[发明专利]目标对象检测模型的训练方法及对象检测方法

说明书

本公开关于目标对象检测模型的训练方法及对象检测方法，该方法包括获取第一样本对象的第一样本图像和第一样本图像对应的多维度标签信息，多维度标签信息包括：二维属性标签信息和三维属性标签信息；将第一样本图像输入预设对象检测模型进行多维度对象检测，得到第一样本图像对应的多维度检测信息，多维度检测信息包括二维属性检测信息和三维属性检测信息；根据二维属性标签信息、三维属性标签信息、二维属性检测信息和三维属性检测信息对预设对象检测模型进行训练，得到目标对象检测模型。利用本公开实施例通过目标对象检测模型进行对象检测，得到对象的检测信息，目标对象检测模型的检测精度较高，进而提升了检测结果的准确性。

技术领域

本公开涉及自动驾驶领域，尤其涉及一种目标对象检测模型的训练方法及对象检测方法。

背景技术

在自动驾驶领域中，自动驾驶车辆的行驶速度预测、行驶方向预测、行驶规划以及车辆控制等都与目标检测模块有密切的联系。

目前，现有技术基于激光雷达可以实现三维对象检测，凭借高线束激光雷达可以实现对周围环境的厘米级精确建模，但是，该对象检测方法成本较高，因雨雪等环境原因还会产生定位精度下降的问题，极大地限制了激光雷达对象检测方法在自动驾驶领域的应用以及规模化落地；而现有技术中基于单目相机的三维对象检测方法，采用将二维图像送入模型学习三维信息并训练该模型，利用训练后的模型进行目标检测，因二维图像不包含深度信息，并且训练所用的标签较为单一，导致训练后的模型检测精度较低，进而带来基于该模型进行对象检测时得出的检测结果准确性欠佳等问题。

发明内容

本公开提供一种目标对象检测模型的训练方法及对象检测方法，以至少解决相关技术中三维对象检测网络模型的训练标签较为单一，训练后的网络模型检测准确性较低等问题。本公开的技术方案如下：

根据本公开实施例的一方面，提供一种目标对象检测模型的训练方法，包括：

获取第一样本对象的第一样本图像和所述第一样本图像对应的多维度标签信息，所述多维度标签信息包括：二维属性标签信息和三维属性标签信息；

将所述第一样本图像输入预设对象检测模型进行多维度对象检测，得到所述第一样本图像对应的多维度检测信息，所述多维度检测信息包括二维属性检测信息和三维属性检测信息；

根据所述二维属性标签信息、所述三维属性标签信息、所述二维属性检测信息和所述三维属性检测信息对所述预设对象检测模型进行训练，得到目标对象检测模型。

根据本公开实施例的另一方面，提供一种对象检测方法，包括：

获取待检测的目标对象对应的目标图像；

将所述目标图像输入，基于所述目标对象检测模型的训练方法所得到的目标对象检测模型进行多维度对象检测，得到所述目标图像对应的多维度目标检测信息，所述多维度目标检测信息包括：预测三维属性检测信息；

将所述预测三维属性检测信息中的三维检测信息、类别检测信息、中心点检测信息和欧拉角检测信息，作为所述目标图像对应的对象检测结果。

根据本公开实施例的另一方面，提供一种目标对象检测模型的训练装置，包括：

样本图像获取模块，用于获取第一样本对象的第一样本图像和所述第一样本图像对应的多维度标签信息，所述多维度标签信息包括：二维属性标签信息和三维属性标签信息；

样本对象检测模块，用于将所述第一样本图像输入预设对象检测模型进行多维度对象检测，得到所述第一样本图像对应的多维度检测信息，所述多维度检测信息包括二维属性检测信息和三维属性检测信息；

检测模型生成模块，用于根据所述二维属性标签信息、所述三维属性标签信息、所述二维属性检测信息和所述三维属性检测信息对所述预设对象检测模型进行训练，得到目标对象检测模型。