目标检测方法、计算机设备、计算机可读存储介质及车辆与流程

1.本发明涉及自动驾驶技术领域，具体提供一种目标检测方法、计算机设备、计算机可读存储介质及车辆。


背景技术：

2.为了保证车辆的行驶安全，在车辆行驶过程中通常要对行驶环境中的车辆或行人等目标进行检测，进而根据这些目标的位置控制车辆与这些目标保持一定的安全距离。然而，目前常规的目标检测方法仅适用于近距离目标的检测，无法对远距离目标进行快速与准确的检测。车辆在高速行驶时对安全距离的要求会更远，如果不能及时且精准地检测出远距离的目标，就无法保证足够的安全距离，从而增加车辆的行驶风险。
3.相应地，本领域需要一种新的技术方案来解决上述问题。


技术实现要素：

4.为了克服上述缺陷，提出了本发明，以提供解决或至少部分地解决如何及时且精准地对远距离目标进行检测的技术问题的目标检测方法、计算机设备、计算机可读存储介质及车辆。
5.在第一方面，本发明提供一种目标检测方法，所述方法包括：
6.对车辆行驶环境内三维点云的点云空间进行栅格化处理形成多个三维的点云栅格，将包含三维点云的点云栅格作为目标点云栅格；
7.根据每个所述目标点云栅格的稀疏度，确定每个所述目标点云栅格各自对应的卷积空洞率，所述卷积空洞率与所述稀疏度成正相关关系；
8.根据所述卷积空洞率对稀疏卷积进行空洞处理，形成空洞稀疏卷积；
9.通过所述空洞稀疏卷积提取相应目标点云栅格的点云栅格特征；
10.采用注意力机制对所述点云栅格特征进行加权，以获取全局点云特征；
11.根据所述全局点云特征进行目标检测。
12.在上述目标检测方法的一个技术方案中，在“根据每个所述目标点云栅格的稀疏度，确定每个所述目标点云栅格各自对应的卷积空洞率”的步骤之前，所述方法还包括通过下列方式确定每个所述目标点云栅格的稀疏度：
13.获取在预设的邻域范围内与当前目标点云栅格相邻的点云栅格；
14.确定所述相邻的点云栅格中目标点云栅格的栅格数量；
15.根据所述栅格数量确定当前目标点云栅格的稀疏度。
16.在上述目标检测方法的一个技术方案中，“根据每个所述目标点云栅格的稀疏度，确定每个所述目标点云栅格各自对应的卷积空洞率”的步骤具体包括根据当前目标点云栅格的稀疏度并通过下列公式确定当前目标点云栅格对应的卷积空洞率：
[0017][0018]
其中，dr表示卷积空洞率，n表示所述相邻的点云栅格的栅格数量，m表示所述相邻的点云栅格中目标点云栅格的栅格数量，表示稀疏度，s1和s2表示预设的超参数，表示向上取整运算。
[0019]
在上述目标检测方法的一个技术方案中，“采用注意力机制对所述点云栅格特征进行加权，以获取全局点云特征”的步骤具体包括：
[0020]
对车辆行驶环境内三维点云的点云空间再次进行栅格化处理形成多个三维的超栅格，其中，所述超栅格包括多个所述点云栅格；
[0021]
针对每个所述超栅格，采用注意力机制分别对所述超栅格内每个点云栅格的点云栅格特征进行加权，得到每个点云栅格的第一注意力加权特征，根据所述第一注意力加权特征确定所述超栅格的超栅格特征；
[0022]
采用注意力机制分别对所述超栅格的超栅格特征进行加权，得到每个所述超栅格的第二注意力加权特征；
[0023]
根据每个所述点云栅格的第一注意力加权特征与每个所述点云栅格所属超栅格特征的第二注意力加权特征，获取所述全局点云特征。
[0024]
在上述目标检测方法的一个技术方案中，“根据每个所述点云栅格的第一注意力加权特征与每个所述点云栅格所属超栅格特征的第二注意力加权特征，获取所述全局点云特征”的步骤具体包括：
[0025]
对每个所述点云栅格的第一注意力加权特征与每个所述点云栅格所属超栅格特征的第二注意力加权特征进行特征拼接，根据特征拼接的结果获取所述全局点云特征；
[0026]
或者，
[0027]
对每个所述点云栅格的第一注意力加权特征、每个所述点云栅格所属超栅格特征的超栅格特征和第二注意力加权特征进行特征拼接，根据特征拼接的结果获取所述全局点云特征。
[0028]
