CN114581746A - 物体检测方法、装置、设备及介质 - Google Patents
物体检测方法、装置、设备及介质 Download PDFInfo
- Publication number
- CN114581746A CN114581746A CN202210210659.4A CN202210210659A CN114581746A CN 114581746 A CN114581746 A CN 114581746A CN 202210210659 A CN202210210659 A CN 202210210659A CN 114581746 A CN114581746 A CN 114581746A
- Authority
- CN
- China
- Prior art keywords
- scene
- image
- description
- point cloud
- convolution kernel
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 95
- 230000004927 fusion Effects 0.000 claims abstract description 82
- 238000012545 processing Methods 0.000 claims abstract description 54
- 238000000034 method Methods 0.000 claims description 20
- 238000000605 extraction Methods 0.000 claims description 14
- 239000011159 matrix material Substances 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 2
- 238000013473 artificial intelligence Methods 0.000 abstract description 7
- 238000013135 deep learning Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 8
- 238000013527 convolutional neural network Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000010586 diagram Methods 0.000 description 5
- 238000013528 artificial neural network Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000004148 unit process Methods 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 230000003993 interaction Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 240000004050 Pentaglottis sempervirens Species 0.000 description 1
- 235000004522 Pentaglottis sempervirens Nutrition 0.000 description 1
- 238000003491 array Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000001413 cellular effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000003924 mental process Effects 0.000 description 1
- 230000031864 metaphase Effects 0.000 description 1
- 238000003058 natural language processing Methods 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 230000001953 sensory effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/25—Fusion techniques
- G06F18/253—Fusion techniques of extracted features
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computational Linguistics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Image Analysis (AREA)
Abstract
本公开提供了一种物体检测方法、装置、设备及介质,涉及人工智能领域,具体涉及深度学习领域,可用于智能机器人和自动驾驶场景。具体实现方案为:从场景图像数据中抽取场景的图像描述特征,并从场景点云数据中抽取场景的点云描述特征;根据所述图像描述特征确定动态卷积核,并采用所述动态卷积核对所述点云描述特征进行处理,得到场景的融合特征;根据所述场景的融合特征确定场景中的物体检测结果。本公开能够提高物体检测的准确度。
