目标检测方法、目标检测模型的训练方法及装置与流程

本公开涉及人工智能，尤其涉及自动驾驶、计算机视觉等，具体涉及一种目标检测方法、目标检测模型的训练方法及装置。

背景技术：

1、随着人工智能技术在自动驾驶、计算机视觉等技术领域的深入应用，基于目标检测模型可以对自动驾驶车辆周围区域内的障碍物的类别和位置进行检测，以驱动自动驾驶车辆根据周围区域的驾驶环境输出驾驶策略，实现自动驾驶。

2、实际应用场景中的驾驶环境内的障碍物类别众多，为提高自动驾驶的安全性，需要对不同类别的障碍物的位置进行准确检测，尤其是小目标的障碍物，例如：行人、锥筒等。

技术实现思路

1、本公开提供了一种目标检测方法、目标检测模型的训练方法及装置。

2、根据本公开的一方面，提供了一种目标检测方法，包括：对待处理图像的图像特征进行检测，得到目标对象的二维位置和消失点的位置；其中，二维位置表征目标对象在图像坐标系中的位置；消失点的位置用于表征目标对象在图像坐标系中的位置与目标对象在车辆坐标系的位置之间的与待处理图像的采集时刻对应的映射关系；根据消失点的位置，更新初始映射关系得到目标映射关系，其中，初始映射关系表征目标对象在图像坐标系中的位置与目标对象在车辆坐标系的位置之间的预定映射关系；以及基于目标映射关系，对二维位置进行处理，得到目标对象在车辆坐标系中的三维位置。

3、根据本公开的另一方面，提供了一种目标检测模型的训练方法，包括：利用初始模型对样本图像特征的样本图像特征进行检测，得到样本对象的二维位置、样本对象的类别和样本消失点的位置；其中，样本对象的二维位置表征样本对象在样本图像坐标系中的位置；样本消失点的位置用于表征样本对象在样本图像坐标系中的位置与样本对象在样本车辆坐标系中的位置之间的与样本图像的采集时刻对应的映射关系；基于目标损失函数，根据样本对象的二维位置、样本对象的类别、样本消失点的位置与样本标签，得到损失值；以及基于损失值，调整初始模型的模型参数，得到经训练的目标检测模型。

4、根据本公开的一方面，提供了一种目标检测装置，包括：第一检测模块、更新模块和处理模块。第一检测模块，用于对待处理图像的图像特征进行检测，得到目标对象的二维位置和消失点的位置；其中，二维位置表征目标对象在图像坐标系中的位置；消失点的位置用于表征目标对象在图像坐标系中的位置与目标对象在车辆坐标系的位置之间的与待处理图像的采集时刻对应的映射关系。更新模块，用于根据消失点的位置，更新初始映射关系得到目标映射关系，其中，初始映射关系是根据图像采集设备的属性参数、图像采集设备的位姿参数和图像采集设备在目标车辆上的安装位置构建的。处理模块，用于基于目标映射关系，对二维位置进行处理，得到目标对象在车辆坐标系中的三维位置。

5、根据本公开的另一方面，提供了一种目标检测模型的训练装置，包括：第二检测模块、损失计算模块和调整模块。第二检测模块，用于利用初始模型对样本图像特征的样本图像特征进行检测，得到样本对象的二维位置、样本对象的类别和样本消失点的位置；其中，样本对象的二维位置表征样本对象在样本图像坐标系中的位置；样本消失点的位置用于表征样本对象在样本图像坐标系中的位置与样本对象在样本车辆坐标系中的位置之间的与样本图像的采集时刻对应的映射关系。损失计算模块，用于基于目标损失函数，根据样本对象的二维位置、样本对象的类别、样本消失点的位置与样本标签，得到损失值。调整模块，用于基于损失值，调整初始模型的模型参数，得到经训练的目标检测模型。

6、根据本公开的另一方面，提供了一种电子设备，包括：至少一个处理器；以及与上述至少一个处理器通信连接的存储器；其中，上述存储器存储有可被上述至少一个处理器执行的指令，上述指令被上述至少一个处理器执行，以使上述至少一个处理器能够执行如前文描述的方法。

