[发明专利]三维物体检测方法、装置、电子设备及介质

说明书

本申请提供了一种三维物体检测方法、装置、电子设备及介质，涉及人工智能领域，能够提高三维物体检测精度。该方法包括：三维物体检测装置获取二维图像和至少一个点云数据集。其中，二维图像包括至少一个物体的图像，点云数据集包括多个点云数据，点云数据用于描述至少一个物体在三维空间中的候选区域。之后，三维物体检测装置根据二维图像中目标物体图像，从至少一个点云数据集中确定目标点云数据集。其中，目标点云数据集中的点云数据用于描述目标物体在三维空间中的候选区域。三维物体检测装置将目标点云数据集和目标物体图像进行关联，以得到检测结果。其中，检测结果指示目标物体在三维空间中的估计位置。

技术领域

本申请涉及人工智能(artificial intelligence，AI)技术领域，尤其涉及一种三维物体检测方法、装置、电子设备及介质。

背景技术

机器人对环境中的物体具备辨识能力，从而实现路径规划、避障等功能。其中，物体的三维(three-dimensiona，3D)空间尺寸对机器人理解环境尤为重要。示例性的，设备获取场景的点云之后，基于场景的点云确定候选物体区域，再从点云中选择位于候选物体区域中的目标点，利用目标点的位置信息，调整候选物体区域，从而定位出物体的三维空间位置。

然而，在某些观测视角下，设备无法获取足够的点云，导致物体无法辨识，使得三维物体检测精度低、假阳率高。

发明内容

本申请实施例提供一种三维物体检测方法、装置、电子设备及介质，能够提高三维物体检测精度。

为达到上述目的，本申请实施例采用如下技术方案：

第一方面，本申请实施例提供一种三维物体检测方法，该方法的执行主体可以是三维物体检测装置。该方法包括：获取二维图像和至少一个点云数据集，所述二维图像包括至少一个物体的图像，所述点云数据集包括多个点云数据，所述点云数据用于描述所述至少一个物体在三维空间中的候选区域，所述二维图像是图像传感器采集的信息，所述点云数据是深度传感器采集的信息；根据所述二维图像中目标物体图像，从所述至少一个点云数据集中确定目标点云数据集，其中，所述目标物体图像包括所述至少一个物体中目标物体的图像，所述目标点云数据集中的点云数据用于描述所述目标物体在所述三维空间中的候选区域；将所述目标点云数据集和所述目标物体图像进行关联，以得到检测结果，其中，所述检测结果指示所述目标物体在所述三维空间中的估计位置。

本方法中通过三维物体检测装置获取二维图像和至少一个点云数据集。其中，二维图像包括至少一个物体的图像。点云数据集包括多个点云数据，点云数据用于描述至少一个物体在三维空间中的候选区域。二维图像是图像传感器采集的信息，点云数据是深度传感器采集的信息。之后，三维物体检测装置根据二维图像中目标物体图像，从至少一个点云数据集中确定目标点云数据集。其中，目标物体图像包括至少一个物体中目标物体的图像，目标点云数据集中的点云数据用于描述目标物体在三维空间中的候选区域。然后，三维物体检测装置将目标点云数据集和目标物体图像进行关联，以得到检测结果。其中，检测结果指示目标物体在三维空间中的估计位置。

在本申请实施例提供的三维物体检测方法中，由于二维图像的处理精度高，目标物体图像能够准确地呈现目标物体在二维图像中的区域，利用目标物体图像来筛选目标点云数据集，实现对点云数据集几何分割聚类，无需获取大量的三维训练数据。即使物体被遮挡，也能够获取到目标点云数据集，在一定程度上提高了目标物体对应的目标点云数据集的精准度。并且，三维物体检测装置将目标点云数据集和目标物体图像进行关联，以得到检测结果。由于二维图像的处理精度高，即使目标物体的点云数据不足，也能够精准地确定目标物体在三维空间中的估计位置，避免假阳率高的问题。本申请实施例三维物体检测方法无需获取三维训练数据，避免了“基于三维训练数据训练模型”所导致的“泛化性差”的问题。