Description
技术领域
本公开涉及人工智能领域,具体涉及深度学习领域,可用于智能机器人或者自动驾驶场景。
背景技术
在画面场景的物体检测中,可以采集画面场景的场景图像数据和场景点云数据,通过融合技术将场景图像数据和场景点云数据融合,再基于融合数据进行物体检测。
目前,场景图像数据与场景点云数据的融合方式主要包括前期融合和中期融合,基于上述两类融合方式进行物体检测,存在检测准确度低的问题。
发明内容
本公开提供了一种物体检测方法、装置、设备及介质。
根据本公开的一方面,提供了一种物体检测方法,该方法包括:
从场景图像数据中抽取场景的图像描述特征,并从场景点云数据中抽取场景的点云描述特征;
根据所述图像描述特征确定动态卷积核,并采用所述动态卷积核对所述点云描述特征进行处理,得到场景的融合特征;
根据所述场景的融合特征确定场景中的物体检测结果。
根据本公开的另一方面,提供了一种电子设备,该电子设备包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行本公开任一实施例所述的物体检测方法。
根据本公开的另一方面,提供了一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行本公开任一实施例所述的物体检测方法。
根据本公开的技术,提高了提升物体检测的准确度。
应当理解,本部分所描述的内容并非旨在标识本公开的实施例的关键或重要特征,也不用于限制本公开的范围。本公开的其它特征将通过以下的说明书而变得容易理解。
附图说明
附图用于更好地理解本方案,不构成对本公开的限定。其中:
图1是根据本公开实施例提供的一种物体检测方法的流程图;
图2是根据本公开实施例提供的另一种物体检测方法的流程图;
图3是根据本公开实施例提供的又一种物体检测方法的流程图;
图4是根据本公开实施例提供的又一种物体检测方法的流程图;
图5是根据本公开实施例提供的一种物体检测装置的结构示意图;
图6是用来实现本公开实施例的物体检测方法的电子设备的框图。
具体实施方式
以下结合附图对本公开的示范性实施例做出说明,其中包括本公开实施例的各种细节以助于理解,应当将它们认为仅仅是示范性的。因此,本领域普通技术人员应当认识到,可以对这里描述的实施例做出各种改变和修改,而不会背离本公开的范围和精神。同样,为了清楚和简明,以下的描述中省略了对公知功能和结构的描述。
图1是根据本公开实施例提供的一种物体检测方法的流程图,本公开实施例适用于在智能机器人或者自动驾驶场景下,进行物体检测的情况。该方法可以由物体检测装置来执行,该装置可以采用软件和/或硬件的方式实现,并可集成于承载物体检测功能的电子设备中。如图1所示,本实施例的物体检测方法可以包括:
S101,从场景图像数据中抽取场景的图像描述特征,并从场景点云数据中抽取场景的点云描述特征;
S102,根据所述图像描述特征确定动态卷积核,并采用所述动态卷积核对所述点云描述特征进行处理,得到场景的融合特征;
S103,根据所述场景的融合特征确定场景中的物体检测结果。
其中,场景图像数据是指用于描述场景的二维图像数据;场景点云数据是指用于描述场景的三维点云数据。场景图像数据和场景点云数据分别从不同角度描述同一场景。场景图像数据可以通过图像采集工具如相机或者手机对场景拍摄得到,也可以从互联网上获取;场景点云数据可以是通过激光雷达对场景扫描得到,也可以从互联网上获取;场景图像数据和场景点云数据的获取方式在这里不作限定,根据实际情况确定,值得注意的是,场景图像数据与场景点云数据描述的场景是相同的。
图像描述特征用于描述场景图像数据的数据特征,图像描述特征可以是场景图像数据的颜色特征、纹理特征、形状特征、空间关系特征或者语义特征中至少一项。图像描述特征可以利用卷积神经网络从场景图像数据进行特征提取得到。
点云描述特征用于描述场景点云数据的数据特征。点云描述特征和图像描述特征可以是场景中物体特征。点云描述特征和图像描述特征两者描述的可以是相同物体不同维度的特征,也可以是不同物体的特征等。场景点云数据是三维的,从场景点云数据中抽取场景的点云描述特征,可以是对场景点云数据进行体素化处理,利用三维神经网络对场景图像数据进行特征提取得到的。为了兼顾数据处理速度以及数据处理效果,对利用三维卷积神经网络提取到的点云描述特征进行降维处理,将三维的点云描述特征转化为二维的点云描述特征。可选的,将三维的点云描述特征投射到二维平面得到二维鸟瞰图,作为点云描述特征。
在图像描述特征确定以后,将图像描述特征作为物体检测网络的输入,通过物体检测网络对图像描述特征进行特征提取。可选的,物体检测网络为卷积神经网络,物体检测网络的卷积层中包括动态卷积核。可以知道的是,在利用卷积神经网络进行图像处理的过程中,给定输入图像,输入图像中一个小区域中像素加权平均后成为输出图像中的每个对应像素,其中权值由一个函数定义,这个函数称为卷积核,卷积核的相关参数与输入图像相关。根据图像描述特征确定的卷积核即为动态卷积核。在对图像描述特征进行特征提取的过程中,动态卷积核用于在感受野内对图像描述特征做矩阵元素乘法求和并叠加偏差量。
动态卷积核的相关参数根据图像描述特征确定。利用与图像描述特征相关的动态卷积核对点云描述特征进行处理,实际上是利用动态卷积核在图像描述特征的提取过程中学习到的特征表达方式,指导点云描述特征的特征提取。上述技术方案,充分挖掘了卷积神经网络的编码能力,不需要设计复杂的融合策略,有效提高了提升物体检测的准确度。