7、根据本公开的另一方面，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，上述计算机指令用于使上述计算机执行如前文描述的方法。

8、根据本公开的另一方面，提供了一种计算机程序产品，包括计算机程序，上述计算机程序在被处理器执行时实现如前文描述的方法。

9、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。

技术特征：

1.一种目标检测方法，包括：

2.根据权利要求1所述的方法，其中，所述初始映射关系是根据所述图像采集设备的属性参数、所述图像采集设备的位姿参数和所述图像采集设备在所述目标车辆上的安装位置构建的；

3.根据权利要求2所述的方法，其中，所述位姿参数包括俯仰角参数，所述属性参数包括：中心点沿竖直方向的偏移参数和竖直方向的焦距参数；所述消失点的位置包括所述消失点在所述图像坐标系中的纵坐标；

4.根据权利要求1所述的方法，其中，所述基于所述目标映射关系，对所述二维位置进行处理，得到所述目标对象在所述车辆坐标系中的三维位置，包括：

5.根据权利要求4所述的方法，其中，所述基于所述目标逆透视矩阵，将所述二维位置映射到所述车辆坐标系中，得到所述三维位置，包括：

6.根据权利要求1所述的方法，其中，所述对所述图像特征进行检测，得到所述目标对象的二维位置和消失点的位置，包括：

7.一种目标检测模型的训练方法，包括：

8.根据权利要求7所述的方法，其中，所述初始模型包括位置检测模块、类别检测模块和消失点检测模块；

9.根据权利要求8所述的方法，其中，所述样本标签包括样本对象的位置标签、样本类别标签和样本消失点的位置标签；所述目标损失函数包括第一损失函数、第二损失函数和第三损失函数；所述基于目标损失函数，根据所述样本对象的二维位置、样本对象的类别、所述样本消失点的位置与样本标签，得到损失值，包括：

10.一种目标检测装置，包括：

11.根据权利要求10所述的装置，其中，所述初始映射关系是根据所述图像采集设备的属性参数、所述图像采集设备的位姿参数和所述图像采集设备在所述目标车辆上的安装位置构建的；所述更新模块包括：

12.根据权利要求11所述的装置，其中，所述位姿参数包括俯仰角参数，所述属性参数包括：中心点沿竖直方向的偏移参数和竖直方向的焦距参数；所述消失点的位置包括所述消失点在所述图像坐标系中的纵坐标；所述第一获得子模块包括：

13.根据权利要求10所述的装置，其中，所述处理模块包括：

14.根据权利要求13所述的装置，其中，所述处理子模块包括：

15.根据权利要求10所述的装置，其中，所述第一检测模块包括：

16.一种目标检测模型的训练装置，包括：

17.根据权利要求16所述的装置，其中，所述初始模型包括位置检测模块、类别检测模块和消失点检测模块，所述第二检测模块，包括：

18.根据权利要求17所述的装置，其中，所述样本标签包括样本对象的位置标签、样本类别标签和样本消失点的位置标签；所述目标损失函数包括第一损失函数、第二损失函数和第三损失函数；所述损失计算模块包括：

19.一种电子设备，包括：

20.一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根据权利要求1-9中任一项所述的方法。

21.一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现根据权利要求1-9中任一项所述的方法。

技术总结
本公开提供了目标检测方法、目标检测模型的训练方法及装置，涉及人工智能技术领域，尤其涉及自动驾驶、计算机视觉等技术领域。该目标检测方法的具体实现方案为：对待处理图像的图像特征进行检测，得到目标对象的二维位置和消失点的位置；二维位置表征目标对象在图像坐标系中的位置；消失点的位置用于表征目标对象在图像坐标系中的位置与目标对象在车辆坐标系的位置之间的与待处理图像的采集时刻对应的映射关系；根据消失点的位置，更新初始映射关系得到目标映射关系；以及基于目标映射关系，对二维位置进行处理，得到目标对象在车辆坐标系中的三维位置。

技术研发人员：江铖,孙弋淼,田野
受保护的技术使用者：阿波罗智联（北京）科技有限公司
技术研发日：
技术公布日：2024/3/21