目标检测方法、装置和车辆与流程

本公开涉及自动驾驶、图像处理，尤其涉及一种目标检测方法、装置、车辆和存储介质。

背景技术：

1、目前，随着人工智能技术的不断发展，自动驾驶在车辆领域得到了广泛应用，具有自动化程度高、智能化高等优点，比如，自动驾驶模型可进行目标检测，比如障碍物检测等。相关技术中的自动驾驶车辆，存在目标检测的准确性低的问题。

技术实现思路

1、本公开提供一种目标检测方法、装置、车辆、计算机可读存储介质，以至少解决相关技术中自动驾驶车辆存在目标检测的准确性低的问题。本公开的技术方案如下：

2、根据本公开实施例的第一方面，提供一种目标检测方法，包括：获取待检测区域的点云特征集，其中，所述待检测区域处于第一设定空间，所述点云特征集包括多个第一点云特征；对所述点云特征集进行体素化处理，得到n个体素数据集，其中，所述体素数据集与体素空间一一对应，所述体素数据集为所述点云特征集的子集，n为正整数；基于第i个体素数据集对应的第i个体素空间的第一位置，得到所述第i个体素空间在第二设定空间下的第二位置，其中，i为正整数，1≤i≤n；基于所述第i个体素数据集中的每个第一点云特征，确定所述第i个体素空间的第二位置下的目标特征；基于所述目标特征，对所述待检测区域进行目标检测。

3、在本公开的一个实施例中，所述基于所述第i个体素数据集中的每个第一点云特征，确定所述第i个体素空间的第二位置下的目标特征，包括：对所述第i个体素数据集中的第一点云特征进行数据预处理，得到第二点云特征；将所述第二点云特征添加到第i个第一数据集；基于所述第i个第一数据集中的每个第二点云特征，确定所述第i个体素空间的第二位置下的目标特征。

4、在本公开的一个实施例中，所述基于所述第i个第一数据集中的每个第二点云特征，确定所述第i个体素空间的第二位置下的目标特征，包括：获取所述第i个第一数据集中的多个第二点云特征在任一特征维度下的最大值；对每个特征维度下的最大值进行组合，生成所述第i个体素空间的第二位置下的目标特征。

5、在本公开的一个实施例中，所述基于所述目标特征，对所述待检测区域进行目标检测，包括：识别多个目标体素空间的第二位置相同；对多个所述目标体素空间的第二位置下的目标特征进行拼接，生成第二位置下的拼接特征；基于所述拼接特征，对所述待检测区域进行目标检测。

6、在本公开的一个实施例中，所述基于第i个体素数据集对应的第i个体素空间的第一位置，得到所述第i个体素空间在第二设定空间下的第二位置，包括：建立n个数据处理任务，其中，第i个数据处理任务携带所述第i个体素空间的第一位置；将n个所述数据处理任务分配到多个线程，其中，多个线程之间为并行关系；在任一线程中，从分配到的数据处理任务中提取出所述第i个体素空间的第一位置，并基于所述第i个体素空间的第一位置，得到所述第i个体素空间的第二位置。

7、在本公开的一个实施例中，所述第i个数据处理任务还携带所述第i个体素数据集中的每个第一点云特征，所述基于所述第i个体素数据集中的每个第一点云特征，确定所述第i个体素空间的第二位置下的目标特征，包括：在任一线程中，在得到所述第i个体素空间的第二位置之后，从分配到的数据处理任务中提取出所述第i个体素数据集中的每个第一点云特征，并基于所述第i个体素数据集中的每个第一点云特征，确定所述第i个体素空间的第二位置下的目标特征。

8、在本公开的一个实施例中，所述基于第i个体素数据集对应的第i个体素空间的第一位置，得到所述第i个体素空间在第二设定空间下的第二位置，包括：将所述第i个体素空间的第一位置输入目标检测模型中的融合算子中，由所述融合算子得到所述第i个体素空间的第二位置；所述基于所述第i个体素数据集中的每个第一点云特征，确定所述第i个体素空间的第二位置下的目标特征，包括：将所述第i个体素数据集中的每个第一点云特征输入所述融合算子中，由所述融合算子得到所述第i个体素空间的第二位置下的目标特征；其中，所述融合算子是基于多个算子进行融合处理得到的。

9、在本公开的一个实施例中，所述对所述点云特征集进行体素化处理，得到n个体素数据集，包括：对所述第一设定空间进行划分，得到多个体素空间；确定所述点云特征集中的第一点云特征处于的体素空间；将同一体素空间中的每个第一点云特征划分到同一体素数据集。

