栅格地图与光学图像匹配方法和装置

1.本技术涉及多传感器信息融合标定技术领域，特别是涉及一种栅格地图与光学图像匹配方法和装置。


背景技术：

2.slam(simultaneous localization and mapping，同时定位与构图)技术广泛应用于自动驾驶、机器人以及测绘等多个领域，此技术可以依靠单个传感器实现对环境的感知，进行构建地图和实现定位。常用的传感器有激光雷达、毫米波雷达、双目相机、单目相机等。不同传感器具有不同的工作机制，因此具有不同的工作性能。光学相机价格便宜、具有丰富的语义信息，但是容易受恶劣天气、光照的影响，不能做到全天时全天候。相反，毫米波雷达是利用发射毫米波波段的电磁波来工作的，不受天气的影响，但是语义信息少，不直观，因此使用毫米波雷达构建的栅格地图缺少语义信息。将栅格地图与相机获得的图像进行匹配可以增加栅格地图的语义信息，有利于目标检测、分类以及虚假目标的识别等研究。
3.基于坐标转换的传统传感器标定方法需要多种参数进行标定，例如光学相机的内参、毫米波雷达自身以及传感器间的旋转参数等，除此之外还需要设计大量的标定物，进行多次标定实验。这种方法复杂而且不容易实现。
4.申请内容
5.基于此，本技术提供了一种栅格地图与光学图像匹配方法、装置、设备和存储介质，以克服现有技术中栅格地图与光学图像匹配的复杂性，解决毫米波雷达slam地图可视性差的问题。
6.第一方面，提供一种栅格地图与光学图像匹配方法，该方法包括：
7.获取针对目标范围的雷达点云数据和光学图像数据以及与所述雷达点云数据对应的栅格地图；
8.分别获取所述雷达点云数据中第一部分数据点在所述栅格地图中的位置坐标以及在所述光学图像中的位置坐标；
9.基于所述第一部分数据点及其在所述栅格地图中的位置坐标得到雷达点云坐标系和栅格地图坐标系的第一映射关系；基于所述第一部分数据点及其在所述光学图像中的位置坐标得到雷达点云坐标系和光学图像坐标系的第二映射关系；
10.基于所述第一映射关系和所述第二映射关系得到所述栅格地图坐标系和所述光学图像坐标系的第三映射关系；
11.基于所述第三映射关系实现所述雷达点云数据中第二部分数据点在所述栅格地图与所述光学图像之间的匹配。
12.根据本技术实施例中一种可实现的方式，所述获取针对目标范围的雷达点云数据和光学图像数据以及与所述雷达点云数据对应的栅格地图，包括：
13.通过固定于移动承载平台上的毫米波雷达与光学摄像头，分别获取雷达点云数据和光学图像数据，将所述雷达点云数据进行slam算法处理得到栅格地图；
14.其中，所述毫米波雷达与所述光学摄像头的几何位置固定。
15.根据本技术实施例中一种可实现的方式，所述第一映射关系和所述第二映射关系基于单应性变换得到。
16.根据本技术实施例中一种可实现的方式，所述基于所述第一映射关系和所述第二映射关系得到所述栅格地图坐标系和所述光学图像坐标系的第三映射关系包括：
17.利用所述第一映射关系中的第一常数、第一单应性矩阵以及所述第二映射关系中的第二常数、第二单应性矩阵，确定所述第三映射关系中的第三常数和转换矩阵；
18.利用所述第三映射关系中的第三常数和转换矩阵，得到基于单应性变换的所述第三映射关系。
19.根据本技术实施例中一种可实现的方式，所述第一映射关系为：
[0020][0021]
所述第二映射关系为：
[0022][0023]
所述第三映射关系为：
[0024][0025]
其中，(xr,yr)为数据点在雷达点云坐标系的位置坐标；(xm,ym)为数据点在栅格地图坐标系的位置坐标；(u,v)为数据点在光学图像坐标系的位置坐标；pi为第i帧雷达点云数据在雷达点云坐标系和栅格地图坐标系之间的第一单应性矩阵；h为一帧雷达点云数据在雷达点云坐标系和光学图像坐标系之间的第二单应性矩阵；pih-1
为栅格地图坐标系与光学图像坐标系之间的转换矩阵；s1为第一常数；s2为第二常数；s为第三常数。
[0026]
根据本技术实施例中一种可实现的方式，所述第一部分数据点基于光学图像中的目标对象获取。
[0027]
根据本技术实施例中一种可实现的方式，所述基于所述第三映射关系实现所述雷达点云数据中第二部分数据点在所述栅格地图与所述光学图像之间的匹配包括：