在上述目标检测方法的一个技术方案中，“根据所述第一注意力加权特征确定所述超栅格的超栅格特征”的步骤具体包括：
[0029]
对所述超栅格内每个点云栅格的第一注意力加权特征进行平均处理得到均值特征，将所述均值特征作为所述点云超栅格的超栅格特征。
[0030]
在上述目标检测方法的一个技术方案中，在“对车辆行驶环境内三维点云的点云空间进行栅格化处理形成多个三维的点云栅格”的步骤之前，所述方法还包括：
[0031]
通过远距离环境感知设备获取所述车辆行驶环境内的三维点云。
[0032]
在第二方面，提供一种计算机设备，该计算机设备包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述目标检测方法的技术方案中任一项技术方案所述的目标检测方法。
[0033]
在第三方面，提供一种计算机可读存储介质，该计算机可读存储介质其中存储有
多条程序代码，所述程序代码适于由处理器加载并运行以执行上述目标检测方法的技术方案中任一项技术方案所述的目标检测方法。
[0034]
在第四方面，提供一种车辆，所述车辆包括上述计算机设备技术方案所述的计算机设备。
[0035]
本发明上述一个或多个技术方案，至少具有如下一种或多种有益效果：
[0036]
在实施本发明的技术方案中，可以对车辆行驶环境内三维点云的点云空间进行栅格化处理形成多个三维的点云栅格，将包含三维点云的点云栅格作为目标点云栅格。在确定好目标点云栅格之后，根据每个目标点云栅格的稀疏度，确定每个目标点云栅格各自对应的卷积空洞率，卷积空洞率与稀疏度成正相关关系；根据卷积空洞率对稀疏卷积进行空洞处理，形成空洞稀疏卷积；通过空洞稀疏卷积提取相应目标点云栅格的点云栅格特征。最后，采用注意力机制对点云栅格特征进行加权，以获取全局点云特征，根据全局点云特征进行目标检测。
[0037]
通过上述实施方式，无论是远距离目标还是近距离目标，都能够提取到丰富的特征进行目标检测，提高了目标检测的准确性。另外，通过稀疏卷积提取到的点云栅格特征是稀疏的，利用这种稀疏的点云栅格特征进行目标检测，可以显著减少计算量，进而缩减目标检测的检测时间。
[0038]
进一步，在实施本发明的技术方案中，在采用注意力机制对点云栅格特征进行加权，获取全局点云特征时可以对车辆行驶环境内三维点云的点云空间再次进行栅格化处理形成多个三维的超栅格，超栅格包括多个点云栅格；针对每个超栅格，采用注意力机制分别对超栅格内每个点云栅格的点云栅格特征进行加权，得到每个点云栅格的第一注意力加权特征，根据第一注意力加权特征确定超栅格的超栅格特征；采用注意力机制分别对超栅格的超栅格特征进行加权，得到每个超栅格的第二注意力加权特征；根据每个点云栅格的第一注意力加权特征与每个点云栅格所属超栅格特征的第二注意力加权特征，获取全局点云特征。
[0039]
通过上述实施方式获取到的全局点云特征融合了点云栅格特征在超栅格这一局部区域的全局特征以及点云栅格特征在整个点云空间的全局特征，这样在根据全局点云特征进行目标检测时能够考虑到不同层次的全局特征，进一步提高目标检测的准确性。
附图说明
[0040]
参照附图，本发明的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本发明的保护范围组成限制。其中：
[0041]
图1是根据本发明的一个实施例的目标检测方法的主要步骤流程示意图；
[0042]
图2是根据本发明的一个实施例的确定目标点云栅格对应的卷积空洞率的方法的主要步骤流程示意图；
[0043]
图3是根据本发明的一个实施例的采用注意力机制对点云栅格特征进行加权，获取全局点云特征的方法的主要步骤流程示意图。
具体实施方式
[0044]
下面参照附图来描述本发明的一些实施方式。本领域技术人员应当理解的是，这
些实施方式仅仅用于解释本发明的技术原理，并非旨在限制本发明的保护范围。
[0045]
在本发明的描述中，“处理器”可以包括硬件、软件或者两者的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。计算机可读存储介质包括任何合适的可存储程序代码的介质，比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。