利用根据图像描述特征确定的动态卷积核,对点云描述特征进行处理,得到场景的融合特征,可以有效融合图像描述特征和点云描述特征。其中,融合特征包括有图像描述信息和点云描述信息。
场景的融合特征同时包括场景的图像描述信息和点云描述信息。基于场景的融合特征对场景中物体进行检测,可以得到更准确的物体检测结果。场景中的物体可以是场景中的人物,建筑物或者车辆等。对场景中的物体进行检测可以是对检测物***置、物体尺寸和物体朝向中的至少一项。
在一种可选实施方式中,所述物体检测结果包括物体的位置信息、尺寸信息或朝向信息中的至少一项。
其中,物体的位置信息是指物体在场景中的相对位置,物体的位置信息可以是物体的位置坐标。物体的尺寸信息可以是物体的长度、宽度以及高度等。物体的朝向信息可以是物体的朝向角。可选的,物体的分类结果还可以包括物体的类型信息。本公开实施例为多角度的物体检测提供了可行的技术方案,具有很强的场景适用性,可以满足多种物体检测需求,提高了物体检测方法的适用性。
相关技术中,场景图像数据与场景点云数据的融合方式主要包括前期融合和中期融合。其中,前期融合是在输入检测网络之前利用投影关系将场景点云数据和场景图像数据融合起来,然后再将融合数据输入检测网络。前期融合主要采用一对一方案,即场景点云数据的一个点对应场景图像数据上的一个位置信息,物体检测准确度受到场景点云数据与场景图像数据之间投影关系影响;中期融合,是先利用神经网络分别对场景图像数据和场景点云数据进行处理,然后将场景图像对应的中间层特征和场景点云数据对应的中间层特征进行融合。中期融合往往需要人为设计十分复杂的融合策略。本公开实施例克服了相关技术的存在的问题,物体检测准确度不受到场景点云数据与场景图像数据之间投影关系影响,也无需涉及复杂的融合策略,提高了了物体检测的准确度。
本公开实施例提供的技术方案,通过利用根据图像描述特征确定动态卷积核,对所述点云描述特征进行处理,得到场景的融合特征,再根据所述场景的融合特征确定场景中的物体检测结果。利用动态卷积核在图像描述特征的提取过程中学习到的特征表达方式,指导点云描述特征的特征提取。充分挖掘了卷积神经网络的编码能力,有效融合了图像描述特征和点云描述特征,实现了对场景点云数据的在颜色特征、纹理特征、形状特征、空间关系特征或者语义特征等方面的补充,有效提高了提升物体检测的准确度。
图2是根据本公开实施例提供的另一种物体检测方法的流程图;本实施例是在上述实施例的基础上提出的一种可选方案。具体对操作“根据所述图像描述特征确定动态卷积核,并采用所述动态卷积核对所述点云描述特征进行处理,得到场景的融合特征”进行细化。
参见图2,本实施例提供的物体检测方法包括:
S201,从场景图像数据中抽取场景的图像描述特征,并从场景点云数据中抽取场景的点云描述特征;
S202,通过第I个图像卷积单元,对第I-1个图像输出特征进行处理,得到第I个图像输出特征;
S203,根据第I个图像输出特征,确定第I个动态卷积核;
S204,通过第I个点云卷积单元,采用所述第I个动态卷积核对第I-1个融合特征进行处理,得到第I个融合特征;
S205,根据所述场景的融合特征确定场景中的物体检测结果;
其中,首个图像输出特征为所述图像描述特征;通过对所述点云描述特征进行鸟瞰图处理得到首个融合特征;所述I为正整数。
物体检测网络可以包括多个图像卷积单元,图像卷积单元用于对图像描述特征进行卷积处理。第I个图像卷积单元是物体检测网络中的任意一个图像卷积单元,每个图像卷积单元可以依次顺序连接,第I个图像卷积单元可以对第I-1个图像输出特征执行卷积操作,得到第I个图像输出特征,并输出第I个图像输出特征。其中,第I-1个图像输出特征由第I-1个图像卷积单元输出。其中,首个图像输出特征为所述图像描述特征。也就是,第一个图像卷积单元对图像描述特征进行卷积处理。
第I个图像输出特征由第I个图像卷积单元对第I-1个图像输出特征进行卷积处理,第I个动态卷积核属于第I个图像卷积单元。根据第I个图像输出特征,确定第I个动态卷积核,具体的,根据第I个图像输出特征对应的权重系数和偏差量,确定第I个动态卷积核的相关系数。
可选的,在本公开实施例中,所述根据第I个图像输出特征,确定第I个动态卷积核,包括:通过第I个全连接单元,对第I个图像输出特征进行处理,得到第I个动态卷积核;其中,第I个全连接单元的输入数据量根据第I个图像输出特征中的图像通道数、图像高度和图像宽度确定,第I个全连接单元的输出数据量根据第I个融合特征中的融合通道数和第I个动态卷积核的尺寸确定。
第I个图像输出特征是经mi×ni卷积处理后得到的特征图,第I个图像输出特征的尺寸为Ci×Hi×Wi,其中,Ci表示第I个图像输出特征的图像通道数,Hi和Wi分别表示第I个图像输出特征的图像高度和图像宽度。利用全连接单元对第I个图像输出特征进行处理,将输入尺寸为Ci×Hi×Wi的第I个图像输出特征,转化为尺寸为Co×mo×no的一维数组。其中,Co表示第I个融合特征中的融合通道数,mo×no为动态卷积核的尺寸。可选的,Co取值为2的指数幂,动态卷积核的尺寸由感受野决定,示例性的,动态卷积核的尺寸mo×no可以为3×3。上述技术方案通过全连接单元对图像输出特征进行处理,调整了图像输出特征的特征维度,得到了动态卷积核。使得点云卷积单元可以利用动态卷积核对点云描述特征进行处理,实现点云卷积单元与图像卷积单元的配合。全连接单元的引入使得用户可以按需调整卷积核尺寸,提高了物体检测方法适用性和灵活性。
