的尺寸,则BEV空间的尺寸为WBEV*HBEV=200*200。
对于每个BEV网格,将该BEV网格内的空间点的特征向量进行聚合(例如求平均值),得到该BEV网格的特征向量(即方法200中的第三特征向量)。BEV网格的特征向量也是一个C维向量。
随后,将各BEV网格的特征向量进行拼接,得到BEV空间的第一BEV特征(即方法200中的第一空间特征)304,可以将其记为第一BEV特征/>的尺寸为WBEV*HBEV*C。
特征采样模块330用于实现三维到二维的特征拉取(3D-to-2D Pulling)。特征采样模块330将BEV空间303沿X、Y、Z方向分别以i、j、k进行划分,得到多个长方体网格。i、j、k例如可以均为0.5m,相应地,BEV空间被划分为200*200*8个形如立方体的初始BEV网格(对应于上文的子网格)。如果用初始BEV网格的数量来表示BEV空间的尺寸,则此时BEV空间的尺寸为WBEV*HBEV*ZBEV=200*200*8。可以将每个初始BEV网格的中心点作为该网格的参考点。
特征采样模块330利用每个相机的内参矩阵和外参矩阵,根据上式(3),将每个初始BEV网格的参考点投影至该相机对应的特征图302中,得到投影点的像素坐标。随后,基于投影点的像素坐标,通过双线性插值来对特征图302进行采样,得到投影点的特征向量(即方法200中的第五特征向量),该特征向量即为相应参考点的特征向量(即方法200中的第四特征向量),亦即相应的初始BEV网格的特征向量。初始BEV网格的特征向量是一个C维向量。上述过程可以表示为下式(4):
其中,为初始BEV网格的特征向量,/>为投影点的像素坐标,F为特征图,GridSampling()为采样函数。
在得到每个初始BEV网格的特征向量后,对各个初始BEV网格沿高度方向(Z方向)进行平均池化,即,对X*Y坐标相同的多个(8个)初始BEV网格的特征向量求平均值,得到柱状BEV网格(对应于方法200中的网格)的C维特征向量(对应于方法200中的第六特征向量)。由此亦将WBEV*HBEV*ZBEV个初始BEV网格降维成WBEV*HBEV个BEV网格。
随后,将各BEV网格的特征向量进行拼接,得到BEV空间的第二BEV特征(即方法200中的第二空间特征)305,可以将其记为第二BEV特征/>的尺寸为WBEV*HBEV*C。
融合层340对第一BEV特征304和第二BEV特征305进行融合,得到融合BEV特征EBEV。融合层340例如可以根据下式(5)来对两种BEV特征进行融合:
其中,cat()为向量拼接函数,Linear()为线性层,用于进行特征降维,即将拼接后的2C维向量降为C维。
解码器350以融合BEV特征EBEV为输入,输出各环境图像的三维对象检测结果。三维对象检测结果包括目标对象(例如车辆、行人等)的三维属性,例如目标对象的长、宽、高、3D中心点的坐标、朝向角、类别等。
解码器例如可以实现为卷积层(Convolutional layer)、全连接层(FullyConnected layer)和分类层(Softmax layer)。
根据本公开的实施例,还提供一种三维对象检测装置。图4示出了根据本公开实施例的三维对象检测装置400的结构框图。如图4所示,装置400包括提取模块410、投影模块420、采样模块430、融合模块440和确定模块450。
提取模块410被配置为提取待检测图像的特征图。
投影模块420被配置为将所述特征图投影至目标三维空间中,以得到所述目标三维空间的第一空间特征。
采样模块430被配置为基于所述目标三维空间中的参考点在所述特征图中的投影点,对所述特征图进行采样,以得到所述目标三维空间的第二空间特征。
融合模块440被配置为对所述第一空间特征和所述第二空间特征进行融合,以得到融合空间特征。
确定模块450被配置为基于所述融合空间特征,确定所述待检测图像的三维对象检测结果。
根据本公开的实施例,基于双向特征投影来实现三维对象检测。通过将二维的特征图投影至目标三维空间中,得到目标三维空间的第一空间特征,使得第一空间特征能够模拟二维图像到三维空间的位置映射关系。通过三维空间到二维图像的采样,得到目标三维空间的第二空间特征,使得第二空间特征能够模拟三维空间到二维图像的位置映射关系。将第一空间特征与第二空间特征融合,所得到的融合空间特征能够同时表达二维图像到三维空间和三维空间到二维图像的位置映射关系,实现了对对象位置关系的精确挖掘,能够全面准确地反映对象的三维位置信息。基于融合空间特征来进行三维对象检测,能够提高三维对象检测的准确性。
根据一些实施例,所述特征图包括多个像素各自的第一特征向量,所述投影模块包括:第一确定单元,被配置为基于采集所述待检测图像的图像采集设备的参数,确定所述特征图中的每个像素对应的空间点;第二确定单元,被配置为基于所述像素的第一特征向量,确定所述像素对应的空间点的第二特征向量;以及第三确定单元,被配置为基于所述多个像素各自对应的空间点的第二特征向量,确定所述第一空间特征。