[0046]
参阅附图1，图1是根据本发明的一个实施例的目标检测方法的主要步骤流程示意图。如图1所示，本发明实施例中的目标检测方法主要包括下列步骤s101至步骤s106。
[0047]
步骤s101：对车辆行驶环境内三维点云的点云空间进行栅格化处理形成多个三维的点云栅格，将包含三维点云的点云栅格作为目标点云栅格。
[0048]
三维点云是指根据车辆行驶环境中的环境点在接收到车辆向其发送的电磁波之后向车辆反射回去的回波信号，确定出来的三维数据，该三维数据包含了环境点在三维坐标系的坐标。在本发明实施例中车辆可以通过雷达(radar)等环境感知设备向行驶环境中的环境点发送电磁波，其中，雷达包括但不限于毫米波雷达(millimeter-wave radar)和激光雷达(laser radar)。在一些实施方式中可以通过远距离环境感知设备获取车辆行驶环境内的三维点云，通过远距离环境感知设备可以采集较远范围内的三维点云，从而可以实现对远距离目标的检测。在一个优选实施方式中可以采用激光雷达作为远距离环境感知设备，通过激光雷达获取车辆行驶环境内的三维点云。
[0049]
点云空间是指由三维点云的点云坐标系形成的三维空间，按照点云坐标系中x、y和z轴三个维度对点云空间进行划分，形成多个三维的点云栅格，一个点云栅格就是点云空间的一个体素(volume pixel)。
[0050]
步骤s102：根据每个目标点云栅格的稀疏度，确定每个目标点云栅格各自对应的卷积空洞率(dilated rate)，卷积空洞率与稀疏度成正相关关系。
[0051]
稀疏度表示目标点云栅格周围其他目标点云栅格的分布情况。如果周围其他目标点云栅格的数量越多，则稀疏度越小；如果周围其他目标点云栅格的数量越少，则稀疏度越大。
[0052]
卷积空洞率与稀疏度成正相关关系是指稀疏度越大则卷积空洞率越大，稀疏度越小则卷积空洞率越小。
[0053]
稀疏度越小表明目标点云栅格周围存在的三维点云越多(周围其他目标点云栅格多，因而三维点云多)，使用较小的空洞率对稀疏卷积进行空洞处理，可以通过空洞稀疏卷积提取较为丰富的局部细节特征；稀疏度越大表明目标点云栅格周围存在的三维点云越少(周围其他目标点云栅格少，因而三维点云少)，使用较大的空洞率对稀疏卷积进行空洞处理，可以通过空洞稀疏卷积提取距离当前目标点云栅格较远的三维点云的特征来丰富当前目标点云栅格的特征。通过这种方式，无论是远距离目标还是近距离目标，都能够提取到丰富的特征进行目标检测，提高了目标检测的准确性。
[0054]
步骤s103：根据卷积空洞率对稀疏卷积进行空洞(dilate)处理，形成空洞稀疏卷积。
[0055]
在本实施例中可以采用卷积技术领域中常规的空洞处理方法使用步骤s102确定好的卷积空洞率对稀疏卷积进行空洞处理，本发明实施例不对空洞处理的方法进行具体限
定，只要能够根据卷积空洞率对稀疏卷积进行空洞处理，形成空洞稀疏卷积即可。
[0056]
步骤s104：通过空洞稀疏卷积提取相应目标点云栅格的点云栅格特征。
[0057]
在本实施例中可以将目标点云栅格的点云数据输入至空洞稀疏卷积，通过空洞稀疏卷积对输入的点云数据进行卷积操作，就可以得到点云栅格特征。在包含多层稀疏卷积的情况下，对于首层稀疏卷积而言，输入的点云数据是点云栅格的初始点云栅格特征；对于非首层稀疏卷积而言，输入的点云数据是前一层稀疏卷积的输出数据。
[0058]
其中，在步骤s101中对车辆行驶环境内三维点云的点云空间进行栅格化处理形成多个三维的点云栅格时，可以计算每个点云栅格内三维点云的坐标均值，将坐标均值作为每个点云栅格的初始点云栅格特征。
[0059]
需要说明的是，在包含多层稀疏卷积的情况下，对于每一层稀疏卷积都可以按照步骤s102至步骤s103所述的方法进行空洞处理，形成空洞稀疏卷积。而在另一些实施方式中，也可以对一部分稀疏卷积按照步骤s102至步骤s103所述的方法进行空洞处理，形成空洞稀疏卷积。本领域技术人员可以根据实际需求灵活选择进行空洞处理的稀疏卷积，本发明实施例对此不进行具体限定。
