[发明专利]目标检测方法、装置、计算机设备和存储介质

说明书

本申请涉及一种目标检测方法、装置、计算机设备和存储介质。所述方法包括：获取点云数据以及对应的彩色图像；对所述点云数据以及对应的所述彩色图像进行融合得到融合数据；根据所述融合数据对所述点云数据进行补全得到补全后的点云数据；根据所述融合数据进行目标检测得到中间目标检测结果；从所述补全后的点云数据中，获取所述中间目标检测结果对应的区域的补全后的点云数据；根据所获取的补全后的点云数据，对所述中间目标检测结果进行结果修正得到最终目标检测结果。采用本方法能够提高检测精度。

技术领域

本申请涉及目标检测技术领域，特别是涉及一种目标检测方法、装置、计算机设备和存储介质。

背景技术

3D目标检测是指给定由多类型传感器得到的数据(包括从彩色相机得到的RGB图像，以及从激光雷达得到的点云数据)，从中推断出所有目标的3D位置，大小以及方向的任务。当前，由激光雷达采集到的点云数据可以提供关于目标的准确位置信息，但受限于技术以及成本，数据分辨率较低，因而对远处目标以及小目标上效果不佳。另一方面，由彩色相机得到的RGB图像具备高分辨率但因缺乏深度信息而无法准确表达目标位置信息。自然地，融合利用RGB图像以及点云数据去进行3D目标检测就成为了一种比较有前景的方案。

传统的融合利用RGB图像以及点云数据的3D目标检测方法主要采取将对应位置的RGB图像及点云的信息或特征进行拼接后交由深度神经网络学习去间接学习如何融合利用两种信息，另外也有部分方法在信息或特征拼接后增加了语义分割损失函数去指引训练过程以更大化的利用不同信息。然而不管是交由深度神经网络进行训练间接学习如何融合两种信息，还是使用语义分割损失函数进行指引，都难以直接学习到对3D目标检测任务最为有帮助的位置信息，从而导致最后所检测的目标的位置不准确。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高检测精度的目标检测方法、装置、计算机设备和存储介质。

一种目标检测方法，所述方法包括：

获取点云数据以及对应的彩色图像；

对所述点云数据以及对应的所述彩色图像进行融合得到融合数据；

根据所述融合数据对所述点云数据进行补全得到补全后的点云数据；

根据所述融合数据进行目标检测得到中间目标检测结果；

从所述补全后的点云数据中，获取所述中间目标检测结果对应的区域的补全后的点云数据；

根据所获取的补全后的点云数据，对所述中间目标检测结果进行结果修正得到最终目标检测结果。

在其中一个实施例中，所述根据所述融合数据进行目标检测得到中间目标检测结果，包括：

对所述融合数据进行特征提取，并根据所提取的特征进行目标检测得到初步目标检测结果以及所述初步目标检测结果对应的衡量指标；

根据所述初步目标检测结果对应的衡量指标，对所述初步目标检测结果进行排序；

对排序后的所述初步目标检测结果对应的衡量指标，进行非极大值抑制处理得到中间目标检测结果。

在其中一个实施例中，所述对所述点云数据以及对应的所述彩色图像进行融合得到融合数据，包括：

对所述彩色图像进行多尺度处理得到多尺度特征；

对所述点云数据进行划分得到待补全体素，并记录所述待补全体素的原始特征；

将所述多尺度特征拼接到对应的所述原始特征中形成拼接后的体素数据，将所述拼接后的体素数据作为融合数据。

在其中一个实施例中，所述对所述点云数据进行划分得到待补全体素，包括：