根据一些实施例,所述第一确定单元包括:第一获取子单元,被配置为获取预设的深度值集合,所述深度值集合包括多个深度值;以及变换子单元,被配置为对于所述多个深度值中的任一深度值,基于所述图像采集设备的参数和该深度值,对所述像素的二维像素坐标进行坐标变换,以确定所述像素对应的空间点的三维坐标。
根据一些实施例,所述多个深度值通过在所述图像采集设备的视野范围内进行采样得到。
根据一些实施例,所述目标三维空间被划分为多个网格,所述第三确定单元包括:第一确定子单元,被配置为对于所述多个网格中的任一网格,基于该网格内的各空间点的第二特征向量,确定该网格的第三特征向量;以及第二确定子单元,被配置为基于所述多个网格各自的第三特征向量,确定所述第一空间特征。
根据一些实施例,所述第一确定子单元进一步被配置为:对该网格内的各空间点的第二特征向量进行聚合,以得到该网格的第三特征向量。
根据一些实施例,所述特征图包括多个像素各自的第一特征向量,所述采样模块包括:投影单元,被配置为基于采集所述待检测图像的图像采集设备的参数,将所述参考点投影至所述特征图中,以得到所述参考点对应的投影点;采样单元,被配置为利用所述投影点对所述特征图进行采样,以得到所述参考点的第四特征向量;以及第四确定单元,被配置为基于所述参考点的第四特征向量,确定所述第二空间特征。
根据一些实施例,所述采样单元包括:第二获取子单元,被配置为从所述特征图中获取与所述投影点相邻的多个目标像素;插值子单元,被配置为通过在所述多个目标像素各自的第一特征向量之间进行插值,得到所述投影点的第五特征向量;以及第三确定子单元,被配置为将所述投影点的第五特征向量确定为所述参考点的第四特征向量。
根据一些实施例,所述目标三维空间被划分为多个网格,所述参考点为所述多个网格中的任一网格内的空间点,所述第四确定单元包括:第四确定子单元,被配置为对于所述多个网格中的任一网格,基于该网格内的参考点的第四特征向量,确定该网格的第六特征向量;以及第五确定子单元,被配置为基于所述多个网格各自的第六特征向量,确定所述第二空间特征。
根据一些实施例,所述网格沿高度方向被划分为多个子网格,所述参考点为所述多个子网格中的任一子网格内的空间点,所述第四确定子单元进一步被配置为:对于所述多个网格中的任一网格,获取该网格的多个子网格各自的参考点的第四特征向量;对所述多个子网格各自的参考点的第四特征向量进行聚合,以得到该网格的第六特征向量。
根据一些实施例,所述融合模块进一步被配置为:将所述融合空间特征输入经训练的解码器,以得到所述解码器输出的所述三维对象检测结果。
根据一些实施例,所述待检测图像由设置于智能体上的图像采集设备采集,所述目标三维空间根据所述智能体的感兴趣区域确定。
根据一些实施例,所述待检测图像包括由多个图像采集设备采集的环境图像,所述多个图像采集设备设置于智能体的不同位置。
应当理解,图4中所示装置400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400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4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410-450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方法200。
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方法200。
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方法200。
参考图5,现将描述可以作为本公开的服务器或客户端的电子设备500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5所示,设备500包括计算单元501,其可以根据存储在只读存储器(ROM)502中的计算机程序或者从存储单元508加载到随机访问存储器(RAM)503中的计算机程序,来执行各种适当的动作和处理。在RAM 503中,还可存储设备500操作所需的各种程序和数据。计算单元501、ROM 502以及RAM 503通过总线504彼此相连。输入/输出(I/O)接口505也连接至总线504。