[0060]
步骤s105：采用注意力机制(attention mechanism)对点云栅格特征进行加权，以获取全局点云特征。
[0061]
在本实施例中可以采用全局注意力机制(global attention mechanism)算法对点云栅格特征进行加权，以全局点云特征。
[0062]
采用注意力机制对点云栅格特征进行加权，获取到的全局点云特征实现了对点云栅格特征的全局信息融合，因而在根据全局点云特征进行目标检测能够进一步提高目标检测的准确性。
[0063]
步骤s106：根据全局点云特征进行目标检测。
[0064]
在本实施例中目标至少包括行人、机动车和非机动车等。本领域技术人员可以根据实际需求灵活设置要检测的目标类型。
[0065]
基于上述步骤s101至步骤s106所述的方法，无论是远距离目标还是近距离目标，都能够提取到丰富的特征进行目标检测，提高了目标检测的准确性。同时，利用稀疏卷积进行目标检测，可以显著减少计算量，进而缩减目标检测的检测时间，提供检测效率。
[0066]
下面对上述步骤s102和步骤s105作进一步说明。
[0067]
由于稀疏度表示目标点云栅格周围其他目标点云栅格的分布情况，因而可以根据目标点云栅格周围其他目标点云栅格的数量来确定稀疏度的大小。具体而言，参阅附图2，在上述步骤s102的一些实施方式中，可以通过下列步骤s1021至步骤s1024确定目标点云栅格的稀疏度。
[0068]
步骤s1021：获取在预设的邻域范围内与当前目标点云栅格相邻的点云栅格。
[0069]
预设的邻域范围是指在点云空间内，以当前目标点云栅格为中心的一定范围。由于稀疏度表示目标点云栅格周围其他目标点云栅格的分布情况，预设的邻域范围的大小会直接影响稀疏度的确定是否准确。
[0070]
在一些优选实施方式中，可以根据稀疏卷积的感受野(receptive field)来确定预设的邻域范围的大小。如果在邻域范围内目标点云栅格的稀疏度较小，表明在稀疏卷积的感受野内存在较多的点云特征，不需要使用较大的卷积空洞率对感受野进行扩大，就可
以提取到丰富的特征；如果在邻域范围内目标点云栅格的稀疏度较大，表明在稀疏卷积的感受野内存在较少的点云特征，需要使用较大的卷积空洞率对感受野进行扩大，才能提取到丰富的特征。由于卷积核尺寸可以表示稀疏卷积的感受野的大小，因而在本实施方式中，可以根据稀疏卷积的卷积核尺寸来确定邻域范围的大小。具体地，如果稀疏卷积的卷积核尺寸是d
×d×
d，那么预设的邻域范围是由d
×d×
d个点云栅格形成的立体空间范围，d＞1。对于位于这个立体空间范围中心处于的点云栅格而言，立体空间范围内其他的d
×d×
d-1个点云栅格都是与其相邻的点云栅格。例如，稀疏卷积的卷积核尺寸是3
×3×
3，在由3
×3×
3个点云栅格形成的立体空间范围，对于位于这个立体空间范围中心处于的点云栅格而言，其他26个点云栅格是与其相邻的栅格。
[0071]
根据稀疏卷积的感受野确定预设的邻域范围，能够更加准确的评估目标点云栅格的稀疏度，进而提高利用稀疏度确定卷积空洞率的准确性。
[0072]
步骤s1022：确定相邻的点云栅格中目标点云栅格的栅格数量。
[0073]
步骤s1023：根据栅格数量确定当前目标点云栅格的稀疏度。
[0074]
稀疏度与上述栅格数量成负相关关系，如果栅格数量越多，则稀疏度越小，如果栅格数量越少，则稀疏度越大。具体地，在一些实施方式中可以通过下列公式(1)计算稀疏度s
p
。
[0075][0076]
在公式(1)中，n表示与当前目标点云栅格相邻的点云栅格的总数，m表示相邻的点云栅格中目标点云栅格的栅格数量。
[0077]
步骤s1024：根据每个目标点云栅格的稀疏度，确定每个目标点云栅格各自对应的卷积空洞率。
[0078]
卷积空洞率与稀疏度成正相关关系是指稀疏度越大则卷积空洞率越大，稀疏度越小则卷积空洞率越小。具体地，在一些实施方式中，可以通过下列公式(2)确定目标点云栅格对应的卷积空洞率。