[0028]
确定所述雷达点云数据中第二部分数据点在所述栅格地图中的位置坐标；
[0029]
基于所述第二部分数据点在所述栅格地图中的位置坐标和所述第三坐标映射关系，确定所述第二部分数据点在所述光学图像中的位置坐标。
[0030]
第二方面，提供了一种栅格地图与光学图像匹配装置，该装置包括：
[0031]
获取单元：用于获取针对目标范围的雷达点云数据和光学图像数据以及与所述雷达点云数据对应的栅格地图；分别获取所述雷达点云数据中第一部分数据点在所述栅格地图中的位置坐标以及在所述光学图像中的位置坐标；
[0032]
变换单元：用于基于所述第一部分数据点及其在所述栅格地图中的位置坐标得到
雷达点云坐标系和栅格地图坐标系的第一映射关系；基于所述第一部分数据点及其在所述光学图像中的位置坐标得到雷达点云坐标系和光学图像坐标系的第二映射关系；基于所述第一映射关系和所述第二映射关系得到所述栅格地图坐标系和所述光学图像坐标系的第三映射关系；
[0033]
匹配单元：用于基于所述第三映射关系实现所述雷达点云数据中第二部分数据点在所述栅格地图与所述光学图像之间的匹配。
[0034]
第三方面，提供了一种计算机设备，包括：
[0035]
至少一个处理器；以及
[0036]
与所述至少一个处理器通信连接的存储器；其中，
[0037]
所述存储器存储有可被所述至少一个处理器执行的计算机指令，所述计算机指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行上述第一方面中涉及的方法。
[0038]
第四方面，提供了一种计算机可读存储介质，其上存储有计算机指令，其特征在于，所述计算机指令用于使计算机执行上述第一方面中涉及的方法。
[0039]
根据本技术实施例所提供的技术内容，本技术通过雷达点云坐标系和栅格地图坐标系之间的映射关系以及雷达点云坐标系和光学图像坐标系之间的映射关系，进而计算出栅格地图坐标系和所述光学图像坐标系之间的转换关系，从而实现slam栅格地图与光学图像之间的匹配，提升匹配的效率，解决了原有的匹配方法标定复杂、不易实现的问题，将slam栅格地图与光学图像进行匹配，解决了slam栅格地图语义信息不丰富的问题，提高直观性。
附图说明
[0040]
图1为一个实施例中栅格地图与光学图像匹配方法的流程示意图；
[0041]
图2为一个实施例中栅格地图与光学图像匹配方法的示意图；
[0042]
图3为一个实施例中栅格地图与光学图像匹配方法的另一个流程示意图；
[0043]
图4为一个实施例中栅格地图与光学图像匹配装置的结构框图；
[0044]
图5为一个实施例中计算机设备的示意性结构图。
具体实施方式
[0045]
以下结合附图及实施例，对本技术进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本技术，并不用于限定本技术。
[0046]
图1为本技术实施例提供的一种栅格地图与光学图像匹配方法的流程图，如图1所示，该方法可以包括以下步骤：
[0047]
步骤s1：获取针对目标范围的雷达点云数据和光学图像数据以及与雷达点云数据对应的栅格地图；分别获取雷达点云数据中第一部分数据点在栅格地图中的位置坐标以及在光学图像中的位置坐标。
[0048]
具体地，毫米波雷达与光学摄像头同时对目标范围分别进行探测和拍照，获取毫米波雷达针对目标范围探测得到的雷达点云数据和光学摄像头针对目标范围进行拍照得到的光学图像数据。另外，对毫米波雷达针对目标范围探测得到的雷达点云数据进行slam
算法处理，得到对应的slam栅格地图，该栅格地图包含雷达点云数据中全部数据点对应的位置。在雷达点云数据中选取部分数据点作为用于建立映射关系的第一部分数据点，该第一部分数据点可以选取在光学图像中清晰可见的点，方便获取第一部分数据点在光学图像中的像素坐标，并将第一部分数据点与光学图像中的位置坐标进行标定。由此，便可分别获取雷达点云数据中第一部分数据点在slam栅格地图中的位置坐标以及在光学图像中的像素位置坐标。
[0049]