设备500中的多个部件连接至I/O接口505,包括:输入单元506、输出单元507、存储单元508以及通信单元509。输入单元506可以是能向设备500输入信息的任何类别的设备,输入单元506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507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508可以包括但不限于磁盘、光盘。通信单元509允许设备500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501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501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501执行上文所描述的各个方法和处理,例如三维对象检测方法200。例如,在一些实施例中,方法200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508。在一些实施例中,计算机程序的部分或者全部可以经由ROM 502和/或通信单元509而被载入和/或安装到设备500上。当计算机程序加载到RAM 503并由计算单元501执行时,可以执行上文描述的方法200的一个或多个步骤。备选地,在其他实施例中,计算单元501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。
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 (29)
1.一种三维对象检测方法,包括:
提取待检测图像的特征图;
将所述特征图投影至目标三维空间中,以得到所述目标三维空间的第一空间特征;
基于所述目标三维空间中的参考点在所述特征图中的投影点,对所述特征图进行采样,以得到所述目标三维空间的第二空间特征;
对所述第一空间特征和所述第二空间特征进行融合,以得到融合空间特征;以及
基于所述融合空间特征,确定所述待检测图像的三维对象检测结果。
2.根据权利要求1所述的方法,其中,所述特征图包括多个像素各自的第一特征向量,所述将所述特征图投影至目标三维空间中,以得到所述目标三维空间的第一空间特征包括:
基于采集所述待检测图像的图像采集设备的参数,确定所述特征图中的每个像素对应的空间点;
基于所述像素的第一特征向量,确定所述像素对应的空间点的第二特征向量;以及
基于所述多个像素各自对应的空间点的第二特征向量,确定所述第一空间特征。
3.根据权利要求2所述的方法,其中,所述基于采集所述待检测图像的图像采集设备的参数,确定所述特征图中的每个像素对应的空间点包括:
获取预设的深度值集合,所述深度值集合包括多个深度值;以及
对于所述多个深度值中的任一深度值,基于所述图像采集设备的参数和该深度值,对所述像素的二维像素坐标进行坐标变换,以确定所述像素对应的空间点的三维坐标。
4.根据权利要求3所述的方法,其中,所述多个深度值通过在所述图像采集设备的视野范围内进行采样得到。
5.根据权利要求2-4中任一项所述的方法,其中,所述目标三维空间被划分为多个网格,所述基于所述多个像素各自对应的空间点的第二特征向量,确定所述第一空间特征包括:
对于所述多个网格中的任一网格,基于该网格内的各空间点的第二特征向量,确定该网格的第三特征向量;以及
基于所述多个网格各自的第三特征向量,确定所述第一空间特征。
6.根据权利要求5所述的方法,其中,所述基于该网格内的各空间点的第二特征向量,确定该网格的第三特征向量包括:
对该网格内的各空间点的第二特征向量进行聚合,以得到该网格的第三特征向量。
7.根据权利要求1-6中任一项所述的方法,其中,所述特征图包括多个像素各自的第一特征向量,所述基于所述目标三维空间中的参考点在所述特征图中的投影点,对所述特征图进行采样,以得到所述目标三维空间的第二空间特征包括:
基于采集所述待检测图像的图像采集设备的参数,将所述参考点投影至所述特征图中,以得到所述参考点对应的投影点;
利用所述投影点对所述特征图进行采样,以得到所述参考点的第四特征向量;以及
基于所述参考点的第四特征向量,确定所述第二空间特征。
8.根据权利要求7所述的方法,其中,所述利用所述投影点对所述特征图进行采样,以得到所述参考点的第四特征向量包括:
从所述特征图中获取与所述投影点相邻的多个目标像素;
通过在所述多个目标像素各自的第一特征向量之间进行插值,得到所述投影点的第五特征向量;以及
将所述投影点的第五特征向量确定为所述参考点的第四特征向量。
9.根据权利要求7或8所述的方法,其中,所述目标三维空间被划分为多个网格,所述参考点为所述多个网格中的任一网格内的空间点,所述基于所述参考点的第四特征向量,确定所述第二空间特征包括:
对于所述多个网格中的任一网格,基于该网格内的参考点的第四特征向量,确定该网格的第六特征向量;以及
基于所述多个网格各自的第六特征向量,确定所述第二空间特征。
10.根据权利要求9所述的方法,其中,所述网格沿高度方向被划分为多个子网格,所述参考点为所述多个子网格中的任一子网格内的空间点,所述基于该网格内的参考点的第四特征向量,确定该网格的第六特征向量包括:
对于所述多个网格中的任一网格,获取该网格的多个子网格各自的参考点的第四特征向量;
对所述多个子网格各自的参考点的第四特征向量进行聚合,以得到该网格的第六特征向量。
11.根据权利要求1-10中任一项所述的方法,其中,所述基于所述融合空间特征,确定所述待检测图像的三维对象检测结果包括:
