目标检测结果的确定方法技术

本公开涉及自动驾驶领域，公开了目标检测结果的确定方法

【技术实现步骤摘要】
目标检测结果的确定方法、装置、计算机设备及存储介质


[0001]本公开涉及自动驾驶领域，具体涉及目标检测结果的确定方法
、
装置
、
计算机设备及存储介质
。

技术介绍

[0002]随着技术的迭代和发展，自动驾驶应用场景正不断扩大，全新的商业模式逐渐形成，为产业链内各企业带来多样的机遇与挑战
。
交通道路环境感知是自动驾驶
、
先进辅助驾驶系统中的关键环节，是后续车辆控制和决策的基础，精确
、
快速地感知交通场景可以提高自动驾驶汽车的安全性
。
[0003]在当前的感知技术中，通常采用两种对象检测技术来感知驾驶周围环境的变化，比如基于传统规则聚类
3D
目标检测和基于深度学习的激光雷达目标检测，但是基于传统规则聚类
3D
目标检测会出现同一物体被检测为多个物体或者两个物体检测为同一物体等情况，准确度不高，效果不理想，鲁棒性较差，从而影响整个感知结果；深度学习的激光雷达目标检测易受天气影响，进而影响激光雷达的效果，从而影响三维地图的构建，同时由于深度学习中利用检测模型来实现的目标检测，这时也会由于检测模型训练样本
、
模型参数等影响，导致对目标物体的漏检
、
空检
、
检测不准确的情况
。
[0004]因此，相关技术在对驾驶周围环境中的物体进行检测识别时，均存在检测结果不准确的问题
。