[0079][0080]
在公式(2)中，dr表示卷积空洞率，n表示相邻的点云栅格的栅格数量，m表示相邻的点云栅格中目标点云栅格的栅格数量，表示稀疏度，s1和s2表示预设的超参数，表示向上取整运算。需要说明的是，本领域技术人员可以根据实际需求分别灵活设置预设的超参数s1和s2的具体数值，s1和s2的数值可以相等，也可以不相等。例如，在一些优选实施方式中预设的超参数s1＝1，s2＝1。
[0081]
通过上述步骤s1021至步骤s1024，能够准确得出每个目标点云栅格的稀疏度，进而能够准确确定出每个目标点云栅格对应的卷积空洞率。
[0082]
以上是对步骤s102的进一步说明，下面继续对步骤s105进行说明。
[0083]
在上述步骤s105的一些实施方式中，可以采用多层次的注意力机制对点云栅格特征进行加权，使得获取到的全局点云特征能够同时融合点云栅格特征在超栅格这一局部区
域的全局特征以及点云栅格特征在整个点云空间的全局特征，这样在根据全局点云特征进行目标检测时能够考虑到不同层次的全局特征，提高目标检测的准确性。具体而言，参阅附图3，在本实施方式中可以通过下列步骤s1051至步骤s1055对点云栅格特征进行加权，以获取全局点云特征。
[0084]
步骤s1051：对车辆行驶环境内三维点云的点云空间再次进行栅格化处理形成多个三维的超栅格，其中，超栅格包括多个点云栅格。
[0085]
在本实施例中再次对点云空间进行栅格化处理的方法与前述步骤s101中对点云空间进行栅格化处理的方法类似，区别主要在于经步骤s1051进行栅格化处理形成的超栅格的尺寸要大于步骤s101进行栅格化处理形成的点云栅格的尺寸。
[0086]
步骤s1052：针对每个超栅格，采用注意力机制分别对超栅格内每个点云栅格的点云栅格特征进行加权，得到每个点云栅格的第一注意力加权特征。
[0087]
在本实施例中可以采用全局注意力机制算法对点云栅格特征进行加权，得到第一注意力加权特征。
[0088]
步骤s1053：根据第一注意力加权特征确定超栅格的超栅格特征。
[0089]
由于每个超栅格都包括多个点云栅格，在确定出每个点云栅格的第一注意力加权特征之后，就可以根据超栅格内点云栅格的第一注意力加权特征来确定出超栅格的超栅格特征。在一些优选实施方式中，可以对超栅格内每个点云栅格的第一注意力加权特征进行平均处理得到均值特征，将均值特征作为点云超栅格的超栅格特征，通过均值特征能够更加直观的表示超栅格的特征趋势，有利于提高后续步骤在使用由超栅格特征确定出来的全局点云特征进行目标检测时的准确性。
[0090]
步骤s1054：采用注意力机制分别对超栅格的超栅格特征进行加权，得到每个超栅格的第二注意力加权特征。
[0091]
在本实施例中同样可以采用全局注意力机制算法对超栅格特征进行加权，得到第二注意力加权特征。
[0092]
步骤s1055：根据每个点云栅格的第一注意力加权特征与每个点云栅格所属超栅格特征的第二注意力加权特征，获取全局点云特征。
[0093]
根据第一注意力加权特征与第二注意力加权特征确定出来的全局点云特征，融合了点云栅格特征在超栅格这一局部区域的全局特征以及点云栅格特征在整个点云空间的全局特征，这样在根据全局点云特征进行目标检测时能够考虑到不同层次的全局特征，提高目标检测的准确性。
[0094]
在一些实施方式中可以直接将第一注意力加权特征与第二注意力加权特征进行特征拼接，根据特征拼接的结果获取全局点云特征。具体地，在本实施方式中可以直接将第一注意力加权特征与第二注意力加权进行特征拼接后形成的新的特征作为全局点云特征。
[0095]
在另一些实施方式中除了可以将第一注意力加权特征与第二注意力加权特征进行特征拼接以外，还可以将点云栅格所属超栅格特征的超栅格特征也进行拼接，使得全局点云特征同时融合点云栅格特征在超栅格这一局部区域的全局特征、点云栅格特征在整个点云空间的全局特征以及超栅格特征，进一步提高目标检测的准确性。具体地，在本实施方式中可以将每个点云栅格的第一注意力加权特征、每个点云栅格所属超栅格特征的超栅格特征和第二注意力加权特征进行特征拼接，将特征拼接后形成的新的特征作为全局点云特