将所述融合空间特征输入经训练的解码器,以得到所述解码器输出的所述三维对象检测结果。
12.根据权利要求1-11中任一项所述的方法,其中,所述待检测图像由设置于智能体上的图像采集设备采集,所述目标三维空间根据所述智能体的感兴趣区域确定。
13.根据权利要求1-12中任一项所述的方法,其中,所述待检测图像包括由多个图像采集设备采集的环境图像,所述多个图像采集设备设置于智能体的不同位置。
14.一种三维对象检测装置,包括:
提取模块,被配置为提取待检测图像的特征图;
投影模块,被配置为将所述特征图投影至目标三维空间中,以得到所述目标三维空间的第一空间特征;
采样模块,被配置为基于所述目标三维空间中的参考点在所述特征图中的投影点,对所述特征图进行采样,以得到所述目标三维空间的第二空间特征;
融合模块,被配置为对所述第一空间特征和所述第二空间特征进行融合,以得到融合空间特征;以及
确定模块,被配置为基于所述融合空间特征,确定所述待检测图像的三维对象检测结果。
15.根据权利要求14所述的装置,其中,所述特征图包括多个像素各自的第一特征向量,所述投影模块包括:
第一确定单元,被配置为基于采集所述待检测图像的图像采集设备的参数,确定所述特征图中的每个像素对应的空间点;
第二确定单元,被配置为基于所述像素的第一特征向量,确定所述像素对应的空间点的第二特征向量;以及
第三确定单元,被配置为基于所述多个像素各自对应的空间点的第二特征向量,确定所述第一空间特征。
16.根据权利要求15所述的装置,其中,所述第一确定单元包括:
第一获取子单元,被配置为获取预设的深度值集合,所述深度值集合包括多个深度值;以及
变换子单元,被配置为对于所述多个深度值中的任一深度值,基于所述图像采集设备的参数和该深度值,对所述像素的二维像素坐标进行坐标变换,以确定所述像素对应的空间点的三维坐标。
17.根据权利要求16所述的装置,其中,所述多个深度值通过在所述图像采集设备的视野范围内进行采样得到。
18.根据权利要求15-17中任一项所述的装置,其中,所述目标三维空间被划分为多个网格,所述第三确定单元包括:
第一确定子单元,被配置为对于所述多个网格中的任一网格,基于该网格内的各空间点的第二特征向量,确定该网格的第三特征向量;以及
第二确定子单元,被配置为基于所述多个网格各自的第三特征向量,确定所述第一空间特征。
19.根据权利要求18所述的装置,其中,所述第一确定子单元进一步被配置为:
对该网格内的各空间点的第二特征向量进行聚合,以得到该网格的第三特征向量。
20.根据权利要求14-19中任一项所述的装置,其中,所述特征图包括多个像素各自的第一特征向量,所述采样模块包括:
投影单元,被配置为基于采集所述待检测图像的图像采集设备的参数,将所述参考点投影至所述特征图中,以得到所述参考点对应的投影点;
采样单元,被配置为利用所述投影点对所述特征图进行采样,以得到所述参考点的第四特征向量;以及
第四确定单元,被配置为基于所述参考点的第四特征向量,确定所述第二空间特征。
21.根据权利要求20所述的装置,其中,所述采样单元包括:
第二获取子单元,被配置为从所述特征图中获取与所述投影点相邻的多个目标像素;
插值子单元,被配置为通过在所述多个目标像素各自的第一特征向量之间进行插值,得到所述投影点的第五特征向量;以及
第三确定子单元,被配置为将所述投影点的第五特征向量确定为所述参考点的第四特征向量。
22.根据权利要求20或21所述的装置,其中,所述目标三维空间被划分为多个网格,所述参考点为所述多个网格中的任一网格内的空间点,所述第四确定单元包括:
第四确定子单元,被配置为对于所述多个网格中的任一网格,基于该网格内的参考点的第四特征向量,确定该网格的第六特征向量;以及
第五确定子单元,被配置为基于所述多个网格各自的第六特征向量,确定所述第二空间特征。
23.根据权利要求22所述的装置,其中,所述网格沿高度方向被划分为多个子网格,所述参考点为所述多个子网格中的任一子网格内的空间点,所述第四确定子单元进一步被配置为:
对于所述多个网格中的任一网格,获取该网格的多个子网格各自的参考点的第四特征向量;
对所述多个子网格各自的参考点的第四特征向量进行聚合,以得到该网格的第六特征向量。
24.根据权利要求14-23中任一项所述的装置,其中,所述融合模块进一步被配置为:
将所述融合空间特征输入经训练的解码器,以得到所述解码器输出的所述三维对象检测结果。
25.根据权利要求14-24中任一项所述的装置,其中,所述待检测图像由设置于智能体上的图像采集设备采集,所述目标三维空间根据所述智能体的感兴趣区域确定。
26.根据权利要求14-25中任一项所述的装置,其中,所述待检测图像包括由多个图像采集设备采集的环境图像,所述多个图像采集设备设置于智能体的不同位置。
27.一种电子设备,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1-13中任一项所述的方法。