技术实现思路

>[0005]有鉴于此，本公开提供了一种目标检测结果的确定方法
、
装置
、
计算机设备及存储介质，以解决相关技术在对驾驶周围环境中的物体进行检测识别时，均存在检测结果不准确的问题
。
[0006]第一方面，本公开提供了一种目标检测结果的确定方法，该方法包括：
[0007]获取激光雷达下待检测的目标对象对应的点云数据；
[0008]利用第一检测算法对所述点云数据进行检测，得到第一检测框；
[0009]利用第二检测算法对所述点云数据进行检测，得到第二检测框；
[0010]根据所述第一检测框和所述第二检测框，确定对所述目标对象的目标检测结果
。
[0011]在本公开实施例中，通过获取激光雷达下待检测的目标对象对应的点云数据；利用第一检测算法对所述点云数据进行检测，得到第一检测框；利用第二检测算法对所述点云数据进行检测，得到第二检测框；根据所述第一检测框和所述第二检测框，确定对所述目标对象的目标检测结果
。
由于本公开对第一检测算法得出的第一检测框和第二检测算法得出的第二检测框相融合
、
结合，使这两种检测算法相互取长补短，从而得到高质量的激光雷达目标对象检测结果输出，减少了误检
、
漏检
、
检测不准确的情况发生，从而解决相关技术在对驾驶周围环境中的物体进行检测识别时，均存在检测结果不准确的问题
。
[0012]在一种可选的实施方式中，根据所述第一检测框和所述第二检测框，确定对所述
目标对象的目标检测结果，包括：
[0013]获取所述第一检测框内的点云数据与所述第二检测框内的点云数据之间的重合区域；
[0014]根据所述重合区域，确定所述目标检测结果；
[0015]或者，
[0016]根据所述重合区域，获取所述第二检测框的第二面积以及所述第二检测框内包含所述第一检测框的第一面积；
[0017]根据所述第一面积和所述第二面积，确定所述目标检测结果
。
[0018]在本公开实施例中，根据第一检测框内的点云数据和第二检测框内的点云数据之间的重合区域即可得到目标检测结果，或者根据第二检测框的第二面积以及所述第二检测框内包含所述第一检测框的第一面积，确定目标检测结果，这样解决两种检测算法各自的不足，取长补短，输出准确
、
稳定的目标检测结果
。
[0019]在一种可选的实施方式中，根据所述重合区域，确定所述目标检测结果，包括：
[0020]确定所述重合区域内的重合点云数量；
[0021]根据所述重合点云数量和所述第一检测框内的点云数量，确定点云占比；
[0022]根据所述点云占比，确定所述目标检测结果
。
[0023]在本公开实施例中，判定重合区域内的重合点云数量占第一检测框内的点云数量的点云占比，即可得出以哪个检测框作为最终的目标检测结果，得到的目标检测结果较为稳定且准确
。
[0024]在一种可选的实施方式中，根据所述点云占比，确定所述目标检测结果，包括：
[0025]在所述点云占比小于第一阈值的情况下，删除所述第二检测框，输出所述第一检测框，并将所述第一检测框作为所述目标检测结果
。
[0026]在本公开实施例中，以点云占比与第一阈值的比较情况作为输出目标检测结果的依据，同时结合第一检测算法和第二检测算法的各自不足，最终得到较为准确的目标检测结果
。
[0027]在一种可选的实施方式中，根据所述重合区域，获取所述第二检测框的第二面积以及所述第二检测框内包含所述第一检测框的第一面积，包括：
[0028]根据所述重合区域，确定所述点云占比；
[0029]在所述点云占比大于或者等于第一阈值的情况下，获取在所述第二检测框内所包含的多个所述第一检测框；
[0030]确定多个所述第一检测框的面积之和，得到所述第一面积；
[0031]确定所述第二检测框的所述第二面积
。
[0032]在本公开实施例中，在点云占比与第一阈值的比较情况为点云占比大于或者等于第一阈值时，为了进一步确认出准确的目标检测结果，这时还会得到第二检测框内包含所述第一检测框的第一面积，以及第二检测框的第二面积，作为得到高质量的激光雷达目标检测结果的参数
。
[0033]在一种可选的实施方式中，根据所述第一面积和所述第二面积，确定所述目标检测结果，包括：
[0034]根据所述第一面积和所述第二面积，确定面积占比；
[0035]将所述面积占比与第二阈值进行比较，得到比较结果；
[0036]根据所述比较结果，确定所述目标检测结果
。
[0037]在本公开实施例中，为了得到较为准确的目标检测结果，将第一检测框与第二检测框相融合的同时，还根据面积占比与第二阈值的比较结果，确定目标检测结果，这样规避了相关技术中检测不准确的问题，获得一个准确的
、
稳定的目标检测结果
。
[0038]在一种可选的实施方式中，根据所述比较结果，确定所述目标检测结果，包括：
[0039]在所述面积占比小于所述第二阈值的情况下，删除所述第二检测框，输出所述第一检测框，并将所述第一检测框作为所述目标检测结果；
[004本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种目标检测结果的确定方法，其特征在于，所述方法包括：获取激光雷达下待检测的目标对象对应的点云数据；利用第一检测算法对所述点云数据进行检测，得到第一检测框；利用第二检测算法对所述点云数据进行检测，得到第二检测框；根据所述第一检测框和所述第二检测框，确定对所述目标对象的目标检测结果
。2.
根据权利要求1所述的方法，其特征在于，所述根据所述第一检测框和所述第二检测框，确定对所述目标对象的目标检测结果，包括：获取所述第一检测框内的点云数据与所述第二检测框内的点云数据之间的重合区域；根据所述重合区域，确定所述目标检测结果；或者，根据所述重合区域，获取所述第二检测框的第二面积以及所述第二检测框内包含所述第一检测框的第一面积；根据所述第一面积和所述第二面积，确定所述目标检测结果
。3.
根据权利要求2所述的方法，其特征在于，所述根据所述重合区域，确定所述目标检测结果，包括：确定所述重合区域内的重合点云数量；根据所述重合点云数量和所述第一检测框内的点云数量，确定点云占比；根据所述点云占比，确定所述目标检测结果
。4.
根据权利要求3所述的方法，其特征在于，所述根据所述点云占比，确定所述目标检测结果，包括：在所述点云占比小于第一阈值的情况下，删除所述第二检测框，输出所述第一检测框，并将所述第一检测框作为所述目标检测结果
。5.
根据权利要求3所述的方法，其特征在于，所述根据所述重合区域，获取所述第二检测框的第二面积以及所述第二检测框内包含所述第一检测框的第一面积，包括：根据所述重合区域，确定所述点云占比；在所述点云占比大于或者等于第一阈值的情况下，获取在所述第二检测框内所包含的多个所述第一检测框；确定多个所述第一检测框的面积之和...

【专利技术属性】
技术研发人员：王文豪，徐月云，高嵩，王鹤，陈浩，
申请(专利权)人：国汽北京智能网联汽车研究院有限公司，
类型：发明
国别省市：