物体检测网络还可以包括多个点云卷积单元,点云卷积单元用于对点云描述特征进行卷积处理。第I个点云卷积单元是物体检测网络中的任意一个点云卷积单元,每个点云卷积单元可以依次顺序连接,点云卷积单元采用动态卷积核对融合特征进行处理。
首个融合特征通过对所述点云描述特征进行鸟瞰图处理得到,第I-1个融合特征包括点云描述特征。第I个动态卷积核根据第I个图像输出特征确定,第I个动态卷积核包括有图像描述特征。第I个点云卷积单元采用第I个动态卷积核对第I-1个融合特征进行处理,得到第I个融合特征。融合特征同时包括场景点云数据的特征信息和场景图像数据的特征信息。
第一个点云卷积单元采用第一个动态卷积核对经过鸟瞰图处理的点云描述特征进行处理,可以得到第一个融合特征。首个融合特征经动态卷积核mo×no处理得到尺寸为Co×Ho×Wo的融合特征。其中,Co表示融合特征的通道数。Ho和Wo分别表示融合特征高度和宽度。
具体的,根据场景的融合特征进行回归,以确定场景中的物体检测结果。通过图像卷积单元和点云描述单元相互配合,实现了图像描述特征和点云描述特征融合的有效融合。利用根据图像描述特征确定的动态卷积核对点云描述特征进行提取,得到融合特征,提高了融合特征的准确性和有效性,进而提高了物体检测的准确度。并且,还对点云描述特征进行了鸟瞰图处理,将三维的点云描述特征投影到二维平面,保留有效特征的同时减少了数据量,提高了数据处理效率,进而提高了物体检测速度。
本公开实施例提供了一种具体的网络结构,实现了在动态卷积核中引入图像信息,因而提高了融合特征的准确性和有效性。并且,还提高了物体检测效率。
图3是根据本公开实施例提供的又一种物体检测方法的流程图;本实施例是在上述实施例的基础上提出的一种可选方案。具体的,在上述实施例基础上还包括操作“对所述场景图像数据进行前景识别,得到所述场景图像中的前景区域和背景区域”。并在此基础上对“所述从场景图像数据中抽取场景的图像描述特征”进行细化。
参见图3,本实施例提供的物体检测方法包括:
S301,对所述场景图像数据进行前景识别,得到所述场景图像中的前景区域和背景区域。
场景图像可以划分为前景和背景,前景是指场景中能够表现出一定的空间关系或者人物关系;背景作为前景的陪体,往往是整个环境的组成部分。前景所在的图像区域为前景区域,场景图像中除前景区域以外的图像区域为背景区域。
对场景图像数据进行前景识别,可以是利用前景识别算法从场景图像数据中提取前景区域。
S302,从所述场景图像数据中抽取场景的基础描述特征。
基础描述特征是用于无差别描述整个场景图像基础特征的数据。基础描述特征可以是场景图像数据的颜色特征、纹理特征、形状特征、空间关系特征或者语义特征中至少一项。基础描述特征可以利用卷积神经网络从场景图像数据进行特征提取得到。
S303,采用权重矩阵对所述基础描述特征进行修正,得到所述图像描述特征,并从场景点云数据中抽取场景的点云描述特征。
权重矩阵与场景图像的前景区域和背景区域相关。其中,权重矩阵中与所述前景区域关联的前景权重值,大于与所述背景区域关联的背景权重值。
采用权重矩阵对基础描述特征进行修正,具体的,可以将前景区域关联的基础描述特征赋予前景权重值,将背景区域关联的基础描述特征赋予背景权重值。其中,前景权重值大于背景权重值。利用权重矩阵对基础描述特征进行修正以后,可以得到图像描述特征。可以知道的是,相较于背景区域,场景图像的前景区域往往更大概率包括感兴趣信息。为场景图像中的前景区域赋予更大的权重,可以有效提高物体检测的准确度。
S304,根据所述图像描述特征确定动态卷积核,并采用所述动态卷积核对所述点云描述特征进行处理,得到场景的融合特征。
S305,根据所述场景的融合特征确定场景中的物体检测结果。
本公开实施例提供的技术方案,通过利用采用权重矩阵对场景图像数据的基础描述特征进行修正,为包括更多感兴趣信息的前景区域所关联的基础描述特征赋予比背景权重值更大的前景权重值,基于修正后的基础描述特征进行物体检测,进一步提高了物体检测的准确度。
图4是根据本公开实施例提供的又一种物体检测方法的流程图。如图4所示,在一个具体实施例中,对场景图像数据进行二维特征提取得到图像描述特征,以及提取场景点云数据的点云描述特征。从场景点云数据中提取点云描述特征具体可以包括:对场景点云数据进行体素化处理,利用三维神经网络对体素化处理结果进行三维特征提取得到点云描述特征。考虑到数据处理效率,可选的,对点云描述特征进行鸟瞰图处理,以将三维的点云描述特征投影到二维平面。接下来,将图像描述特征输入物体检测网络,通过物体检测网络中的图像卷积单元对图像描述特征进行卷积处理,得到图像输出特征,并且利用全连接单元对图像输出特征进行处理,得到动态卷积核。点云卷积单元采用动态卷积核对点云描述特征进行处理,得到融合特征。如图4所示,物体检测网络中的图像卷积单元和点云卷积单元均为依次顺序连接的。由在后的点云卷积单元利用动态卷积核对在前的点云卷积单元输出融合特征进行卷积处理,得到场景的融合特征,对场景的融合特征进行回归处理,即可实现对场景中的物体进行分类和定位。
图5是根据本公开实施例提供的一种物体检测装置的结构示意图。本公开实施例适用于在智能机器人或者自动驾驶场景下,进行物体检测的情况。该装置可以采用软件和/或硬件来实现,该装置可以实现本公开任意实施例所述的物体检测方法。如图5所示,该物体检测装置500包括:
描述特征抽取模块501,用于从场景图像数据中抽取场景的图像描述特征,并从场景点云数据中抽取场景的点云描述特征;
动态卷积核确定模块502,用于根据所述图像描述特征确定动态卷积核,并采用所述动态卷积核对所述点云描述特征进行处理,得到场景的融合特征;
物体检测结果确定模块503,用于根据所述场景的融合特征确定场景中的物体检测结果。
