[发明专利]目标检测方法、装置和无人车

说明书

本公开提出了一种目标检测方法、装置和无人车，涉及计算机视觉技术领域。其中，目标检测方法包括：获取待处理传感器数据，其中，待处理传感器数据包括点云数据；根据待处理传感器数据是否还包括与点云数据对应的图像数据，确定待启用的检测模型，其中，检测模型包括第一检测模型和第二检测模型，第一检测模型是基于点云样本数据训练得到的，第二检测模型是基于点云样本数据和图像样本数据训练得到的；基于待启用的检测模型对待处理传感器数据进行处理，以得到待识别目标的检测结果。通过以上步骤，能够提高目标检测结果的准确率和检测效率，提高自动驾驶的安全性。

技术领域

本公开涉及计算机视觉技术领域，尤其涉及一种目标检测方法、装置和无人车。

背景技术

目标检测是自动驾驶中的重要任务。例如，车辆在道路上行驶，需要根据传感器采集的数据对障碍物进行检测，根据检测结果对车辆进行自主控制和路径规划。因为车端算力的局限性，所以需要合理的设计整个检测框架，尽可能在有限的算力下达到最高的准确率。

相关技术中，在将基于样本数据训练得到的检测模型实际部署到自动驾驶的车端后，经常会出现因为带宽的延迟或者是传感器本身的问题，致使输入的待检测数据与样本数据的数据类型不一致的情况，这会严重影响检测模型的性能，降低目标检测的准确率和检测效率，进而严重影响了无人驾驶的安全性。

发明内容

本公开要解决的一个技术问题是，提供一种解决方案，能够提高目标检测的准确率和检测效率，提高无人驾驶的安全性。

根据本公开的第一方面，提出了一种目标检测方法，包括：获取待处理传感器数据，其中，所述待处理传感器数据包括点云数据；根据所述待处理传感器数据是否还包括与点云数据对应的图像数据，确定待启用的检测模型，其中，所述检测模型包括第一检测模型和第二检测模型，所述第一检测模型是基于点云样本数据训练得到的，所述第二检测模型是基于点云样本数据和图像样本数据训练得到的；基于所述待启用的检测模型，对所述待处理传感器数据进行处理，以得到待识别目标的检测结果。

在一些实施例中，所述根据所述待处理传感器数据是否还包括与点云数据对应的图像数据，确定待启用的检测模型包括：在所述待处理传感器数据不包括与点云数据对应的图像数据的情况下，将所述第一检测模型作为待启用的检测模型；在所述待处理传感器数据包括与点云数据对应的图像数据的情况下，将第二检测模型作为待启用的检测模型。

在一些实施例中，在所述待处理传感器数据不包括与点云数据对应的图像数据的情况下，将所述第一检测模型作为待启用的检测模型包括：在所述待处理传感器数据不包括图像数据、或者所述待处理传感器数据包括的图像数据和点云数据的时间戳不一致的情况下，将所述第一检测模型作为待启用的检测模型。

在一些实施例中，在所述待处理传感器数据包括与点云数据对应的图像数据的情况下，将第二检测模型作为待启用的检测模型包括：在所述待处理传感器数据包括的图像数据和点云数据的时间戳一致的情况下，将第二检测模型作为待启用的检测模型。

在一些实施例中，所述待启用模型为第一检测模型，所述基于所述待启用的检测模型对所述待处理传感器数据进行处理，以得到待识别目标的检测结果包括：对点云数据进行特征编码，以得到第一特征图；将所述第一特征图输入所述第一检测模型，以得到待识别目标的检测结果。

在一些实施例中，所述对点云数据进行特征编码，以得到点云特征图包括：对点云数据进行体素化编码，以得到体素特征图；根据所述体素特征图，生成鸟瞰特征图；将所述鸟瞰特征图输入点云特征提取网络模型，以得到点云特征图。

在一些实施例中，所述待启用模型为第二检测模型，所述基于所述待启用的检测模型对所述待处理传感器数据进行处理，以得到待识别目标的检测结果包括：对点云数据进行特征编码，以得到第一特征图；对图像数据进行特征编码，以得到第二特征图；对所述第一特征图和所述第二特征图进行融合，以得到融合后的特征图；将所述融合后的特征图输入第二检测模型，以得到待识别目标的检测结果。