[发明专利]道路对象的检测方法和装置、存储介质及电子装置

说明书

本申请实施例提供了一种道路对象的检测方法和装置、存储介质及电子装置，其中，该道路对象的检测方法包括：获取目标点云模型识别目标训练样本得到的第一识别结果；使用标注了第一识别结果的目标训练样本训练初始摄像模型，得到目标摄像模型；通过目标摄像模型检测目标图像数据中所展示的携带了目标空间信息的目标道路对象。通过本申请，解决了道路对象的检测精确度较低的问题，进而达到了提高道路对象的检测精确度的技术效果。

技术领域

本申请实施例涉及自动驾驶技术领域，具体而言，涉及一种道路对象的检测方法和装置、存储介质及电子装置。

背景技术

过去几年，自动驾驶技术飞速发展。然而，由于复杂和动态的驾驶环境，实现完全自动驾驶仍然是一项艰巨的任务。为了理解周边的驾驶环境，自动驾驶汽车配备了一套传感器来进行强大而准确的环境感知。该套传感器装置及其配套的处理算法，称为感知系统，自动驾驶技术中的感知系统通过将来自一组传感器的数据作为输入，经过一系列的处理步骤后，输出关于环境、其他物体(如汽车)以及自动驾驶汽车本身的信息。3D目标检测是感知系统的一项重要任务，其目的是在传感器数据中识别出所有感兴趣的物体，并确定它们的位置和类别(如车辆、自行车、行人等)。在3D目标检测任务中，需要输出参数来指定物体周围的面向3d的边界框。因此，感知系统存在以下基本要求：首先，它需要是准确的，并给出了驾驶环境的准确描述。其次，具有鲁棒性，能在恶劣天气下，甚至当一些传感器退化甚至失效时保证AV(Audio Video，音频视频)的稳定与安全。

在现实的自动驾驶情况下，使用仅仅将摄像头作为传感器时，摄像头采集的传感器数据容易受到外界环境的干扰，例如，在物体存在被遮挡的情况下，摄像头采集的传感器数据对后续3D目标检测会造成影响，除此之外，环境中的光线情况也会影响摄像头采集传感器数据，特别是光线较暗的场景，将对摄像头采集的传感器数据的工作带来极大的影响，后续3D目标检测的精度也会降低，同时，由于摄像头采集的传感器数据仅仅是二维的图片数据，使用二维的图片数据进行3D目标检测，检测的结果可能出现空间深度预测不准的情况。

发明内容

本申请实施例提供了一种道路对象的检测方法和装置、存储介质及电子装置，以至少解决相关技术中道路对象的检测精确度较低的问题。

根据本申请的一个实施例，提供了一种道路对象的检测方法，包括：

获取目标点云模型识别目标训练样本得到的第一识别结果，其中，所述目标点云模型用于从输入的点云数据中识别出携带了空间信息的道路对象，所述第一识别结果用于表征所述目标训练样本中所展示的携带了参考空间信息的参考道路对象，所述参考空间信息用于指示所述参考道路对象在空间中的位置和运动状态；

使用标注了所述第一识别结果的所述目标训练样本训练初始摄像模型，得到目标摄像模型；

通过所述目标摄像模型检测目标图像数据中所展示的携带了目标空间信息的目标道路对象。

可选的，所述使用标注了所述第一识别结果的所述目标训练样本训练初始摄像模型，得到目标摄像模型，包括：

获取所述初始摄像模型对所述目标训练样本识别得到的第二识别结果；

根据所述第一识别结果与所述第二识别结果之间的差异度调整所述初始摄像模型中目标网络层的模型参数，直至所述第二识别结果与所述第一识别结果所述差异度小于差异度阈值，得到所述目标摄像模型。

可选的，所述获取所述初始摄像模型对所述目标训练样本识别得到的第二识别结果，包括：

对三维场景数据进行拍摄，得到图像数据样本，其中，所述目标训练样本包括所述三维场景数据；

将所述图像数据样本输入所述初始摄像模型，得到所述初始摄像模型输出的所述第二识别结果。

可选的，所述根据所述第一识别结果与所述第二识别结果之间的差异度调整所述初始摄像模型中目标网络层的模型参数，包括：