本公开实施例提供的技术方案,通过利用根据图像描述特征确定动态卷积核,对所述点云描述特征进行处理,得到场景的融合特征,再根据所述场景的融合特征确定场景中的物体检测结果。实现了利用动态卷积核在图像描述特征的提取过程中学习到的特征表达方式,指导点云描述特征的特征提取。充分挖掘了卷积神经网络的编码能力,有效融合了图像描述特征和点云描述特征,实现了对场景点云数据的补充,有效提高了提升物体检测的准确度。
可选的,所述动态卷积核确定模块502,包括:图像输出特征确定子模块,用于通过第I个图像卷积单元,对第I-1个图像输出特征进行处理,得到第I个图像输出特征;动态卷积核确定子模块,用于根据第I个图像输出特征,确定第I个动态卷积核;融合特征确定模块,用于通过第I个点云卷积单元,采用所述第I个动态卷积核对第I-1个融合特征进行处理,得到第I个融合特征;其中,首个图像输出特征为所述图像描述特征;通过对所述点云描述特征进行鸟瞰图处理得到首个融合特征;所述I为正整数。
可选的,所述动态卷积核确定子模块,包括:动态卷积核确定单元,用于通过第I个全连接单元,对第I个图像输出特征进行处理,得到第I个动态卷积核;其中,第I个全连接单元的输入数据量根据第I个图像输出特征中的图像通道数、图像高度和图像宽度确定,第I个全连接单元的输出数据量根据第I个融合特征中的融合通道数和第I个动态卷积核的尺寸确定。
可选的,所述装置还包括:前景识别模块,用于对所述场景图像数据进行前景识别,得到所述场景图像中的前景区域和背景区域;所述描述特征抽取模块501,包括:基础描述特征描述子模块,用于从所述场景图像数据中抽取场景的基础描述特征;基础描述特征修正子模块,用于采用权重矩阵对所述基础描述特征进行修正,得到所述图像描述特征;其中,权重矩阵中与所述前景区域关联的前景权重值,大于与所述背景区域关联的背景权重值。
可选的,所述物体检测结果包括物体的位置信息、尺寸信息或朝向信息中的至少一项。
本公开实施例所提供的物体检测装置可执行本公开任意实施例所提供的物体检测方法,具备执行物体检测方法相应的功能模块和有益效果。
本公开的技术方案中,所涉及的场景图像数据和场景点云数据的获取,存储和应用等,均符合相关法律法规的规定,且不违背公序良俗。
根据本公开的实施例,本公开还提供了一种电子设备、一种可读存储介质和一种计算机程序产品。
图6示出了可以用来实施本公开的实施例的示例电子设备600的示意性框图。电子设备旨在表示各种形式的数字计算机,诸如,膝上型计算机、台式计算机、工作台、个人数字助理、服务器、刀片式服务器、大型计算机、和其它适合的计算机。电子设备还可以表示各种形式的移动装置,诸如,个人数字处理、蜂窝电话、智能电话、可穿戴设备和其它类似的计算装置。本文所示的部件、它们的连接和关系、以及它们的功能仅仅作为示例,并且不意在限制本文中描述的和/或者要求的本公开的实现。
如图6所示,电子设备600包括计算单元601,其可以根据存储在只读存储器(ROM)602中的计算机程序或者从存储单元608加载到随机访问存储器(RAM)603中的计算机程序,来执行各种适当的动作和处理。在RAM 603中,还可存储电子设备600操作所需的各种程序和数据。计算单元601、ROM 602以及RAM 603通过总线604彼此相连。输入/输出(I/O)接口605也连接至总线604。
电子设备600中的多个部件连接至I/O接口605,包括:输入单元606,例如键盘、鼠标等;输出单元607,例如各种类型的显示器、扬声器等;存储单元608,例如磁盘、光盘等;以及通信单元609,例如网卡、调制解调器、无线通信收发机等。通信单元609允许电子设备600通过诸如因特网的计算机网络和/或各种电信网络与其他设备交换信息/数据。
计算单元601可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元601的一些示例包括但不限于中央处理单元(CPU)、图形处理单元(GPU)、各种专用的人工智能(AI)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(DSP)、以及任何适当的处理器、控制器、微控制器等。计算单元601执行上文所描述的各个方法和处理,例如物体检测方法。例如,在一些实施例中,物体检测方法可被实现为计算机软件程序,其被有形地包含于机器可读介质,例如存储单元608。在一些实施例中,计算机程序的部分或者全部可以经由ROM 602和/或通信单元609而被载入和/或安装到电子设备600上。当计算机程序加载到RAM 603并由计算单元601执行时,可以执行上文描述的物体检测方法的一个或多个步骤。备选地,在其他实施例中,计算单元601可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行物体检测方法。
本文中以上描述的***和技术的各种实施方式可以在数字电子电路***、集成电路***、场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、芯片上***的***(SOC)、负载可编程逻辑设备(CPLD)、计算机硬件、固件、软件、和/或它们的组合中实现。这些各种实施方式可以包括:实施在一个或者多个计算机程序中,该一个或者多个计算机程序可在包括至少一个可编程处理器的可编程***上执行和/或解释,该可编程处理器可以是专用或者通用可编程处理器,可以从存储***、至少一个输入装置、和至少一个输出装置接收数据和指令,并且将数据和指令传输至该存储***、该至少一个输入装置、和该至少一个输出装置。