步骤s2：基于第一部分数据点及其在栅格地图中的位置坐标得到雷达点云坐标系和栅格地图坐标系的第一映射关系；基于第一部分数据点及其在光学图像中的位置坐标得到雷达点云坐标系和光学图像坐标系的第二映射关系。
[0050]
具体地，基于第一部分数据点及其在栅格地图中的位置坐标得到雷达点云坐标系和栅格地图坐标系的第一映射关系是指分别获取点云中第一部分数据点在相同帧的雷达点云坐标系和栅格地图坐标系中的位置坐标，基于坐标变换得到点云在雷达坐标系和栅格地图坐标系中的映射关系，并将该映射关系定义为第一映射关系。基于第一部分数据点及其在光学图像中的位置坐标得到雷达点云坐标系和光学图像坐标系的第二映射关系是指分别获取点云中第一部分数据点在相同帧的雷达点云坐标系和光学图像坐标系中的位置坐标，基于坐标变换得到点云在雷达坐标系和光学图像坐标系中的映射关系，并将该映射关系定义为第二映射关系。
[0051]
步骤s3：基于第一映射关系和第二映射关系得到栅格地图坐标系和光学图像坐标系的第三映射关系。
[0052]
具体地，基于第一映射关系和第二映射关系得到栅格地图坐标系和光学图像坐标系的第三映射关系包括利用第一映射关系中的常数、坐标转换矩阵以及第二映射关系中的常数、坐标转换矩阵，通过矩阵变换确定第三映射关系中的常数和坐标转换矩阵，利用第三映射关系中的常数和坐标转换矩阵，可以得到栅格地图坐标系和光学图像坐标系之间的第三映射关系，该第三映射关系反映了同一帧点云数据在栅格地图坐标系和光学图像坐标系之间的坐标对应关系。
[0053]
步骤s4：基于第三映射关系实现雷达点云数据中第二部分数据点在栅格地图与光学图像之间的匹配。
[0054]
具体地，第二部分数据点是指点云数据中除了第一部分数据点之外的其他数据点，例如，第二部分数据点可以在光学图像中的位置坐标难以获取和匹配的点。由步骤s3可知，第三映射关系反映了同一帧点云数据在栅格地图坐标系和光学图像坐标系之间的坐标对应关系，因此，基于第三映射关系即可实现雷达点云数据中第二部分数据点在栅格地图与光学图像之间的匹配。
[0055]
可以看出，本技术实施例通过单应性变换原理分别得到雷达点云坐标系和栅格地图坐标系之间的映射关系以及雷达点云坐标系和光学图像坐标系之间的映射关系，进而计算出栅格地图坐标系和所述光学图像坐标系之间的转换关系，从而实现slam栅格地图与光学图像之间的匹配，提升匹配的准确率和效率，解决了原有的匹配方法标定复杂、不易实现的问题，将slam栅格地图与光学图像进行匹配，解决了slam栅格地图语义信息不丰富的问题，提高直观性。
[0056]
在此需要说明的是，通常会获取到多帧的雷达点云数据，同时也存在每一帧的雷
达点云数据对应的光学图像数据。本技术可以针对每一帧的雷达点云数据均执行上述处理，即通过每一帧雷达点云数据中第一部分数据点构建栅格地图与光学图像之间的映射关系即第三映射关系，基于该映射关系实现雷达点云数据中第二部分数据点在栅格地图与光学图像之间的匹配。在后续实施例中均以其中一帧为例进行描述，其余各帧的实现方式相同。
[0057]
下面对上述方法流程中的各步骤进行详细描述。首先结合实施例对上述步骤s1即“获取针对目标范围的雷达点云数据和光学图像数据以及与雷达点云数据对应的栅格地图；分别获取雷达点云数据中第一部分数据点在栅格地图中的位置坐标以及在光学图像中的位置坐标”进行详细描述。
[0058]
在本技术的一个实施例中，在获取针对目标范围的雷达点云数据和光学图像数据以及与雷达点云数据对应的栅格地图，包括：通过固定于移动承载平台上的毫米波雷达与光学摄像头，分别获取雷达点云数据和光学图像数据，将雷达点云数据进行slam算法处理得到栅格地图；其中，毫米波雷达与光学摄像头的几何位置固定。
[0059]
具体地，如图2所示，毫米波雷达与光学摄像头固定在移动承载平台上，两者的几何位置固定，通过控制移动平台的运动获取雷达点云数据和光学图像。将雷达点云数据进行slam算法处理得到栅格地图。将毫米波雷达与光学摄像头固定在移动承载平台上并设置两者之间的几何位置固定，可以减少在求解雷达点云坐标系和光学图像坐标系之间的映射关系的过程中的计算量，提高匹配的效率。
[0060]
