CN113887376B 目标检测方法、装置、介质及设备 （中汽创智科技有限公司）

关键图像；将所述关键图像输入至图像检测模2获取毫米波雷达采集的点云信息，以及获取摄像头采集的图像信息将所述关键图像输入至图像检测模型，进行图像检测处理，确定目确定基于当前处理周期对应的第一关键图像得到的第一目标以及所述第一目标对应确定基于前一处理周期对应的第二关键图像得到的第二目标以及所述第二目标对应根据所述第一感兴趣区域和所述第二感兴趣区域，对所述第一目标确定所述第三目标在所述当前处理周期和所述前一处理周期内的运动状态检测信息，获取所述毫米波雷达基于第一时间周期进行采集得到的原始点云信获取所述摄像头基于第二时间周期进行采集得到的原始图基于所述处理周期、所述第一时间戳和所述第二时间戳，从所述所述点云信息以及从所述原始图像信息中确定分别从所述原始点云信息和所述原始图像信息中对应确定处于同一个所述处理周期根据所述目标原始点云信息的第一时间戳和所述在所述时间戳差值满足预设条件的情况下，将所述目标原将所述目标的运动状态检测信息输入至扩展卡尔曼滤波器，3根据所述邻域半径阈值和所述密度阈值，对所述感兴趣区域内根据所述簇中的采样点对应的点云信息，计算得到所述信息获取模块，用于获取毫米波雷达采集的点云信息标以及在所述关键图像中所述目标对应的感兴趣运动状态检测模块，用于对所述感兴趣区域内的点云信息进行聚前一处理周期图像检测单元，用于确定基于前一处理周持续跟踪单元，用于确定所述第三目标在所述当前处理周期和所8.一种计算机可读存储介质，其特征在于，所述计器加载并执行如权利要求1至6中任一项所述的一4经难以满足不断增长的智慧交通应用需求，因此研究重点转向了多传感器融合检测技术，确定所述点云信息以及从所述原始图像信息[0016]分别从所述原始点云信息和所述原始图像信息中对应确定处于同一个所述处理[0017]根据所述目标原始点云信息的第一时间戳和所述目标原始图像信息的第二时间5[0020]确定基于当前处理周期对应的第一关键图像得到的第一目标以及所述第一目标[0021]确定基于前一处理周期对应的第二关键图像得到的第二目标以及所述第二目标[0023]确定所述第三目标在所述当前处理周期和所述前一处理周期内的运动状态检测[0035]根据所述簇中的采样点对应的点云信息，计算得到所述目标的运动状态检测信定目标以及在所述关键图像中所述目标对应6所述处理器加载并执行以实现如第一方面所述的一种目[0045]本申请提供的技术方案对像素级数据融合后的关键图像进行目标的识别检测以[0050]图3是本申请实施例提供的一种在极坐标系和毫米波雷达坐标系下的采样点的位[0051]图4是本申请实施例提供的一种获取时间同步的点云信息和图像信息的流程示意[0052]图5是本申请实施例提供的另一种获取时间同步的点云信息和图像信息的流程示[0053]图6是本申请实施例提供的一种基于时间戳对原始点云信息和原始图像信息进行7[0065]图18是本申请实施例提供的用于实现一种目标检测方法的设备的硬件结构示意[0066]人工智能(ArtificialIntelligence，AI)是利用数字计算机或者数字计算机控8个物品都有可能存在自己的识别标志，都需要传输到后台系统进行逻辑处理，不同程度级别的数据将会分开处理，各类行业数据皆需要强大的系统后盾支撑，因此云技术需要以云使各种应用系统能够根据需要获取计算力、存储空间和信息服务。提供资源的网络被称为9同或类似的标号表示相同或类似的元件或具有相同或[0081]密度聚类：基于密度的聚类算法假设聚类结构能够通过样本分布的紧密程度确基于划分的聚类方法和层次聚类方法，DBSCAN算法将簇定义为密度相连的样本的最大集[0087]以下介绍本申请提供的一种目标检测方法。图2是本申请实施例提供的一种目标行时，可以按照实施例或者附图所示的方法顺序执行或者并行执行(例如并行处理器或者集，得到原始点云信息。毫米波雷达是工作在毫米波波段探测的雷达，通常毫米波是指以采用以毫米波雷达自身位置为原点的自身坐标系XrOrYr，其中Xr轴指向毫米波的前向，[0102]S2171：分别从原始点云信息和原始图像信息中对应确定处于同一个处理周期内后的数据融合才能充分发挥毫米波雷达和摄像头的双端优势，能够更充分地获取环境信[0115]其中坐标系转换关系表征位置信息从一坐标系映射至另一坐标系时的转换系标u与纵坐标v分别是像素点在其图像数组中所在的列数同一坐标系下。时空同步后的像素级数据融合能充分发挥毫米波雷达和摄像头的双端优绕Xw轴的旋转角，β为相机坐标系相对与世界坐标系的横摆角即绕Zw轴的旋转角，记s1=感兴趣区域(RegionofInterest，ROI)是指在图像处理领域是从图像中选择的一个图像信息对模型进行训练，得到所需的图像检测模型。示例性的，采用基于深度学习的YOLO5图像检测和聚类计算共同完成对目标的类别预测和[0149]在一种可行的实施方式中，可以采用DBSCAN(Density-BasedSpatial图13中所示，本申请实施例所提供的方法可以有效识别出前方目标有货车truck和小汽车述原始点云信息中确定所述点云信息以及从所述原始图像信息中确定处于同一个所述处理周期内的目标原始点云信息和目标始点云信息作为所述点云信息以及将所述目标原始图像器加载并执行以实现如上述方法实施例所提供的一[0194]图18示出了一种用于实现本申请实施例所提供的一种目标检测方法的设备的硬[0195]应当注意到的是上述一个或多个处理器和/或其他数据处理电路在本文中通常可一种目标检测方法对应的程序指令/数据存储装置，处理器通过运行存储在存储器1004内[0198]显示器可以例如触摸屏式的液晶显示器(LCD)，该液晶显示器可使得用户能够与置于服务器之中以保存用于实现方法实施例中一种目标检测方法相关的至少一条指令或算机设备执行上述各种可选实施方式中提供[0204]本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件