10、根据本公开实施例的第二方面，提供一种目标检测装置，包括：第一获取模块，被配置为执行获取待检测区域的点云特征集，其中，所述待检测区域处于第一设定空间，所述点云特征集包括多个第一点云特征；处理模块，被配置为执行对所述点云特征集进行体素化处理，得到n个体素数据集，其中，所述体素数据集与体素空间一一对应，所述体素数据集为所述点云特征集的子集，n为正整数；第二获取模块，被配置为执行基于第i个体素数据集对应的第i个体素空间的第一位置，得到所述第i个体素空间在第二设定空间下的第二位置，其中，i为正整数，1≤i≤n；确定模块，被配置为执行基于所述第i个体素数据集中的每个第一点云特征，确定所述第i个体素空间的第二位置下的目标特征；检测模块，被配置为执行基于所述目标特征，对所述待检测区域进行目标检测。

11、在本公开的一个实施例中，所述确定模块，还被配置为执行：对所述第i个体素数据集中的第一点云特征进行数据预处理，得到第二点云特征；将所述第二点云特征添加到第i个第一数据集；基于所述第i个第一数据集中的每个第二点云特征，确定所述第i个体素空间的第二位置下的目标特征。

12、在本公开的一个实施例中，所述确定模块，还被配置为执行：获取所述第i个第一数据集中的多个第二点云特征在任一特征维度下的最大值；对每个特征维度下的最大值进行组合，生成所述第i个体素空间的第二位置下的目标特征。

13、在本公开的一个实施例中，所述检测模块，还被配置为执行：识别多个目标体素空间的第二位置相同；对多个所述目标体素空间的第二位置下的目标特征进行拼接，生成第二位置下的拼接特征；基于所述拼接特征，对所述待检测区域进行目标检测。

14、在本公开的一个实施例中，所述第二获取模块，还被配置为执行：建立n个数据处理任务，其中，第i个数据处理任务携带所述第i个体素空间的第一位置；将n个所述数据处理任务分配到多个线程，其中，多个线程之间为并行关系；在任一线程中，从分配到的数据处理任务中提取出所述第i个体素空间的第一位置，并基于所述第i个体素空间的第一位置，得到所述第i个体素空间的第二位置。

15、在本公开的一个实施例中，所述第i个数据处理任务还携带所述第i个体素数据集中的每个第一点云特征，所述确定模块，还被配置为执行：在任一线程中，在得到所述第i个体素空间的第二位置之后，从分配到的数据处理任务中提取出所述第i个体素数据集中的每个第一点云特征，并基于所述第i个体素数据集中的每个第一点云特征，确定所述第i个体素空间的第二位置下的目标特征。

16、在本公开的一个实施例中，所述第二获取模块，还被配置为执行：将所述第i个体素空间的第一位置输入目标检测模型中的融合算子中，由所述融合算子得到所述第i个体素空间的第二位置；所述确定模块，还被配置为执行：将所述第i个体素数据集中的每个第一点云特征输入所述融合算子中，由所述融合算子得到所述第i个体素空间的第二位置下的目标特征；其中，所述融合算子是基于多个算子进行融合处理得到的。

17、在本公开的一个实施例中，所述处理模块，还被配置为执行：对所述第一设定空间进行划分，得到多个体素空间；确定所述点云特征集中的第一点云特征处于的体素空间；将同一体素空间中的每个第一点云特征划分到同一体素数据集。

18、根据本公开实施例的第三方面，提供一种车辆，包括处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为实现本公开实施例第一方面所述方法的步骤。

19、根据本公开实施例的第四方面，提供一种计算机可读存储介质，其上存储有计算机程序指令，该程序指令被处理器执行时实现本公开实施例第一方面所述方法的步骤。

20、本公开的实施例提供的技术方案至少带来以下有益效果：获取待检测区域的点云特征集，对点云特征集进行体素化处理，得到n个体素数据集，基于第i个体素数据集对应的第i个体素空间的第一位置，得到第i个体素空间在第二设定空间下的第二位置，基于第i个体素数据集中的每个第一点云特征，确定第i个体素空间的第二位置下的目标特征，基于目标特征，对待检测区域进行目标检测。由此，可考虑到第i个体素空间的第一位置，得到第i个体素空间的第二位置，并考虑到第i个体素数据集中的每个第一点云特征，确定第i个体素空间的第二位置下的目标特征，有助于提升目标特征的准确性，进而提升目标检测的准确性，适用于自动驾驶车辆的目标检测场景。

21、应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。