用于实施本公开的方法的程序代码可以采用一个或多个编程语言的任何组合来编写。这些程序代码可以提供给通用计算机、专用计算机或其他可编程物体检测装置的处理器或控制器,使得程序代码当由处理器或控制器执行时使流程图和/或框图中所规定的功能/操作被实施。程序代码可以完全在机器上执行、部分地在机器上执行,作为独立软件包部分地在机器上执行且部分地在远程机器上执行或完全在远程机器或服务器上执行。
在本公开的上下文中,机器可读介质可以是有形的介质,其可以包含或存储以供指令执行***、装置或设备使用或与指令执行***、装置或设备结合地使用的程序。机器可读介质可以是机器可读信号介质或机器可读储存介质。机器可读介质可以包括但不限于电子的、磁性的、光学的、电磁的、红外的、或半导体***、装置或设备,或者上述内容的任何合适组合。机器可读存储介质的更具体示例会包括基于一个或多个线的电气连接、便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦除可编程只读存储器(EPROM或快闪存储器)、光纤、便捷式紧凑盘只读存储器(CD-ROM)、光学储存设备、磁储存设备、或上述内容的任何合适组合。
为了提供与用户的交互,可以在计算机上实施此处描述的***和技术,该计算机具有:用于向用户显示信息的显示装置(例如,CRT(阴极射线管)或者LCD(液晶显示器)监视器);以及键盘和指向装置(例如,鼠标或者轨迹球),用户可以通过该键盘和该指向装置来将输入提供给计算机。其它种类的装置还可以用于提供与用户的交互;例如,提供给用户的反馈可以是任何形式的传感反馈(例如,视觉反馈、听觉反馈、或者触觉反馈);并且可以用任何形式(包括声输入、语音输入或者、触觉输入)来接收来自用户的输入。
可以将此处描述的***和技术实施在包括后台部件的计算***(例如,作为数据服务器)、或者包括中间件部件的计算***(例如,应用服务器)、或者包括前端部件的计算***(例如,具有图形用户界面或者网络浏览器的用户计算机,用户可以通过该图形用户界面或者该网络浏览器来与此处描述的***和技术的实施方式交互)、或者包括这种后台部件、中间件部件、或者前端部件的任何组合的计算***中。可以通过任何形式或者介质的数字数据通信(例如,通信网络)来将***的部件相互连接。通信网络的示例包括:局域网(LAN)、广域网(WAN)和互联网。
计算机***可以包括客户端和服务器。客户端和服务器一般远离彼此并且通常通过通信网络进行交互。通过在相应的计算机上运行并且彼此具有客户端-服务器关系的计算机程序来产生客户端和服务器的关系。服务器可以是云服务器,也可以为分布式***的服务器,或者是结合了区块链的服务器。
人工智能是研究使计算机来模拟人的某些思维过程和智能行为(如学习、推理、思考、规划等)的学科,既有硬件层面的技术也有软件层面的技术。人工智能硬件技术一般包括如传感器、专用人工智能芯片、云计算、分布式存储、大数据处理等技术;人工智能软件技术主要包括计算机视觉技术、语音识别技术、自然语言处理技术及机器学习/深度学习技术、大数据处理技术、知识图谱技术等几大方向。
云计算(cloud computing),指的是通过网络接入弹性可扩展的共享物理或虚拟资源池,资源可以包括服务器、操作***、网络、软件、应用和存储设备等,并可以按需、自服务的方式对资源进行部署和管理的技术体系。通过云计算技术,可以为人工智能、区块链等技术应用、模型训练提供高效强大的数据处理能力。
应该理解,可以使用上面所示的各种形式的流程,重新排序、增加或删除步骤。例如,本发公开中记载的各步骤可以并行地执行也可以顺序地执行也可以不同的次序执行,只要能够实现本公开公开的技术方案所期望的结果,本文在此不进行限制。
上述具体实施方式,并不构成对本公开保护范围的限制。本领域技术人员应该明白的是,根据设计要求和其他因素,可以进行各种修改、组合、子组合和替代。任何在本公开的精神和原则之内所作的修改、等同替换和改进等,均应包含在本公开保护范围之内。
Claims (13)
1.一种物体检测方法,包括:
从场景图像数据中抽取场景的图像描述特征,并从场景点云数据中抽取场景的点云描述特征;
根据所述图像描述特征确定动态卷积核,并采用所述动态卷积核对所述点云描述特征进行处理,得到场景的融合特征;
根据所述场景的融合特征确定场景中的物体检测结果。
2.根据权利要求1所述的方法,其中,所述根据所述图像描述特征确定动态卷积核,并采用所述动态卷积核对所述点云描述特征进行处理,得到场景的融合特征,包括:
通过第I个图像卷积单元,对第I-1个图像输出特征进行处理,得到第I个图像输出特征;
根据第I个图像输出特征,确定第I个动态卷积核;
通过第I个点云卷积单元,采用所述第I个动态卷积核对第I-1个融合特征进行处理,得到第I个融合特征;
其中,首个图像输出特征为所述图像描述特征;通过对所述点云描述特征进行鸟瞰图处理得到首个融合特征;所述I为正整数。
3.根据权利要求2所述的方法,其中,所述根据第I个图像输出特征,确定第I个动态卷积核,包括:
通过第I个全连接单元,对第I个图像输出特征进行处理,得到第I个动态卷积核;
其中,第I个全连接单元的输入数据量根据第I个图像输出特征中的图像通道数、图像高度和图像宽度确定,第I个全连接单元的输出数据量根据第I个融合特征中的融合通道数和第I个动态卷积核的尺寸确定。
4.根据权利要求1-3中任一项所述的方法,还包括:
对所述场景图像数据进行前景识别,得到所述场景图像中的前景区域和背景区域;
