目标定位方法、装置及电子设备、计算机可读存储介质制造方法及图纸

本申请公开了一种目标定位方法、装置及电子设备、计算机可读存储介质，该方法包括：获取路侧相机采集的当前图像和激光雷达采集的当前激光点云数据；利用预设目标关键点检测模型对所述当前图像进行检测，得到目标关键点检测结果，目标关键点检测结果包括目标在当前图像中可见区域的参考点位置；根据目标在当前图像中可见区域的参考点位置和所述当前激光点云数据，确定目标定位结果。本申请通过事先训练好的目标关键点检测模型对目标在图像可见区域的参考点位置进行检测，可以有效区分拥挤遮挡场景下的行人个体，进一步利用激光雷达测距的优势，结合参考点位置对应的激光点云数据，确定出目标的绝对位置，提高了拥挤遮挡场景下的目标定位精度。的目标定位精度。的目标定位精度。

【技术实现步骤摘要】
目标定位方法、装置及电子设备、计算机可读存储介质


[0001]本申请涉及目标定位
，尤其涉及一种目标定位方法、装置及电子设备、计算机可读存储介质。

技术介绍

[0002]基于路侧感知实现的目标定位是指检测出目标在世界坐标系下的绝对位置，基于该绝对位置可以相应地在数字孪生、智慧城市等平台上同步显示，也可以将该绝对位置发送给车端补盲，因为车辆存在视野盲区，行人等目标如果在处在车辆的盲区内容易不被看到，从而易造成事故。
[0003]目前的目标定位流程一般是通过2D目标检测模型检测出行人等目标在图像中的矩形框，该矩形框的底边一般都是接地的，通过事先标定的相机坐标系与世界坐标系的变换关系，将矩形框的底边中心变换到世界坐标系下，从而得到目标的绝对位置。
[0004]然而上述目标定位流程要求检测出的矩形框的底边贴着地面，这是因为单目相机没有尺度信息，得不到人到相机的距离，所以往往标定的是地面上的坐标与相机图像的坐标的变换关系，通过相机图像的坐标找到相应的世界坐标。这种情况下如果检测的是拥挤遮挡等场景下的目标，被遮挡的目标很难检测到接地的矩形框的底边，进而无法通过上述目标检测流程实现精准的目标定位。

