目标检测方法、装置、电子设备和介质与流程

本公开涉及人工智能，尤其涉及深度学习、计算机视觉等。

背景技术：

1、随着自动驾驶感知领域的发展，人们可以通过目标检测实现对车辆周围环境内存在的障碍物的感知。其中，可以获取车辆周围环境的点云数据、图像数据以及毫米波数据，并对采集到的数据进行分析，实现对车辆周围环境内存在的障碍物的感知。

技术实现思路

1、本公开提出了一种目标检测方法、装置、电子设备和介质。

2、根据本公开的第一方面，提出了一种目标检测方法，方法包括：采集检测区域的检测数据集合，并提取所述检测数据集合中各检测数据的第一特征序列，其中，所述检测数据为多模态数据；获取所述检测区域的bev空间，将所述检测区域采集的图像数据投射至所述bev空间得到所述图像数据的bev图像数据；提取所述bev图像数据的第二特征序列，并基于所述第二特征序列获取所述检测数据集合中各检测数据与图像数据进行特征融合得到的三维融合特征图；对各检测数据的三维融合特征图分别进行目标检测，以获取所述检测区域的目标检测结果。

3、根据本公开的第二方面，提出了一种目标检测装置，装置包括采集模块，用于采集检测区域的检测数据集合，并提取所述检测数据集合中各检测数据的第一特征序列，其中，所述检测数据为多模态数据；投射模块，用于获取所述检测区域的bev空间，将所述检测区域采集的图像数据投射至所述bev空间得到所述图像数据的bev图像数据；融合模块，用于提取所述bev图像数据的第二特征序列，并基于所述第二特征序列获取所述检测数据集合中各检测数据与图像数据进行特征融合得到的三维融合特征图；检测模块，用于对各检测数据的三维融合特征图分别进行目标检测，以获取所述检测区域的目标检测结果。

4、根据本公开的第三方面，提出了一种电子设备，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第一方面提出的目标检测方法。

5、根据本公开的第四方面，提出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第一方面提出的目标检测方法。

6、根据本公开的第五方面，提出了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上述第一方面提出的目标检测方法。

7、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，其中，所述方法包括：

2.根据权利要求1所述的方法，其中，所述提取所述bev图像数据的第二特征序列，并基于所述第二特征序列获取所述检测数据集合中各检测数据与图像数据进行特征融合得到的三维融合特征图，包括：

3.根据权利要求2所述的方法，其中，所述对所述第二特征序列和所述第三特征序列进行特征融合，获取与各第一特征序列进行特征融合的第四特征序列，包括：

4.根据权利要求2所述的方法，其中，所述将各第一特征序列与所述第四特征序列分别进行特征融合，得到各检测数据的第一融合特征序列，包括：

5.根据权利要求2所述的方法，其中，所述基于所述第一融合特征序列，获取所述检测数据集合中各检测数据与图像数据进行特征融合得到的三维融合特征图，包括：

6.根据权利要求1所述的方法，其中，所述采集检测区域的检测数据集合，并提取所述检测数据集合中各检测数据的第一特征序列，其中，所述检测数据为多模态数据，包括：

7.根据权利要求1所述的方法，其中，所述获取所述检测区域的bev空间，将所述检测区域采集的图像数据投射至所述bev空间得到所述图像数据的bev图像数据，包括：

8.根据权利要求7所述的方法，其中，所述提取所述图像数据的图像特征，并确定所述图像特征在所述bev空间中的第三投射位置，包括：

9.根据权利要求1所述的方法，其中，所述对各检测数据的三维融合特征图分别进行目标检测，以获取所述检测区域的目标检测结果，包括：

10.根据权利要求1-9任一项所述的方法，其中，所述方法还包括：

11.根据权利要求10所述的方法，其中，所述获取所述bev空间的空间参数，并基于所述空间参数确定进行特征拉伸时所需的特征拉伸长度，包括：

12.根据权利要求1-9任一项所述的方法，其中，所述方法还包括：

13.根据权利要求12所述的方法，其中，所述识别所述多层感知器的输出结果是否存在误差，包括：

14.根据权利要求12所述的方法，其中，所述响应于识别到所述多层感知器的输出结果存在误差，获取所述第一感知坐标、所述第二感知坐标和所述第三感知坐标中的误差坐标，并对所述误差坐标进行坐标校正，得到校正后的第一目标特征提取坐标，包括：

15.根据权利要求14所述的方法，其中，所述获取所述点云数据、所述毫米波数据和所述图像数据之间的相对坐标关系，包括：

16.根据权利要求12所述的方法，其中，所述响应于识别到所述多层感知器的输出结果存在误差，获取所述第一感知坐标、所述第二感知坐标和所述第三感知坐标中的误差坐标，并对所述误差坐标进行坐标校正，得到校正后的第一目标特征提取坐标之后，包括：

17.一种目标检测装置，其中，所述装置包括：

18.根据权利要求17所述的装置，其中，所述融合模块，还用于：

19.根据权利要求18所述的装置，其中，所述融合模块，还用于：

20.根据权利要求18所述的装置，其中，所述融合模块，还用于：

21.根据权利要求18所述的装置，其中，所述融合模块，还用于：

22.根据权利要求17所述的装置，其中，所述采集模块，还用于：

23.根据权利要求17所述的装置，其中，所述投射模块，还用于：

24.根据权利要求23所述的装置，其中，所述投射模块，还用于：

25.根据权利要求17所述的装置，其中，所述检测模块，还用于：

26.根据权利要求17-25任一项所述的装置，其中，所述装置还包括，拉伸模块，用于：

27.根据权利要求26所述的装置，其中，所述拉伸模块，还用于：

28.根据权利要求17-25任一项所述的装置，其中，所述装置还包括，校正模块，用于：

29.根据权利要求28所述的装置，其中，所述校正模块，还用于：

30.根据权利要求28所述的装置，其中，所述校正模块，还用于：

31.根据权利要求30所述的装置，其中，所述校正模块，还用于：

32.根据权利要求28所述的装置，其中，所述校正模块，还用于：

33.一种电子设备，包括：

34.一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1-16中任一项所述的方法。

35.一种计算机程序产品，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1-16中任一项所述的方法。

技术总结
本公开提出了一种目标检测方法、装置、电子设备和介质，涉及深度学习、计算机视觉等人工智能领域，可应用于基于大模型的自动感知、自动驾驶等场景，方法包括采集检测区域的检测数据集合，并提取检测数据集合中各检测数据的第一特征序列；获取检测区域的BEV空间，将检测区域采集的图像数据投射至BEV空间得到图像数据的BEV图像数据；提取BEV图像数据的第二特征序列，并获取检测数据集合中各检测数据与图像数据进行特征融合得到的三维融合特征图；对各检测数据的三维融合特征图分别进行目标检测，以获取检测区域的目标检测结果。

技术研发人员：鞠波,叶晓青,谭啸,李莹莹
受保护的技术使用者：北京百度网讯科技有限公司
技术研发日：
技术公布日：2024/1/15