在本技术的一个实施例中，第一部分数据点基于光学图像中的目标对象获取。
[0061]
具体地，对毫米波雷达针对目标范围探测得到的雷达点云数据进行slam算法处理，得到对应的slam栅格地图，该栅格地图包含雷达点云数据中全部数据点对应的位置。在雷达点云数据中选取部分数据点作为用于建立映射关系的第一部分数据点，该第一部分数据点可以基于光学图像中的目标对象获取，如图2所示，在探测目标范围内选取一个明显的目标对象可以方便获取该目标对象对应的数据点在光学图像中的像素坐标。由此，便可方便获取雷达点云数据中第一部分数据点在slam栅格地图中的位置坐标以及在光学图像中的像素位置坐标。并将第一部分数据点与光学图像中的位置坐标进行标定。
[0062]
除了上述基于光学图像中的目标对象来获取的方式之外，第一部分数据点也可以采用其他方式获取，例如随机选取，再例如选取固定区域的数据点，等等。
[0063]
下面结合实施例对上述步骤s2即“基于第一部分数据点及其在栅格地图中的位置坐标得到雷达点云坐标系和栅格地图坐标系的第一映射关系；基于第一部分数据点及其在光学图像中的位置坐标得到雷达点云坐标系和光学图像坐标系的第二映射关系”进行详细描述。
[0064]
在本技术的一个实施例中，第一映射关系和第二映射关系基于单应性变换得到。
[0065]
具体地，单应性变换用来描述一个平面到另一个平面的位置映射关系。对应的变换矩阵称为单应性矩阵。在本实施例的基础上，本步骤中“基于第一部分数据点及其在栅格地图中的位置坐标得到雷达点云坐标系和栅格地图坐标系的第一映射关系；基于第一部分数据点及其在光学图像中的位置坐标得到雷达点云坐标系和光学图像坐标系的第二映射关系”可以理解为获取点云中第一部分数据点在相同帧的雷达点云坐标系和栅格地图坐标系中的位置坐标，基于单应性变换原理得到点云在雷达坐标系和栅格地图坐标系中的映射
关系，并将该映射关系定义为第一映射关系，第一映射关系中包含第一常数和第一单应性矩阵。获取点云中第一部分数据点在相同帧的雷达点云坐标系和光学图像坐标系中的位置坐标，基于单应性变换原理得到点云在雷达坐标系和光学图像坐标系中的映射关系，并将该映射关系定义为第二映射关系，第二映射关系中包含第二常数和第二单应性矩阵。
[0066]
例如，在本技术的一个实施例中，第一映射关系为：
[0067][0068]
第二映射关系为：
[0069][0070]
其中，(xr,yr)为数据点在雷达点云坐标系的坐标；(xm,ym)为数据点在栅格地图坐标系的坐标；(u,v)为数据点在光学图像坐标系的坐标；pi为第i帧雷达点云数据在雷达点云坐标系和栅格地图坐标系之间的第一单应性矩阵；h为一帧雷达点云数据在雷达点云坐标系和光学图像坐标系之间的第二单应性矩阵；s1为第一常数；s2为第二常数。
[0071]
下面结合实施例对上述步骤s3即“基于第一映射关系和第二映射关系得到栅格地图坐标系和光学图像坐标系的第三映射关系”进行详细描述。
[0072]
在本技术的一个实施例中，基于第一映射关系和第二映射关系得到栅格地图坐标系和光学图像坐标系的第三映射关系包括：利用第一映射关系中的第一常数、第一单应性矩阵以及第二映射关系中的第二常数、第二单应性矩阵，确定第三映射关系中的第三常数和转换矩阵；利用第三映射关系中的第三常数和转换矩阵，得到基于单应性变换的第三映射关系。
[0073]
例如，在本技术的一个实施例中，第一映射关系为：
[0074][0075]
第二映射关系为：
[0076][0077]
对公式做如下变换得公式(3):
[0078][0079]
将其带入公式得公式(4)：
[0080][0081]
整理公式得：
[0082][0083]
公式(5)即为基于第一映射关系和第二映射关系得到栅格地图坐标系和光学图像坐标系的第三映射关系。
[0084]
其中，(xr,yr)为数据点在雷达点云坐标系的坐标；(xm,ym)为数据点在栅格地图坐标系的坐标；(u,v)为数据点在光学图像坐标系的坐标；pi为第i帧雷达点云数据在雷达点云坐标系和栅格地图坐标系之间的第一单应性矩阵；h为一帧雷达点云数据在雷达点云坐标系和光学图像坐标系之间的第二单应性矩阵；pih-1