技术实现思路

[0005]本申请实施例提供了一种目标定位方法、装置及电子设备、计算机可读存储介质，以提高拥挤遮挡等场景下的目标定位精度。
[0006]本申请实施例采用下述技术方案：
[0007]第一方面，本申请实施例提供一种目标定位方法，其中，所述方法包括：
[0008]获取路侧相机采集的当前图像和激光雷达采集的当前激光点云数据；
[0009]利用预设目标关键点检测模型对所述当前图像进行检测，得到目标关键点检测结果，所述目标关键点检测结果包括目标在当前图像中可见区域的参考点位置；
[0010]根据所述目标在当前图像中可见区域的参考点位置和所述当前激光点云数据，确定目标定位结果。
[0011]可选地，所述预设目标关键点检测模型通过如下方式得到：
[0012]获取训练样本数据，所述训练样本数据包含有目标在当前图像中可见区域的参考点标注位置；
[0013]利用所述训练样本数据对人体关键点检测模型进行训练，得到所述预设目标关键点检测模型。
[0014]可选地，所述根据所述目标在当前图像中可见区域的参考点位置和所述当前激光点云数据，确定目标定位结果包括：
[0015]根据所述目标在当前图像中可见区域的参考点位置和所述当前激光点云数据，确
定所述目标在当前图像中可见区域的参考点位置对应的当前激光点云数据；
[0016]根据所述目标在当前图像中可见区域的参考点位置对应的当前激光点云数据，确定所述目标定位结果。
[0017]可选地，所述根据所述目标在当前图像中可见区域的参考点位置和所述当前激光点云数据，确定所述目标在当前图像中可见区域的参考点位置对应的当前激光点云数据包括：
[0018]确定图像像素坐标系与激光雷达坐标系的变换关系；
[0019]根据所述图像像素坐标系与激光雷达坐标系的变换关系，将所述当前激光点云数据投影至所述当前图像中，得到当前激光点云数据的投影位置；
[0020]根据所述目标关键点检测结果和所述当前激光点云数据的投影位置确定所述目标在当前图像中可见区域的参考点位置对应的当前激光点云数据。
[0021]可选地，所述确定图像像素坐标系与激光雷达坐标系的变换关系包括：
[0022]确定所述图像像素坐标系与相机坐标系的变换关系和所述相机坐标系与激光雷达坐标系的变换关系，并根据所述图像像素坐标系与相机坐标系的变换关系和所述相机坐标系与激光雷达坐标系的变换关系确定所述图像像素坐标系与激光雷达坐标系的变换关系；或者，
[0023]利用预设标定策略对所述图像像素坐标系与激光雷达坐标系的变换关系进行标定。
[0024]可选地，所述目标在当前图像中可见区域的参考点位置对应的当前激光点云数据包括目标在当前图像中可见区域的参考点位置对应的3D点的位置，所述根据所述目标在当前图像中可见区域的参考点位置对应的当前激光点云数据，确定所述目标定位结果包括：
[0025]确定激光雷达坐标系与世界坐标系的变换关系；
[0026]根据所述激光雷达坐标系与世界坐标系的变换关系，将所述3D点的位置转换到世界坐标系下，得到所述目标定位结果。
[0027]可选地，所述3D点的位置包括多个，所述根据所述激光雷达坐标系与世界坐标系的变换关系，将所述3D点的位置转换到世界坐标系下，得到所述目标定位结果包括：
[0028]利用预设融合策略对多个3D点的位置进行融合，得到融合后的3D点的位置；
[0029]根据所述激光雷达坐标系与世界坐标系的变换关系，将所述融合后的3D点的位置转换到世界坐标系下，得到所述目标定位结果。
[0030]第二方面，本申请实施例还提供一种目标定位装置，其中，所述装置包括：
[0031]获取单元，用于获取路侧相机采集的当前图像和激光雷达采集的当前激光点云数据；
[0032]检测单元，用于利用预设目标关键点检测模型对所述当前图像进行检测，得到目标关键点检测结果，所述目标关键点检测结果包括目标在当前图像中可见区域的参考点位置；
[0033]确定单元，用于根据所述目标在当前图像中可见区域的参考点位置和所述当前激光点云数据，确定目标定位结果。
[0034]第三方面，本申请实施例还提供一种电子设备，包括：
[0035]处理器；以及
[0036]被安排成存储计算机可执行指令的存储器，所述可执行指令在被执行时使所述处理器执行前述之任一所述方法。
[0037]第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质存储一个或多个程序，所述一个或多个程序当被包括多个应用程序的电子设备执行时，使得所述电子设备执行前述之任一所述方法。
[0038]本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：本申请实施例的目标定位方法，先获取路侧相机采集的当前图像和激光雷达采集的当前激光点云数据；然后利用预设目标关键点检测模型对当前图像进行检测，得到目标关键点检测结果，目标关键点检测结果包括目标在当前图像中可见区域的参考点位置；最后根据目标在当前图像中可见区域的参考点位置和当前激光点云数据，确定目标定位结果。本申请实施例的目标定位方法通过事先训练好的目标关键点检测模型对目标在图像可见区域的参考点位置进行检测，可以有效区分拥挤遮挡场景下的行人个体，进一步利用激光雷达测距的优势，结合参考点位置对应的激光点云数据，确定出目标的绝对位置，提高了拥挤遮挡场景下的目标定位精度。
附图说明
[0039]此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
[0040]图1为本申请实施例中一种目本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标定位方法，其中，所述方法包括：获取路侧相机采集的当前图像和激光雷达采集的当前激光点云数据；利用预设目标关键点检测模型对所述当前图像进行检测，得到目标关键点检测结果，所述目标关键点检测结果包括目标在当前图像中可见区域的参考点位置；根据所述目标在当前图像中可见区域的参考点位置和所述当前激光点云数据，确定目标定位结果。2.如权利要求1所述方法，其中，所述预设目标关键点检测模型通过如下方式得到：获取训练样本数据，所述训练样本数据包含有目标在当前图像中可见区域的参考点标注位置；利用所述训练样本数据对人体关键点检测模型进行训练，得到所述预设目标关键点检测模型。3.如权利要求1所述方法，其中，所述根据所述目标在当前图像中可见区域的参考点位置和所述当前激光点云数据，确定目标定位结果包括：根据所述目标在当前图像中可见区域的参考点位置和所述当前激光点云数据，确定所述目标在当前图像中可见区域的参考点位置对应的当前激光点云数据；根据所述目标在当前图像中可见区域的参考点位置对应的当前激光点云数据，确定所述目标定位结果。4.如权利要求3所述方法，其中，所述根据所述目标在当前图像中可见区域的参考点位置和所述当前激光点云数据，确定所述目标在当前图像中可见区域的参考点位置对应的当前激光点云数据包括：确定图像像素坐标系与激光雷达坐标系的变换关系；根据所述图像像素坐标系与激光雷达坐标系的变换关系，将所述当前激光点云数据投影至所述当前图像中，得到当前激光点云数据的投影位置；根据所述目标关键点检测结果和所述当前激光点云数据的投影位置确定所述目标在当前图像中可见区域的参考点位置对应的当前激光点云数据。5.如权利要求4所述方法，其中，所述确定图像像素坐标系与激光雷达坐标系的变换关系包括：确定所述图像像素坐标系与相机坐标系的变换关系和所述相机坐标系与激光雷达坐标系的变换关系，并根据所述图像像素坐标系与相机坐标系的变换关系和所述相机坐标系与激...

【专利技术属性】
技术研发人员：张上鑫，
申请(专利权)人：智道网联科技北京有限公司，
类型：发明
国别省市：