[发明专利]目标检测方法及其相关的模型训练方法、设备、装置

权利要求书

1.一种检测模型的训练方法，其特征在于，包括：

获取在仿真环境中进行仿真采集得到的第一样本图像，并确定所述第一样本图像中的仿真物体的实际位置信息；其中，所述第一样本图像包含图像中像素点的深度值；

将所述第一样本图像中的部分像素点的深度值调整为预设深度值，以得到第二样本图像；

利用检测模型对所述第二样本图像进行处理，以得到所述仿真物体的预测位置信息；

基于所述实际位置信息与所述预测位置信息，调整所述检测模型的参数。

2.根据权利要求1所述的方法，其特征在于，所述将所述第一样本图像中的部分像素点的深度值调整为预设深度值，以得到第二样本图像，包括：

从所述第一样本图像中选择至少一个待调整区域；

将所述第一样本图像中属于所述待调整区域的像素点的深度值调整为预设深度值，以得到第二样本图像。

3.根据权利要求2所述的方法，其特征在于，所述从所述第一样本图像中选择至少一个待调整区域，包括：

在所述第一样本图像中随机选择至少一个预设形状的待调整区域；其中，所述待调整区域的尺寸为预设尺寸或者随机确定的尺寸。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述仿真物体的实际位置信息包括所述仿真物体上的至少一个预设点的实际位置信息，和/或所述仿真物体的实际位置参考信息；所述仿真物体的预测位置信息包括所述仿真物体上的至少一个预设点的预测位置信息，和/或所述仿真物体的预测位置参考信息。

5.根据权利要求1至4任一项所述的方法，其特征在于，所述第一样本图像和第二样本图像均包括彩色图像和深度图像，或者均为彩色-深度图像，其中，所述彩色图像包含图像中像素点的彩色信息，所述深度图像包含图像中像素点的深度值，所述彩色-深度图像包含图像像素点的彩色信息和深度值；

和/或，所述检测模型为全卷积的神经网络模型；

和/或，所述获取在仿真环境中进行仿真采集得到的第一样本图像包括：

在所述仿真环境中生成至少一个仿真物体，并对所述仿真物体的位姿进行仿真；

采用领域随机化方式对所述仿真物体进行随机化渲染；

保存渲染后的当前场景图像作为所述第一样本图像。

6.根据权利要求5所述的方法，其特征在于，所述检测模型包括：彩色卷积层、深度卷积层和反卷积层；所述仿真物体的位置信息为所述仿真物体的预设点的位置信息；

所述利用检测模型对所述第二样本图像进行处理，以得到所述仿真物体的预测位置信息，包括：

利用所述彩色卷积层对所述第二样本图像中的彩色信息进行特征提取，得到彩色特征图，利用所述深度卷积层对所述第二样本图像中的深度值进行特征提取，得到深度特征图；

利用反卷积层对所述彩色特征图、深度特征图进行上采样，得到位置响应图，其中，所述位置响应图包含所述仿真物体的位置信息。

7.一种目标检测方法，其特征在于，包括：

获取待测图像，其中，所述待测图像包含图像中像素点的深度值；

利用检测模型对所述待测图像进行处理，以得到目标物体的位置信息；

其中，所述检测模型是由权利要求1至6任一项所述的方法训练得到的。

8.根据权利要求7所述的方法，其特征在于，在所述利用检测模型对所述待测图像进行处理，以得到目标物体的位置信息之前，所述方法还包括：

将所述待测图像中的部分像素点的深度值调整为第一预设深度值，以得到调整后的待测图像，其中，所述部分像素点包括深度值低于或等于第二预设深度值的像素点；

所述利用检测模型对所述待测图像进行处理，以得到目标物体的位置信息，包括：

所述利用检测模型对所述调整后的待测图像进行处理，以得到目标物体的位置信息。