为栅格地图坐标系与光学图像坐标系之间的转换矩阵；s1为第一常数；s2为第二常数；s为第三常数，可以是
[0085]
下面结合实施例对上述步骤s4即“基于第三映射关系实现雷达点云数据中第二部分数据点在栅格地图与光学图像之间的匹配”进行详细描述。
[0086]
在本技术的一个实施例中，基于第三映射关系实现雷达点云数据中第二部分数据点在栅格地图与光学图像之间的匹配包括：确定雷达点云数据中第二部分数据点在栅格地图中的位置坐标；基于第二部分数据点在栅格地图中的位置坐标和第三坐标映射关系，确定第二部分数据点在光学图像中的位置坐标。
[0087]
本技术实施例通过单应性变换原理分别得到雷达点云坐标系和栅格地图坐标系之间的映射关系以及雷达点云坐标系和光学图像坐标系之间的映射关系，进而计算出栅格地图坐标系和所述光学图像坐标系之间的转换关系，从而实现slam栅格地图与光学图像之间的匹配，提升匹配的准确率和效率，解决了原有的匹配方法标定复杂、不易实现的问题，将slam栅格地图与光学图像进行匹配，解决了slam栅格地图语义信息不丰富的问题，提高直观性。
[0088]
结合上述实施例中的实现方式，下面结合图3对本技术实施例提供的一优选的方法流程进行举例描述。如图3所示，该方法可以包括以下步骤：
[0089]
步骤1：首先将毫米波雷达与光学摄像头固定在移动承载平台上，两者的几何位置固定，通过控制移动平台的运动获取雷达点云数据和光学图像。将雷达点云数据进行slam算法处理得到栅格地图。
[0090]
步骤2：将单帧原始点云数据中第一部分数据点均表示为(xr,yr)，其在slam栅格地图中所在的位置记为(xm,ym)，原始点云数据中第一部分数据点在光学图像中的像素坐标记为(u,v)；
[0091]
根据每帧点云(xr,yr)和其在slam栅格地图中坐标(xm,ym)，利用单应性变换原理得到点云和栅格地图的关系如下：
[0092][0093]
其中，s1是常数，i代表一共n帧点云数据中的第i帧，pi为第i帧点云数据和栅格地图之间的第一单应性矩阵。
[0094]
同理，根据点云(xr,yr)和其在光学图像中像素坐标(u,v)，利用单应性变换原理得到点云和像素的关系如下：
[0095][0096]
其中，s2是常数，h为一帧点云数据和光学图像之间的第二单应性矩阵。因为在步骤1中设定毫米波雷达与光学摄像头两者的几何位置固定，因此，只需一帧点云数据和光学图像之间对应关系，即可求出点云数据和光学图像之间的第二单应性矩阵。
[0097]
步骤3：对步骤2中的公式、做公式转换得到地图与光学图像之间的转换矩阵；
[0098]
对公式做如下变换得公式(3):
[0099][0100]
将其带入公式得公式(4)：
[0101][0102]
整理公式得：
[0103][0104]
其中pih-1
为栅格地图与光学图像之间的转换矩阵，记为qi，s为常数；
[0105]
针对每一帧雷达点云数据均执行上述处理，即在i《n的情况下继续转至执行步骤1，直至完成所有帧雷达点云数据的处理后，分别得到各帧的qi。
[0106]
步骤4：利用转换矩阵qi将栅格地图与对应的光学图像的全部数据点进行匹配。
[0107]
应该理解的是，虽然图3的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本技术中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行。而且，图3中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
[0108]
图4为本技术实施例提供的一种栅格地图与光学图像匹配装置的结构示意图，用以执行如图1中所示的方法流程。如图4所示，该装置可以包括：获取单元401、变换单元402和匹配单元403。其中各组成模块的主要功能如下：
[0109]
获取单元401：用于获取针对目标范围的雷达点云数据和光学图像数据以及与雷达点云数据对应的栅格地图；分别获取雷达点云数据中第一部分数据点在栅格地图中的位置坐标以及在光学图像中的位置坐标；
[0110]
