【技术实现步骤摘要】
本申请涉及目标检测，具体涉及一种目标检测方法、装置、设备及可读存储介质。
技术介绍
1、智能驾驶汽车在行驶过程中往往会遇到各种复杂的驾驶环境，如光照变化、恶劣天气、道路拥堵等，而如何在如此复杂的驾驶环境中自主避让障碍物，以确保行驶安全是非常重要的。其中，目标检测技术因其能够精确地检测包括行人、车辆、建筑物等在内的障碍物并确定障碍物位置、大小和移动速度等信息，被广泛应用于智能驾驶领域进行障碍物识别与避让，以避免碰撞事故的发生，从而提升行车安全性。
2、相关技术中，为了提升目标检测的精度，往往以融合不同传感器数据(比如激光雷达数据、毫米波雷达数据以及相机数据等)的方式来进行目标检测；但是进行多种传感器数据的融合通常需要较高的计算资源，以致系统响应时间增加，继而使得特征融合的效率变低，从而造成目标检测的效率较低，无法满足自动驾驶对实时性的要求。可见，如何在确保目标检测精度的同时，提升目标检测的效率是当前亟需解决的问题。
技术实现思路
1、本申请提供一种目标检测方法、装置、设备及可读存储介质，可在确保目标检测精度的同时，有效提升目标检测的效率。
2、第一方面，本申请实施例提供一种目标检测方法，所述目标检测方法包括：
3、获取与目标激光雷达数据对应的高层鸟瞰图特征；
4、分别对高层鸟瞰图特征进行二维卷积和金字塔池化处理，得到第一鸟瞰图特征和第二鸟瞰图特征；
5、通过大小不同的二维卷积核对所述高层鸟瞰图特征进行特征增强，得到第一增强鸟
6、基于注意力机制对所述高层鸟瞰图特征、所述第一鸟瞰图特征和所述第二鸟瞰图特征进行特征增强，得到第二增强鸟瞰图特征；
7、通过大小不同的二维卷积核对所述第一增强鸟瞰图特征和所述第二增强鸟瞰图特征进行特征增强，得到目标增强特征；
8、基于所述目标增强特征进行目标检测，以输出目标检测结果。
9、结合第一方面，在一种实施方式中，所述通过大小不同的二维卷积核对所述高层鸟瞰图特征进行特征增强，得到第一增强鸟瞰图特征，包括：
10、通过两组大小不同的二维卷积核分别对所述高层鸟瞰图特征进行卷积计算，得到第三鸟瞰图特征和第四鸟瞰图特征；
11、对所述第三鸟瞰图特征和第四鸟瞰图特征进行拼接处理，得到第五鸟瞰图特征；
12、对所述第五鸟瞰图特征和所述高层鸟瞰图特征进行拼接处理，得到第一增强鸟瞰图特征。
13、结合第一方面，在一种实施方式中，所述基于注意力机制对所述高层鸟瞰图特征、所述第一鸟瞰图特征和所述第二鸟瞰图特征进行特征增强，得到第二增强鸟瞰图特征，包括：
14、将所述高层鸟瞰图特征、所述第一鸟瞰图特征和所述第二鸟瞰图特征分别作为查询鸟瞰图特征、键鸟瞰图特征和值鸟瞰图特征；
15、基于多头注意力机制对所述查询鸟瞰图特征、所述键鸟瞰图特征和所述值鸟瞰图特征进行相关性计算，得到第二增强鸟瞰图特征。
16、结合第一方面，在一种实施方式中，所述通过大小不同的二维卷积核对所述第一增强鸟瞰图特征和所述第二增强鸟瞰图特征进行特征增强，得到目标增强特征，包括：
17、对所述第一增强鸟瞰图特征和所述第二增强鸟瞰图特征进行拼接，得到拼接鸟瞰图特征；
18、通过两组大小不同的二维卷积核分别对所述拼接鸟瞰图特征进行卷积计算，得到第六鸟瞰图特征和第七鸟瞰图特征；
19、对所述第六鸟瞰图特征和第七鸟瞰图特征进行拼接处理，得到第八鸟瞰图特征；
20、对所述第八鸟瞰图特征和所述拼接鸟瞰图特征进行拼接处理，得到目标增强bev特征。
21、结合第一方面，在一种实施方式中，所述获取与目标激光雷达数据对应的高层鸟瞰图特征，包括：
22、获取与目标激光雷达数据对应的激光雷达鸟瞰图特征；
23、对所述激光雷达鸟瞰图特征进行多层二维卷积处理，得到高层鸟瞰图特征。
24、结合第一方面，在一种实施方式中，在所述获取与目标激光雷达数据对应的高层鸟瞰图特征的步骤之前，还包括：
25、获取初始激光雷达数据；
26、对所述初始激光雷达数据中的目标障碍物进行旋转处理，得到新的激光雷达数据；
27、将所述初始激光雷达数据和所述新的激光雷达数据作为目标激光雷达数据。
28、结合第一方面，在一种实施方式中，在所述获取与目标激光雷达数据对应的高层鸟瞰图特征的步骤之前，还包括：
29、获取初始激光雷达数据；
30、从所述初始激光雷达数据中筛选出多个目标激光雷达数据，所述目标激光雷达数据中的目标对象的对角线长度大于预设的对角线长度阈值；
31、针对每个所述目标激光雷达数据，从所述目标激光雷达数据中获取背景区域；
32、从所述初始激光雷达数据中筛选出预设个数的障碍物标签，并将所述障碍物标签添加至所述背景区域，以生成新的激光雷达数据；