所述从场景图像数据中抽取场景的图像描述特征,包括:
从所述场景图像数据中抽取场景的基础描述特征;
采用权重矩阵对所述基础描述特征进行修正,得到所述图像描述特征;
其中,权重矩阵中与所述前景区域关联的前景权重值,大于与所述背景区域关联的背景权重值。
5.根据权利要求1-3中任一项所述的方法,其中,所述物体检测结果包括物体的位置信息、尺寸信息或朝向信息中的至少一项。
6.一种物体检测装置,包括:
描述特征抽取模块,用于从场景图像数据中抽取场景的图像描述特征,并从场景点云数据中抽取场景的点云描述特征;
动态卷积核确定模块,用于根据所述图像描述特征确定动态卷积核,并采用所述动态卷积核对所述点云描述特征进行处理,得到场景的融合特征;
物体检测结果确定模块,用于根据所述场景的融合特征确定场景中的物体检测结果。
7.根据权利要求6所述的装置,其中,所述动态卷积核确定模块,包括:
图像输出特征确定子模块,用于通过第I个图像卷积单元,对第I-1个图像输出特征进行处理,得到第I个图像输出特征;
动态卷积核确定子模块,用于根据第I个图像输出特征,确定第I个动态卷积核;
融合特征确定模块,用于通过第I个点云卷积单元,采用所述第I个动态卷积核对第I-1个融合特征进行处理,得到第I个融合特征;
其中,首个图像输出特征为所述图像描述特征;通过对所述点云描述特征进行鸟瞰图处理得到首个融合特征;所述I为正整数。
8.根据权利要求7所述的装置,其中,所述动态卷积核确定子模块,包括:
动态卷积核确定单元,用于通过第I个全连接单元,对第I个图像输出特征进行处理,得到第I个动态卷积核;
其中,第I个全连接单元的输入数据量根据第I个图像输出特征中的图像通道数、图像高度和图像宽度确定,第I个全连接单元的输出数据量根据第I个融合特征中的融合通道数和第I个动态卷积核的尺寸确定。
9.根据权利要求6-8中任一项所述的装置,还包括:
前景识别模块,用于对所述场景图像数据进行前景识别,得到所述场景图像中的前景区域和背景区域;
所述描述特征抽取模块,包括:
基础描述特征描述子模块,用于从所述场景图像数据中抽取场景的基础描述特征;
基础描述特征修正子模块,用于采用权重矩阵对所述基础描述特征进行修正,得到所述图像描述特征;
其中,权重矩阵中与所述前景区域关联的前景权重值,大于与所述背景区域关联的背景权重值。
10.根据权利要求6-8中任一项所述的装置,其中,所述物体检测结果包括物体的位置信息、尺寸信息或朝向信息中的至少一项。
11.一种电子设备,包括:
至少一个处理器;以及
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行权利要求1-5中任一项所述的物体检测方法。
12.一种存储有计算机指令的非瞬时计算机可读存储介质,其中,所述计算机指令用于使计算机执行根据权利要求1-5中任一项所述的物体检测方法。
13.一种计算机程序产品,包括计算机程序,所述计算机程序在被处理器执行时实现根据权利要求1-5中任一项所述的物体检测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210210659.4A CN114581746B (zh) | 2022-03-04 | 2022-03-04 | 物体检测方法、装置、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210210659.4A CN114581746B (zh) | 2022-03-04 | 2022-03-04 | 物体检测方法、装置、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114581746A true CN114581746A (zh) | 2022-06-03 |
CN114581746B CN114581746B (zh) | 2023-09-05 |
Family
ID=81772834
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210210659.4A Active CN114581746B (zh) | 2022-03-04 | 2022-03-04 | 物体检测方法、装置、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114581746B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485690A (zh) * | 2015-08-25 | 2017-03-08 | 南京理工大学 | 基于点特征的点云数据与光学影像的自动配准融合方法 |
CN109145970A (zh) * | 2018-08-06 | 2019-01-04 | 北京市商汤科技开发有限公司 | 基于图像的问答处理方法和装置、电子设备及存储介质 |
CN109345510A (zh) * | 2018-09-07 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 物体检测方法、装置、设备、存储介质及车辆 |
CN112270332A (zh) * | 2020-11-12 | 2021-01-26 | 武汉科技大学 | 一种基于子流稀疏卷积的三维目标检测方法及*** |
CN112734827A (zh) * | 2021-01-07 | 2021-04-30 | 京东鲲鹏(江苏)科技有限公司 | 一种目标检测方法、装置、电子设备和存储介质 |
