[发明专利]一种确定目标物体深度的方法、装置及电子设备

权利要求书

1.一种确定目标物体深度的方法，其特征在于，包括：

获得目标物体对应的物体信息，其中，所述物体信息包括：所述目标物体的高度信息、宽度信息以及目标类型；

基于数据预处理模型将所述物体信息转化为多维目标特征向量；

将所述多维目标特征向量输入预设深度模型中，获得所述目标物体对应的深度信息。

2.如权利要求1所述的方法，其特征在于，获得目标物体对应的物体信息之前，包括：

获得m个测试物体各自对应的测试物体信息，其中，所述测试物体信息为测试物体的高度信息、宽度信息、深度信息、以及测试物体的类型信息，m为正整数；

基于所述m个测试物体进行训练，获得所述m个测试物体对应的训练模型；

响应于所述训练模型符合预设条件，确定出所述m个测试物体对应的预设深度模型。

3.如权利要求2所述的方法，其特征在于，基于所述m个测试物体进行训练，获得所述m个测试物体对应的训练模型，包括：

确定出所述m个测试物体对应的所有高度信息、宽度信息以及深度信息中的最大值，以及所述m个测试物体分别对应的类别特征向量；

基于所述最大值对各个测试物体各自对应的高度信息以及宽度信息进行归一化处理，获得所述各个测试物体各自对应的二维特征向量；

将所述各个测试物体各自的二维特征向量以及各自对应的类别特征向量进行拼接，获得所述各个测试物体分别对应的多维特征向量；

基于所述各个测试物体各自对应的深度信息以及所述各个多维特征向量进行训练，获得所述m个测试物体对应的训练模型。

4.如权利要求2所述的方法，其特征在于，响应于所述训练模型符合预设条件，包括：

获得所述m个测试物体对应的总训练次数，以及确定出所述m个测试物体每一次训练对应的训练模型的损失值，其中，所述损失值表征模型预测深度值和训练样本实际深度值之间的差异；

当所述总训练次数达到预设训练次数时，响应于所述训练模型符合预设条件；以及

当所述损失值小于预设损失阈值时，响应于所述训练模型符合预设条件。

5.如权利要求1所述的方法，其特征在于，获得目标物体对应的物体信息，包括：

确定出所述目标物体的三维检测框，基于预设分类算法获得所述目标物体的目标类型；

响应于所述目标类型在预设类别集中，基于所述三维检测框读取出所述目标物体的高度信息以及宽度信息，其中，所述预设类别集包含多个预设物体各自对应的类别；

将所述目标类型、所述高度信息以及所述宽度信息作为所述目标物体对应的物体信息。

6.如权利要求5所述的方法，其特征在于，基于预设分类算法获得所述目标物体的目标类型，包括：

提取出所述目标物体对应的多个目标特征；

将所述多个目标特征与预设类别特征集进行匹配，确定出所述多个目标特征集对应的多个相似度值，其中，所述预设类别特征集中包括每一个预设物体对应的特征集；

从所述多个相似度值中确定出最大相似度对应的预设物体的预设类别，并将所述预设类别作为所述目标物体的目标类型。

7.如权利要求1所述的方法，其特征在于，基于数据预处理模型将所述物体信息转化为多维目标特征向量，包括：

将所述目标物体对应的所述物体信息输入所述数据预处理模型，获得所述目标物体的目标二维特征向量以及目标类别向量；

将所述目标二维特征向量以及所述目标类别向量组合，获得所述目标物体对应的多维目标特征向量。

8.一种确定目标物体深度的装置，其特征在于，包括：

获得模块，用于获得目标物体对应的物体信息，其中，所述物体信息包括：所述目标物体的高度信息、宽度信息以及目标类型；

转化模块，用于基于数据预处理模型将所述物体信息转化为多维目标特征向量；

深度模块，用于将所述多维目标特征向量输入预设深度模型中，获得所述目标物体对应的深度信息。