28.一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1-13中任一项所述的方法。
29.一种计算机程序产品,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1-13中任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311553137.5A CN117542042A (zh) | 2023-11-20 | 2023-11-20 | 三维对象检测方法及装置、电子设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311553137.5A CN117542042A (zh) | 2023-11-20 | 2023-11-20 | 三维对象检测方法及装置、电子设备和存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117542042A true CN117542042A (zh) | 2024-02-09 |
Family
ID=89783840
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311553137.5A Pending CN117542042A (zh) | 2023-11-20 | 2023-11-20 | 三维对象检测方法及装置、电子设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117542042A (zh) |
-
2023
- 2023-11-20 CN CN202311553137.5A patent/CN117542042A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10817731B2 (en) | Image-based pedestrian detection | |
US11482014B2 (en) | 3D auto-labeling with structural and physical constraints | |
CN113887400B (zh) | 障碍物检测方法、模型训练方法、装置及自动驾驶车辆 | |
CN114758502B (zh) | 双车联合轨迹预测方法及装置、电子设备和自动驾驶车辆 | |
CN115019060A (zh) | 目标识别方法、目标识别模型的训练方法及装置 | |
CN114047760B (zh) | 路径规划方法、装置、电子设备及自动驾驶车辆 | |
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 | |
CN116776151A (zh) | 可与车外人员进行自主交互的自动驾驶模型和训练方法 | |
CN113378605A (zh) | 多源信息融合方法及装置、电子设备和存储介质 | |
CN116880462A (zh) | 自动驾驶模型、训练方法和自动驾驶方法和车辆 | |
CN115240168A (zh) | 感知结果获取方法、装置、计算机设备、存储介质 | |
CN117542042A (zh) | 三维对象检测方法及装置、电子设备和存储介质 | |
CN115019278B (zh) | 一种车道线拟合方法、装置、电子设备和介质 | |
CN117315402A (zh) | 三维对象检测模型的训练方法及三维对象检测方法 | |
US20230024799A1 (en) | Method, system and computer program product for the automated locating of a vehicle | |
CN116311943B (zh) | 交叉路口的平均延误时间的估算方法及装置 | |
CN114333368B (zh) | 语音提醒方法、装置、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 | |
CN116991157A (zh) | 具备人类专家驾驶能力的自动驾驶模型、训练方法和车辆 | |
CN116466685A (zh) | 针对自动驾驶感知算法的评测方法及装置、设备和介质 | |
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 | |
CN116580367A (zh) | 数据处理方法、装置、电子设备和存储介质 | |
CN117710939A (zh) | 信号灯检测方法、装置、系统及自动驾驶车辆 | |
CN117555911A (zh) | 训练模型和检测路面要素变更的方法和装置 |
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 |