征。
[0096]
需要说明的是，虽然本发明实施例仅提供了采用两个层次的注意力机制对点云栅格特征进行加权，获取全局点云特征的这一具体实施方式。但是，本领域技术人员能够理解的是，在不偏离本发明的技术原理的前提下，还可以对两个层次的注意力机制进行拓展，通过更多层次的注意力机制对点云栅格特征进行加权，获取全局点云特征，这些注意力机制的层次拓展或替换之后的技术方案仍然落入本发明的保护范围之内。
[0097]
例如，在执行步骤s1054之后不执行步骤s1055，而是再一次对三维点云的点云空间进行栅格化处理形成多个三维的超大栅格，使得超大栅格包括多个超栅格。然后针对每个超大栅格，采用注意力机制分别对超大栅格内每个超栅格的超栅格特征进行加权，得到每个超大栅格的第三注意力加权特征。最后根据第一注意力加权特征、第二注意力加权特征和第三注意力加权特征，获取全局点云特征，即通过三个层次的注意力机制对点云栅格特征进行加权，获取全局点云特征。
[0098]
通过上述步骤s1051至步骤s1055所述的方法，能够获取到更加准确、层次丰富的全局点云特征，能够显著提高目标检测的准确性。
[0099]
需要指出的是，尽管上述实施例中将各个步骤按照特定的先后顺序进行了描述，但是本领域技术人员可以理解，为了实现本发明的效果，不同的步骤之间并非必须按照这样的顺序执行，其可以同时(并行)执行或以其他顺序执行，这些变化都在本发明的保护范围之内。
[0100]
本领域技术人员能够理解的是，本发明实现上述一实施例的方法中的全部或部分流程，也可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读存储介质可以包括：能够携带所述计算机程序代码的任何实体或装置、介质、u盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器、随机存取存储器、电载波信号、电信信号以及软件分发介质等。需要说明的是，所述计算机可读存储介质包含的内容可以根据司法管辖区内立法和专利实践的要求进行适当的增减，例如在某些司法管辖区，根据立法和专利实践，计算机可读存储介质不包括电载波信号和电信信号。
[0101]
进一步，本发明还提供了一种计算机设备。在根据本发明的一个计算机设备实施例中，计算机设备包括处理器和存储装置，存储装置可以被配置成存储执行上述方法实施例的目标检测方法的程序，处理器可以被配置成用于执行存储装置中的程序，该程序包括但不限于执行上述方法实施例的目标检测方法的程序。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机设备可以是包括各种电子设备形成的设备。
[0102]
进一步，本发明还提供了一种计算机可读存储介质。在根据本发明的一个计算机可读存储介质实施例中，计算机可读存储介质可以被配置成存储执行上述方法实施例的目标检测方法的程序，该程序可以由处理器加载并运行以实现上述目标检测方法。为了便于说明，仅示出了与本发明实施例相关的部分，具体技术细节未揭示的，请参照本发明实施例方法部分。该计算机可读存储介质可以是包括各种电子设备形成的存储装置设备，可选的，
本发明实施例中计算机可读存储介质是非暂时性的计算机可读存储介质。
[0103]
进一步，本发明还提供了一种车辆。在根据本发明的一个车辆的实施例中，车辆可以包括上述计算机设备实施例所述的计算机设备。在本实施例中车辆可以是自动驾驶车辆、无人车等车辆。此外，按照动力源类型划分，本实施例中车辆可以是燃油车、电动车、电能与燃油混合的混动车或使用其他新能源的车辆等。
[0104]
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征作出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。