CN113392937A (zh) * | 2021-07-30 | 2021-09-14 | 广东工业大学 | 一种3d点云数据分类方法及其相关装置 |
-
2022
- 2022-03-04 CN CN202210210659.4A patent/CN114581746B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106485690A (zh) * | 2015-08-25 | 2017-03-08 | 南京理工大学 | 基于点特征的点云数据与光学影像的自动配准融合方法 |
CN109145970A (zh) * | 2018-08-06 | 2019-01-04 | 北京市商汤科技开发有限公司 | 基于图像的问答处理方法和装置、电子设备及存储介质 |
CN109345510A (zh) * | 2018-09-07 | 2019-02-15 | 百度在线网络技术(北京)有限公司 | 物体检测方法、装置、设备、存储介质及车辆 |
US20200082207A1 (en) * | 2018-09-07 | 2020-03-12 | Baidu Online Network Technology (Beijing) Co., Ltd. | Object detection method and apparatus for object detection |
CN112270332A (zh) * | 2020-11-12 | 2021-01-26 | 武汉科技大学 | 一种基于子流稀疏卷积的三维目标检测方法及*** |
CN112734827A (zh) * | 2021-01-07 | 2021-04-30 | 京东鲲鹏(江苏)科技有限公司 | 一种目标检测方法、装置、电子设备和存储介质 |
CN113392937A (zh) * | 2021-07-30 | 2021-09-14 | 广东工业大学 | 一种3d点云数据分类方法及其相关装置 |
Non-Patent Citations (1)
Title |
---|
刘万军;梁雪剑;曲海成;: "不同池化模型的卷积神经网络学习性能研究", 中国图象图形学报 * |
Also Published As
Publication number | Publication date |
---|---|
CN114581746B (zh) | 2023-09-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112801164B (zh) | 目标检测模型的训练方法、装置、设备及存储介质 | |
CN114186632B (zh) | 关键点检测模型的训练方法、装置、设备、存储介质 | |
CN113674421B (zh) | 3d目标检测方法、模型训练方法、相关装置及电子设备 | |
CN114120253B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN113947188A (zh) | 目标检测网络的训练方法和车辆检测方法 | |
CN112560684A (zh) | 车道线检测方法、装置、电子设备、存储介质以及车辆 | |
CN112989995B (zh) | 文本检测方法、装置及电子设备 | |
EP4020387A2 (en) | Target tracking method and device, and electronic apparatus | |
CN112528858A (zh) | 人体姿态估计模型的训练方法、装置、设备、介质及产品 | |
CN113378712A (zh) | 物体检测模型的训练方法、图像检测方法及其装置 | |
CN112580666A (zh) | 图像特征的提取方法、训练方法、装置、电子设备及介质 | |
CN113592932A (zh) | 深度补全网络的训练方法、装置、电子设备及存储介质 | |
CN113298910A (zh) | 生成交通标志线地图的方法、设备和存储介质 | |
CN113205041A (zh) | 结构化信息提取方法、装置、设备和存储介质 | |
CN113326773A (zh) | 识别模型训练方法、识别方法、装置、设备及存储介质 | |
CN116168132A (zh) | 街景重建模型获取及街景重建方法、装置、设备及介质 | |
CN114202026A (zh) | 多任务模型训练方法和装置、多任务处理方法和装置 | |
CN115147831A (zh) | 三维目标检测模型的训练方法和装置 | |
CN115578431B (zh) | 图像深度处理方法、装置、电子设备及介质 | |
CN116152702A (zh) | 点云标签的获取方法、装置、电子设备和自动驾驶车辆 | |
CN113920273B (zh) | 图像处理方法、装置、电子设备和存储介质 | |
CN115861755A (zh) | 特征融合方法、装置、电子设备及自动驾驶车辆 | |
CN114581746B (zh) | 物体检测方法、装置、设备及介质 | |
CN113936158A (zh) | 一种标签匹配方法及装置 | |
CN113205131A (zh) | 图像数据的处理方法、装置、路侧设备和云控平台 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |