对象检测方法、装置及车辆与流程

1.本公开涉及计算机应用技术领域，尤其涉及一种对象检测方法、装置、车辆、电子设备和存储介质。


背景技术：

2.目前，对象检测在日常生活中得到了广泛应用，比如，自动驾驶场景中，可通过对象检测规避行人、障碍、其他车辆等。比如，机器人跟随场景中，可通过对象检测确定跟随对象并进行跟随。然而，相关技术中的对象检测方法，存在准确性低、效率低等问题。


技术实现要素：

3.本公开提供一种对象检测方法、装置、车辆、电子设备、计算机可读存储介质、计算机程序产品，以至少解决相关技术中对象检测存在准确性低、效率低的问题。本公开的技术方案如下：
4.根据本公开实施例的第一方面，提供一种对象检测方法，包括：对道路进行图像采集，获取所述道路的原始图像；从所述原始图像中提取包括第一目标像素点的感兴趣区域，其中，所述第一目标像素点为所述道路上距离相机最远的位置点在所述原始图像中的像素点；对所述感兴趣区域进行对象检测，生成对象检测结果。
5.在本公开的一个实施例中，还包括：对所述原始图像进行道路分割，生成所述原始图像的掩码图；基于所述掩码图，确定所述第一目标像素点。
6.在本公开的一个实施例中，所述对所述原始图像进行道路分割，生成所述原始图像的掩码图，包括：将所述原始图像输入道路分割模型，由所述道路分割模型输出所述掩码图。
7.在本公开的一个实施例中，所述基于所述掩码图，确定所述第一目标像素点，包括：从所述掩码图的第一行像素点开始，判断当前遍历到的行是否存在颜色为黑色的像素点，响应于当前遍历到的行存在颜色为黑色的像素点，将当前遍历到的行中颜色为黑色的像素点确定为所述第一目标像素点。
8.在本公开的一个实施例中，所述感兴趣区域还包括第二目标像素点，其中，所述第二目标像素点包括道路上距离相机大于或者等于设定阈值的位置点在所述原始图像中的像素点。
9.在本公开的一个实施例中，还包括：获取道路上的位置点在所述原始图像中的像素点的深度信息；将所述深度信息大于或者等于所述设定阈值的像素点确定为所述第二目标像素点。
10.在本公开的一个实施例中，从所述原始图像中提取包括目标像素点的所述感兴趣区域，其中，所述目标像素点包括所述第一目标像素点和/或第二目标像素点，包括：从所述原始图像中确定所述目标像素点，并从所述原始图像中提取所述目标像素点的位置；基于所述目标像素点的位置，从所述原始图像中提取所述感兴趣区域。
11.在本公开的一个实施例中，所述对所述感兴趣区域进行对象检测，生成对象检测结果，包括：基于所述感兴趣区域对所述原始图像进行裁剪，生成目标图像；对所述目标图像进行对象检测，生成所述对象检测结果。
12.根据本公开实施例的第二方面，提供一种对象检测装置，包括：采集模块，被配置为执行对道路进行图像采集，获取所述道路的原始图像；提取模块，被配置为执行从所述原始图像中提取包括第一目标像素点的感兴趣区域，其中，所述第一目标像素点为所述道路上距离相机最远的位置点在所述原始图像中的像素点；检测模块，被配置为执行对所述感兴趣区域进行对象检测，生成对象检测结果。
13.在本公开的一个实施例中，所述对象检测装置，还包括：生成模块，被配置为执行对所述原始图像进行道路分割，生成所述原始图像的掩码图；第一确定模块，被配置为执行基于所述掩码图，确定所述第一目标像素点。
14.在本公开的一个实施例中，所述生成模块，还被配置为执行将所述原始图像输入道路分割模型，由所述道路分割模型输出所述掩码图。
15.在本公开的一个实施例中，所述第一确定模块，还被配置为执行从所述掩码图的第一行像素点开始，判断当前遍历到的行是否存在颜色为黑色的像素点，响应于当前遍历到的行存在颜色为黑色的像素点，将当前遍历到的行中颜色为黑色的像素点确定为所述第一目标像素点。
16.在本公开的一个实施例中，所述感兴趣区域还包括第二目标像素点，其中，所述第二目标像素点包括道路上距离相机大于或者等于设定阈值的位置点在所述原始图像中的像素点。
17.在本公开的一个实施例中，所述对象检测装置，还包括：获取模块，被配置为执行获取道路上的位置点在所述原始图像中的像素点的深度信息；第二确定模块，被配置为执行将所述深度信息大于或者等于所述设定阈值的像素点确定为所述第二目标像素点。
18.在本公开的一个实施例中，所述提取模块，还被配置为执行从所述原始图像中确定目标像素点，并从所述原始图像中提取所述目标像素点的位置，其中，所述目标像素点包括所述第一目标像素点和/或第二目标像素点；基于所述目标像素点的位置，从所述原始图像中提取所述感兴趣区域。
19.在本公开的一个实施例中，所述检测模块，还被配置为执行基于所述感兴趣区域对所述原始图像进行裁剪，生成目标图像；对所述目标图像进行对象检测，生成所述对象检测结果。
20.根据本公开实施例的第三方面，提供一种车辆，包括：如本公开实施例第二方面所述的对象检测装置。
21.根据本公开实施例的第四方面，提供一种电子设备，包括：处理器；用于存储所述处理器的可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现如本公开实施例第一方面所述的对象检测方法。
22.根据本公开实施例的第五方面，提供一种计算机可读存储介质，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如本公开实施例第一方面所述的对象检测方法。
23.根据本公开实施例的第六方面，提供一种计算机程序产品，包括计算机程序，其特
征在于，所述计算机程序被电子设备的处理器执行时实现如本公开实施例第一方面所述的对象检测方法。
24.本公开的实施例提供的技术方案至少带来以下有益效果：可从道路的原始图像中提取包括第一目标像素点的感兴趣区域，其中，第一目标像素点为道路上距离相机最远的位置点在原始图像中的像素点，对感兴趣区域进行对象检测，生成对象检测结果。由此，可对包括第一目标像素点的感兴趣区域进行对象检测，不需要在整个原始图像中进行对象检测，有助于节省计算资源，提高了远距离对象检测的准确性和效率。
25.应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。
附图说明
26.此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理，并不构成对本公开的不当限定。
27.图1是根据一示例性实施例示出的一种对象检测方法的流程图。
28.图2是根据一示例性实施例示出的一种对象检测方法中原始图像的示意图。
29.图3是根据一示例性实施例示出的一种对象检测方法中目标图像的示意图。
30.图4是根据一示例性实施例示出的一种对象检测方法中从原始图像中确定第一目标像素点的流程图。
31.图5是根据一示例性实施例示出的一种对象检测方法中掩码图的示意图。
32.图6是根据一示例性实施例示出的一种对象检测方法中从原始图像中提取感兴趣区域的流程图。
33.图7是根据一示例性实施例示出的一种对象检测装置的框图。
34.图8是根据一示例性实施例示出的一种车辆的框图。
35.图9是根据一示例性实施例示出的一种电子设备的框图。
具体实施方式
36.为了使本领域普通人员更好地理解本公开的技术方案，下面将结合附图，对本公开实施例中的技术方案进行清楚、完整地描述。
37.需要说明的是，本公开的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的本公开的实施例能够以除了在这里图示或描述的那些以外的顺序实施。以下示例性实施例中所描述的实施方式并不代表与本公开相一致的所有实施方式。相反，它们仅是与如所附权利要求书中所详述的、本公开的一些方面相一致的装置和方法的例子。
38.图1是根据一示例性实施例示出的一种对象检测方法的流程图，如图1所示，本公开实施例的对象检测方法，包括以下步骤。
39.s101，对道路进行图像采集，获取道路的原始图像。
40.需要说明的是，本公开实施例的对象检测方法的执行主体为电子设备，电子设备包括手机、笔记本、台式电脑、车载终端、智能家电等。本公开实施例的对象检测方法可以由
本公开实施例的对象检测装置执行，本公开实施例的对象检测装置可以配置在任意电子设备中，以执行本公开实施例的对象检测方法。
41.本公开的实施例中，可对道路进行图像采集，获取道路的原始图像。应说明的是，对图像采集的具体方式、原始图像的类别、道路的类别、原始图像中道路的数量等均不做过多限定。比如，以执行主体为车载终端为例，道路可包括车辆前方的道路，其中，车辆前方的道路包括但不限于车辆正在行驶的车道、与车辆正在行驶的车道相邻的车道、前方的路口等。比如，原始图像中可包括一条或者多条道路。
42.在一种实施方式中，以执行主体为车载终端为例，可通过车辆上设置的相机对车辆前方的道路进行图像采集，获取车辆前方的道路的原始图像。
43.在一种实施方式中，可通过2d相机采集道路的平面图像，和/或可通过3d相机采集道路的立体图像，原始图像包括但不限于平面图像、立体图像等。
44.在一种实施方式中，可按照设定周期对道路进行图像采集，获取道路的原始图像。应说明的是，对设定周期不做过多限定，比如，设定周期包括但不限于2秒、5秒等。
45.s102，从原始图像中提取包括第一目标像素点的感兴趣区域，其中，第一目标像素点为道路上距离相机最远的位置点在原始图像中的像素点。
46.本公开的实施例中，可从原始图像中提取包括第一目标像素点的roi(region of interest，感兴趣区域)，其中，第一目标像素点为道路上距离相机最远的位置点在原始图像中的像素点。可以理解的是，每条道路可对应一个第一目标像素点，即第一目标像素点与道路一一对应。应说明的是，对感兴趣区域的数量不做过多限定，比如，感兴趣区域可包括一个或多个，第一目标像素点为多个时，每个第一目标像素点可对应一个感兴趣区域。对感兴趣区域的形状不做过多限定，比如，感兴趣区域包括但不限于正方形、矩形、圆形、椭圆形等。
47.在一种实施方式中，原始图像中可包括至少一条道路，感兴趣区域可包括每条道路的第一目标像素点。比如，原始图像中包括道路1、2、3，道路1、2、3分别对应第一目标像素点a、b、c，则感兴趣区域可包括第一目标像素点a、b、c。
48.在一种实施方式中，从原始图像中确定第一目标像素点，可包括获取道路上的位置点在原始图像中的像素点的深度信息，将最大的深度信息对应的像素点确定为第一目标像素点。应说明的是，像素点的深度信息为像素点对应的道路上的位置点与相机的距离。对获取深度信息的具体方式不做过多限定，比如，可通过3d相机获取像素点的深度信息。
49.s103，对感兴趣区域进行对象检测，生成对象检测结果。
50.需要说明的是，对对象检测、对象检测结果的类别等均不做过多限定，比如，对象检测包括但不限于行人检测、车辆检测、图像类别检测等。
51.以行人检测为例，行人检测结果包括但不限于行人位置、人体宽度、人体高度、人体姿态、行人类别、行人数量、人体人脸等，其中，行人位置包括但不限于行人在原始图像中的位置、行人的经纬度等，人体姿态包括但不限于行走、骑行、跑步、站立等，行人类别包括但不限于行走的人、骑行的人、儿童、孕妇、老年人、年轻人等。
52.以车辆检测为例，车辆检测结果包括但不限于车辆位置、车辆宽度、车辆高度、车辆姿态、车辆类别、车辆数量、车辆速度等，其中，车辆类别包括但不限于小型车、公交车、货车等，车辆姿态包括但不限于直行、转弯等。
53.以图像类别检测为例，图像类别检测结果包括但不限于草地、建筑、湖泊、障碍、道路、施工道路等。
54.在一种实施方式中，对感兴趣区域进行对象检测，生成对象检测结果，可包括将感兴趣区域输入至对象检测模型，由对象检测模型输出对象检测结果。应说明的是，对对象检测模型不做过多限定。比如，对象检测模型可包括特征金字塔网络，由特征金字塔网络从感兴趣区域中提取到对象的多尺度特征，并将对象的多尺度特征进行融合，生成对象的融合特征，以基于对象的融合特征生成对象检测结果，提高了对象检测的准确性。
55.在一种实施方式中，对感兴趣区域进行对象检测，生成对象检测结果，可包括基于感兴趣区域对原始图像进行裁剪，生成目标图像，对目标图像进行对象检测，生成对象检测结果。应说明的是，目标图像指的是感兴趣区域内的原始图像，即可从原始图像中裁剪出感兴趣区域对应的目标图像。比如，原始图像、目标图像分别如图2、3所示。应说明的是，对目标图像进行对象检测的相关内容，可参见上述实施例，这里不再赘述。
56.本公开的实施例提供的对象检测方法，可从道路的原始图像中提取包括第一目标像素点的感兴趣区域，其中，第一目标像素点为道路上距离相机最远的位置点在原始图像中的像素点，对感兴趣区域进行对象检测，生成对象检测结果。由此，可对包括第一目标像素点的感兴趣区域进行对象检测，不需要在整个原始图像中进行对象检测，有助于节省计算资源，提高了远距离对象检测的准确性和效率。
57.在上述任一实施例的基础上，如图4所示，从原始图像中确定第一目标像素点，可包括：
58.s401，对原始图像进行道路分割，生成原始图像的掩码图。
59.在一种实施方式中，对原始图像进行道路分割，生成原始图像的掩码图，可包括识别原始图像中的像素点的类别，将类别为道路的像素点的颜色设置为黑色，将类别为非道路的像素点的颜色设置为白色，以生成原始图像的掩码图。比如，原始图像、掩码图分别如图2、5所示。
60.在一种实施方式中，对原始图像进行道路分割，生成原始图像的掩码图，可包括将原始图像输入道路分割模型，由道路分割模型输出掩码图。应说明的是，对道路分割模型不做过多限定。
61.s402，基于掩码图，确定第一目标像素点。
62.在一种实施方式中，基于掩码图，确定第一目标像素点，可包括从掩码图的第一行像素点开始，判断当前遍历到的行是否存在颜色为黑色的像素点，响应于当前遍历到的行存在颜色为黑色的像素点，将当前遍历到的行中颜色为黑色的像素点确定为第一目标像素点。
63.在一种实施方式中，掩码图携带像素点的类别，基于掩码图，确定第一目标像素点，可包括从掩码图中确定类别为道路的候选像素点，并从候选像素点中确定第一目标像素点。比如，可获取候选像素点的深度信息，将最大的深度信息对应的候选像素点确定为第一目标像素点。
64.由此，可对原始图像进行道路分割，生成原始图像的掩码图，并基于掩码图，确定第一目标像素点，可将道路分割应用于对象检测场景，以实现第一目标像素点的确定。
65.在上述任一实施例的基础上，感兴趣区域还包括第二目标像素点，其中，第二目标
像素点包括道路上距离相机大于或者等于设定阈值的位置点在原始图像中的像素点。应说明的是，对设定阈值不做过多限定。可以理解的是，第二目标像素点指的是道路上距离相机较远的位置点在原始图像中的像素点，对第二目标像素点的数量不做过多限定，比如，第二目标像素点可包括一个或多个。
66.在一种实施方式中，从原始图像中确定第一目标像素点，可包括获取道路上的位置点在原始图像中的像素点的深度信息，将深度信息大于或者等于设定阈值的像素点确定为第二目标像素点。应说明的是，获取深度信息的相关内容可参见上述实施例，这里不再赘述。
67.在上述任一实施例的基础上，如图6所示，从原始图像中提取包括目标像素点的感兴趣区域，其中，目标像素点包括第一目标像素点和/或第二目标像素点，包括：
68.s601，从原始图像中确定目标像素点，并从原始图像中提取目标像素点的位置。
69.需要说明的是，从原始图像中确定第一目标像素点和/或第二目标像素点的相关内容，可参见上述实施例，这里不再赘述。
70.需要说明的是，对目标像素点的位置的类别不做过多限定，比如，目标像素点的位置可包括在原始图像中的位置、经纬度等。其中，在原始图像中的位置包括但不限于目标像素点在原始图像中的二维坐标、所属行像素点的行编号、所属列像素点的列编号等。
71.本公开的实施例中，原始图像中携带像素点的位置，可从原始图像中提取目标像素点的位置。
72.s602，基于目标像素点的位置，从原始图像中提取感兴趣区域。
73.在一种实施方式中，基于目标像素点的位置，从原始图像中提取感兴趣区域，可包括获取原始图像中以目标像素点的位置为中心，按照设定值向外扩散形成的区域，作为感兴趣区域。应说明的是，设定值指的是感兴趣区域的面积，对设定值不做过多限定。
74.在一种实施方式中，基于目标像素点的位置，从原始图像中提取感兴趣区域，可包括获取原始图像中以目标像素点的位置为中心，形状为矩形的感兴趣区域。
75.由此，该方法中可从原始图像中确定目标像素点，并从原始图像中提取目标像素点的位置，基于目标像素点的位置，从原始图像中提取感兴趣区域，以实现感兴趣区域的提取。
76.图7是根据一示例性实施例示出的一种对象检测装置的框图。参照图7，本公开实施例的对象检测装置100，包括：采集模块110、提取模块120和检测模块130。
77.采集模块110被配置为执行对道路进行图像采集，获取所述道路的原始图像；
78.提取模块120被配置为执行从所述原始图像中提取包括第一目标像素点的感兴趣区域，其中，所述第一目标像素点为所述道路上距离相机最远的位置点在所述原始图像中的像素点；
79.检测模块130被配置为执行对所述感兴趣区域进行对象检测，生成对象检测结果。
80.在本公开的一个实施例中，所述对象检测装置100还包括：生成模块，被配置为执行对所述原始图像进行道路分割，生成所述原始图像的掩码图；第一确定模块，被配置为执行基于所述掩码图，确定所述第一目标像素点。
81.在本公开的一个实施例中，所述生成模块，还被配置为执行将所述原始图像输入道路分割模型，由所述道路分割模型输出所述掩码图。
82.在本公开的一个实施例中，所述第一确定模块，还被配置为执行从所述掩码图的第一行像素点开始，判断当前遍历到的行是否存在颜色为黑色的像素点，响应于当前遍历到的行存在颜色为黑色的像素点，将当前遍历到的行中颜色为黑色的像素点确定为所述第一目标像素点。
83.在本公开的一个实施例中，所述感兴趣区域还包括第二目标像素点，其中，所述第二目标像素点包括道路上距离相机大于或者等于设定阈值的位置点在所述原始图像中的像素点。
84.在本公开的一个实施例中，所述对象检测装置100还包括：获取模块，被配置为执行获取道路上的位置点在所述原始图像中的像素点的深度信息；第二确定模块，被配置为执行将所述深度信息大于或者等于所述设定阈值的像素点确定为所述第二目标像素点。
85.在本公开的一个实施例中，所述提取模块120还被配置为执行从所述原始图像中确定目标像素点，并从所述原始图像中提取所述目标像素点的位置，其中，所述目标像素点包括所述第一目标像素点和/或第二目标像素点；基于所述目标像素点的位置，从所述原始图像中提取所述感兴趣区域。
86.在本公开的一个实施例中，所述检测模块130还被配置为执行基于所述感兴趣区域对所述原始图像进行裁剪，生成目标图像；对所述目标图像进行对象检测，生成所述对象检测结果。
87.关于上述实施例中的装置，其中各个模块执行操作的具体方式已经在有关该方法的实施例中进行了详细描述，此处将不做详细阐述说明。
88.本公开的实施例提供的对象检测装置，可从道路的原始图像中提取包括第一目标像素点的感兴趣区域，其中，第一目标像素点为道路上距离相机最远的位置点在原始图像中的像素点，对感兴趣区域进行对象检测，生成对象检测结果。由此，可对包括第一目标像素点的感兴趣区域进行对象检测，不需要在整个原始图像中进行对象检测，有助于节省计算资源，提高了远距离对象检测的准确性和效率。
89.为了实现上述实施例，如图8所示，本公开还提出了一种车辆200，包括上述对象检测装置100。
90.本公开实施例的车辆，可从道路的原始图像中提取包括第一目标像素点的感兴趣区域，其中，第一目标像素点为道路上距离相机最远的位置点在原始图像中的像素点，对感兴趣区域进行对象检测，生成对象检测结果。由此，可对包括第一目标像素点的感兴趣区域进行对象检测，不需要在整个原始图像中进行对象检测，有助于节省计算资源，提高了远距离对象检测的准确性和效率。
91.图9是根据一示例性实施例示出的一种电子设备300的框图。
92.如图9所示，上述电子设备300包括：
93.存储器310及处理器320，连接不同组件(包括存储器310和处理器320)的总线330，存储器310存储有计算机程序，当处理器320执行所述程序时实现本公开实施例所述的对象检测方法。
94.总线330表示几类总线结构中的一种或多种，包括存储器总线或者存储器控制器，外围总线，图形加速端口，处理器或者使用多种总线结构中的任意总线结构的局域总线。举例来说，这些体系结构包括但不限于工业标准体系结构(isa)总线，微通道体系结构(mac)
总线，增强型isa总线、视频电子标准协会(vesa)局域总线以及外围组件互连(pci)总线。
95.电子设备300典型地包括多种电子设备可读介质。这些介质可以是任何能够被电子设备300访问的可用介质，包括易失性和非易失性介质，可移动的和不可移动的介质。
96.存储器310还可以包括易失性存储器形式的计算机系统可读介质，例如随机存取存储器(ram)340和/或高速缓存存储器350。电子设备300可以进一步包括其它可移动/不可移动的、易失性/非易失性计算机系统存储介质。仅作为举例，存储系统360可以用于读写不可移动的、非易失性磁介质(图9未显示，通常称为“硬盘驱动器”)。尽管图9中未示出，可以提供用于对可移动非易失性磁盘(例如“软盘”)读写的磁盘驱动器，以及对可移动非易失性光盘(例如cd-rom,dvd-rom或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线330相连。存储器310可以包括至少一个程序产品，该程序产品具有一组(例如至少一个)程序模块，这些程序模块被配置以执行本公开各实施例的功能。
97.具有一组(至少一个)程序模块370的程序/实用工具380，可以存储在例如存储器310中，这样的程序模块370包括——但不限于——操作系统、一个或者多个应用程序、其它程序模块以及程序数据，这些示例中的每一个或某种组合中可能包括网络环境的实现。程序模块370通常执行本公开所描述的实施例中的功能和/或方法。
98.电子设备300也可以与一个或多个外部设备390(例如键盘、指向设备、显示器391等)通信，还可与一个或者多个使得用户能与该电子设备300交互的设备通信，和/或与使得该电子设备300能与一个或多个其它计算设备进行通信的任何设备(例如网卡，调制解调器等等)通信。这种通信可以通过输入/输出(i/o)接口392进行。并且，电子设备300还可以通过网络适配器393与一个或者多个网络(例如局域网(lan)，广域网(wan)和/或公共网络，例如因特网)通信。如图9所示，网络适配器393通过总线330与电子设备300的其它模块通信。应当明白，尽管图中未示出，可以结合电子设备300使用其它硬件和/或软件模块，包括但不限于：微代码、设备驱动器、冗余处理单元、外部磁盘驱动阵列、raid系统、磁带驱动器以及数据备份存储系统等。
99.处理器320通过运行存储在存储器310中的程序，从而执行各种功能应用以及数据处理。
100.需要说明的是，本实施例的电子设备的实施过程和技术原理参见前述对本公开实施例的对象检测方法的解释说明，此处不再赘述。
101.本公开实施例提供的电子设备，可以执行如前所述的对象检测方法，可从道路的原始图像中提取包括第一目标像素点的感兴趣区域，其中，第一目标像素点为道路上距离相机最远的位置点在原始图像中的像素点，对感兴趣区域进行对象检测，生成对象检测结果。由此，可对包括第一目标像素点的感兴趣区域进行对象检测，不需要在整个原始图像中进行对象检测，有助于节省计算资源，提高了远距离对象检测的准确性和效率。
102.为了实现上述实施例，本公开还提出一种计算机可读存储介质。
103.其中，该计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如前所述的对象检测方法。可选的，计算机可读存储介质可以是rom、随机存取存储器(ram)、cd-rom、磁带、软盘和光数据存储设备等。
104.为了实现上述实施例，本公开还提供一种计算机程序产品，包括计算机程序，其特
征在于，所述计算机程序被电子设备的处理器执行时实现如前所述的对象检测方法。
105.本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本公开旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由下面的权利要求指出。
106.应当理解的是，本公开并不局限于上面已经描述并在附图中示出的精确结构，并且可以在不脱离其范围进行各种修改和改变。本公开的范围仅由所附的权利要求来限制。

技术特征：
1.一种对象检测方法，其特征在于，包括：对道路进行图像采集，获取所述道路的原始图像；从所述原始图像中提取包括第一目标像素点的感兴趣区域，其中，所述第一目标像素点为所述道路上距离相机最远的位置点在所述原始图像中的像素点；对所述感兴趣区域进行对象检测，生成对象检测结果。2.根据权利要求1所述的方法，其特征在于，还包括：对所述原始图像进行道路分割，生成所述原始图像的掩码图；基于所述掩码图，确定所述第一目标像素点。3.根据权利要求2所述的方法，其特征在于，所述对所述原始图像进行道路分割，生成所述原始图像的掩码图，包括：将所述原始图像输入道路分割模型，由所述道路分割模型输出所述掩码图。4.根据权利要求2所述的方法，其特征在于，所述基于所述掩码图，确定所述第一目标像素点，包括：从所述掩码图的第一行像素点开始，判断当前遍历到的行是否存在颜色为黑色的像素点，响应于当前遍历到的行存在颜色为黑色的像素点，将当前遍历到的行中颜色为黑色的像素点确定为所述第一目标像素点。5.根据权利要求1所述的方法，其特征在于，所述感兴趣区域还包括第二目标像素点，其中，所述第二目标像素点包括道路上距离相机大于或者等于设定阈值的位置点在所述原始图像中的像素点。6.根据权利要求5所述的方法，其特征在于，还包括：获取道路上的位置点在所述原始图像中的像素点的深度信息；将所述深度信息大于或者等于所述设定阈值的像素点确定为所述第二目标像素点。7.根据权利要求1-6任一项所述的方法，其特征在于，从所述原始图像中提取包括目标像素点的所述感兴趣区域，其中，所述目标像素点包括所述第一目标像素点和/或第二目标像素点，包括：从所述原始图像中确定所述目标像素点，并从所述原始图像中提取所述目标像素点的位置；基于所述目标像素点的位置，从所述原始图像中提取所述感兴趣区域。8.根据权利要求1-6任一项所述的方法，其特征在于，所述对所述感兴趣区域进行对象检测，生成对象检测结果，包括：基于所述感兴趣区域对所述原始图像进行裁剪，生成目标图像；对所述目标图像进行对象检测，生成所述对象检测结果。9.一种对象检测装置，其特征在于，包括：采集模块，被配置为执行对道路进行图像采集，获取所述道路的原始图像；提取模块，被配置为执行从所述原始图像中提取包括第一目标像素点的感兴趣区域，其中，所述第一目标像素点为所述道路上距离相机最远的位置点在所述原始图像中的像素点；检测模块，被配置为执行对所述感兴趣区域进行对象检测，生成对象检测结果。10.根据权利要求9所述的装置，其特征在于，还包括：
生成模块，被配置为执行对所述原始图像进行道路分割，生成所述原始图像的掩码图；第一确定模块，被配置为执行基于所述掩码图，确定所述第一目标像素点。11.根据权利要求10所述的装置，其特征在于，所述生成模块，还被配置为执行将所述原始图像输入道路分割模型，由所述道路分割模型输出所述掩码图。12.根据权利要求10所述的装置，其特征在于，所述第一确定模块，还被配置为执行从所述掩码图的第一行像素点开始，判断当前遍历到的行是否存在颜色为黑色的像素点，响应于当前遍历到的行存在颜色为黑色的像素点，将当前遍历到的行中颜色为黑色的像素点确定为所述第一目标像素点。13.根据权利要求9所述的装置，其特征在于，所述感兴趣区域还包括第二目标像素点，其中，所述第二目标像素点包括道路上距离相机大于或者等于设定阈值的位置点在所述原始图像中的像素点。14.根据权利要求13所述的装置，其特征在于，还包括：获取模块，被配置为执行获取道路上的位置点在所述原始图像中的像素点的深度信息；第二确定模块，被配置为执行将所述深度信息大于或者等于所述设定阈值的像素点确定为所述第二目标像素点。15.根据权利要求9-14任一项所述的装置，其特征在于，所述提取模块，还被配置为执行从所述原始图像中确定目标像素点，并从所述原始图像中提取所述目标像素点的位置，其中，所述目标像素点包括所述第一目标像素点和/或第二目标像素点；基于所述目标像素点的位置，从所述原始图像中提取所述感兴趣区域。16.根据权利要求9-14任一项所述的装置，其特征在于，所述检测模块，还被配置为执行基于所述感兴趣区域对所述原始图像进行裁剪，生成目标图像；对所述目标图像进行对象检测，生成所述对象检测结果。17.一种车辆，其特征在于，包括：如权利要求9-16任一项所述的对象检测装置。18.一种电子设备，其特征在于，包括：处理器；用于存储所述处理器的可执行指令的存储器；其中，所述处理器被配置为执行所述指令，以实现如权利要求1-8任一项所述的对象检测方法。19.一种计算机可读存储介质，其特征在于，当所述计算机可读存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求1-8任一项所述的对象检测方法。

技术总结
本公开关于一种对象检测方法、装置及车辆，属于计算机应用技术领域。其中，该方法包括：对道路进行图像采集，获取所述道路的原始图像；从所述原始图像中提取包括第一目标像素点的感兴趣区域，其中，所述第一目标像素点为所述道路上距离相机最远的位置点在所述原始图像中的像素点；对所述感兴趣区域进行对象检测，生成对象检测结果。由此，可对包括第一目标像素点的感兴趣区域进行对象检测，不需要在整个原始图像中进行对象检测，有助于节省计算资源，提高了远距离对象检测的准确性和效率。提高了远距离对象检测的准确性和效率。提高了远距离对象检测的准确性和效率。


技术研发人员：杨驭帆 赵雄 邹钧
受保护的技术使用者：小米汽车科技有限公司
技术研发日：2022.03.16
技术公布日：2023/9/22