33、将所述初始激光雷达数据和所述新的激光雷达数据作为目标激光雷达数据。
34、第二方面，本申请实施例提供一种目标检测装置，所述目标检测装置包括：
35、特征获取模块，其用于获取与目标激光雷达数据对应的高层鸟瞰图特征；
36、特征处理模块，其用于分别对高层鸟瞰图特征进行二维卷积和金字塔池化处理，得到第一鸟瞰图特征和第二鸟瞰图特征；
37、特征增强模块，其用于通过大小不同的二维卷积核对所述高层鸟瞰图特征进行特征增强，得到第一增强鸟瞰图特征；基于注意力机制对所述高层鸟瞰图特征、所述第一鸟瞰图特征和所述第二鸟瞰图特征进行特征增强，得到第二增强鸟瞰图特征；通过大小不同的二维卷积核对所述第一增强鸟瞰图特征和所述第二增强鸟瞰图特征进行特征增强，得到目标增强特征；
38、目标检测模块，其用于基于所述目标增强特征进行目标检测，以输出目标检测结果。
39、结合第二方面，在一种实施方式中，所述特征增强模块具体用于：
40、通过两组大小不同的二维卷积核分别对所述高层鸟瞰图特征进行卷积计算，得到第三鸟瞰图特征和第四鸟瞰图特征；
41、对所述第三鸟瞰图特征和第四鸟瞰图特征进行拼接处理，得到第五鸟瞰图特征；
42、对所述第五鸟瞰图特征和所述高层鸟瞰图特征进行拼接处理，得到第一增强鸟瞰图特征。
43、结合第二方面，在一种实施方式中，所述特征增强模块具体还用于：
44、将所述高层鸟瞰图特征、所述第一鸟瞰图特征和所述第二鸟瞰图特征分别作为查询鸟瞰图特征、键鸟瞰图特征和值鸟瞰图特征；
45、基于多头注意力机制对所述查询鸟瞰图特征、所述键鸟瞰图特征和所述值鸟瞰图特征进行相关性计算，得到第二增强鸟瞰图特征。
46、结合第二方面，在一种实施方式中，所述特征增强模块具体还用于：
47、对所述第一增强鸟瞰图特征和所述第二增强鸟瞰图本文档来自技高网...
【技术保护点】
1.一种目标检测方法，其特征在于，所述目标检测方法包括：
2.如权利要求1所述的目标检测方法，其特征在于，所述通过大小不同的二维卷积核对所述高层鸟瞰图特征进行特征增强，得到第一增强鸟瞰图特征，包括：
3.如权利要求1所述的目标检测方法，其特征在于，所述基于注意力机制对所述高层鸟瞰图特征、所述第一鸟瞰图特征和所述第二鸟瞰图特征进行特征增强，得到第二增强鸟瞰图特征，包括：
4.如权利要求1所述的目标检测方法，其特征在于，所述通过大小不同的二维卷积核对所述第一增强鸟瞰图特征和所述第二增强鸟瞰图特征进行特征增强，得到目标增强特征，包括：
5.如权利要求1所述的目标检测方法，其特征在于，所述获取与目标激光雷达数据对应的高层鸟瞰图特征，包括：
6.如权利要求1所述的目标检测方法，其特征在于，在所述获取与目标激光雷达数据对应的高层鸟瞰图特征的步骤之前，还包括：
7.如权利要求1所述的目标检测方法，其特征在于，在所述获取与目标激光雷达数据对应的高层鸟瞰图特征的步骤之前，还包括：
8.一种目标检测装置，其特征在于，
9.一种目标检测设备，其特征在于，所述目标检测设备包括处理器、存储器以及存储在所述存储器上并可被所述处理器执行的目标检测程序，其中所述目标检测程序被所述处理器执行时，实现如权利要求1至7中任一项所述的目标检测方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有目标检测程序，其中所述目标检测程序被处理器执行时，实现如权利要求1至7中任一项所述的目标检测方法的步骤。
...【技术特征摘要】
1.一种目标检测方法，其特征在于，所述目标检测方法包括：
2.如权利要求1所述的目标检测方法，其特征在于，所述通过大小不同的二维卷积核对所述高层鸟瞰图特征进行特征增强，得到第一增强鸟瞰图特征，包括：
3.如权利要求1所述的目标检测方法，其特征在于，所述基于注意力机制对所述高层鸟瞰图特征、所述第一鸟瞰图特征和所述第二鸟瞰图特征进行特征增强，得到第二增强鸟瞰图特征，包括：
4.如权利要求1所述的目标检测方法，其特征在于，所述通过大小不同的二维卷积核对所述第一增强鸟瞰图特征和所述第二增强鸟瞰图特征进行特征增强，得到目标增强特征，包括：
5.如权利要求1所述的目标检测方法，其特征在于，所述获取与目标激光雷达数据对应的高层鸟瞰图特征，包括：
6.如权利要求1所述...
【专利技术属性】
技术研发人员：朱玟谦，王俊印，刘会凯，张文，盛鸿博，
申请(专利权)人：岚图汽车科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。