变换单元402：用于基于第一部分数据点及其在栅格地图中的位置坐标得到雷达点云坐标系和栅格地图坐标系的第一映射关系；基于第一部分数据点及其在光学图像中的位置坐标得到雷达点云坐标系和光学图像坐标系的第二映射关系；基于第一映射关系和第二映射关系得到栅格地图坐标系和光学图像坐标系的第三映射关系；
[0111]
匹配单元403：用于基于第三映射关系实现雷达点云数据中第二部分数据点在栅格地图与光学图像之间的匹配。
[0112]
在本技术的一个实施例中，获取单元401：进一步用于通过固定于移动承载平台上的毫米波雷达与光学摄像头，分别获取雷达点云数据和光学图像数据，将雷达点云数据进行slam算法处理得到栅格地图；其中，毫米波雷达与光学摄像头的几何位置固定。
[0113]
在本技术的一个实施例中，第一映射关系和第二映射关系基于单应性变换得到。
[0114]
在本技术的一个实施例中，基于第一映射关系和第二映射关系得到栅格地图坐标系和光学图像坐标系的第三映射关系包括：利用第一映射关系中的第一常数、第一单应性矩阵以及第二映射关系中的第二常数、第二单应性矩阵，确定第三映射关系中的第三常数和转换矩阵；利用第三映射关系中的第三常数和转换矩阵，得到基于单应性变换的第三映射关系。
[0115]
在本技术的一个实施例中，第一映射关系为：
[0116][0117]
第二映射关系为：
[0118][0119]
第三映射关系为：
[0120][0121]
其中，(xr,yr)为数据点在雷达点云坐标系的坐标；(xm,ym)为数据点在栅格地图坐标系的坐标；(u,v)为数据点在光学图像坐标系的坐标；pi为第i帧雷达点云数据在雷达点云坐标系和栅格地图坐标系之间的第一单应性矩阵；h为一帧雷达点云数据在雷达点云坐标系和光学图像坐标系之间的第二单应性矩阵；pih-1
为栅格地图坐标系与光学图像坐标系之间的转换矩阵；s1为第一常数；s2为第二常数；s为第三常数。
[0122]
在本技术的一个实施例中，第一部分数据点基于光学图像中的目标对象获取。
[0123]
在本技术的一个实施例中，匹配单元403：进一步用于确定雷达点云数据中第二部分数据点在栅格地图中的位置坐标；基于第二部分数据点在栅格地图中的位置坐标和第三坐标映射关系，确定第二部分数据点在光学图像中的位置坐标。
[0124]
由于本技术实施例提供的栅格地图与光学图像匹配装置，可以用于执行上述实施例的栅格地图与光学图像匹配方法，其工作原理和有益效果类似，故此处不再详述，具体内容可参见上述实施例的介绍。
[0125]
通过上述方法和装置实现的栅格地图与光学图像之间匹配可以增加栅格地图的语义信息，利用与诸如目标检测、分类、虚假目标识别等应用场景。
[0126]
根据本技术的实施例，本技术还提供了一种计算机设备、一种计算机可读存储介质。
[0127]
如图5所示，是根据本技术实施例的计算机设备的框图。计算机设备旨在表示各种形式的数字计算机或移动装置。其中数字计算机可以包括台式计算机、便携式计算机、工作台、个人数字助理、服务器、大型计算机和其它适合的计算机。移动装置可以包括平板电脑、智能电话、可穿戴式设备等。
[0128]
如图5所示，设备500包括计算单元501、rom 502、ram 503、总线504以及输入/输出(i/o)接口505，计算单元501、rom 502以及ram 503通过总线504彼此相连。输入/输出(i/o)接口505也连接至总线504。
[0129]
计算单元501可以根据存储在只读存储器(rom)502中的计算机指令或者从存储单元508加载到随机访问存储器(ram)503中的计算机指令，来执行本技术方法实施例中的各种处理。计算单元501可以是各种具有处理和计算能力的通用和/或专用处理组件。计算单元501可以包括但不限于中央处理单元(cpu)、图形处理单元(gpu)、各种专用的人工智能(ai)计算芯片、各种运行机器学习模型算法的计算单元、数字信号处理器(dsp)、以及任何适当的处理器、控制器、微控制器等。在一些实施例中，本技术实施例提供的方法可被实现为计算机软件程序，其被有形地包含于计算机可读存储介质，例如存储单元508。
[0130]
ram 503还可存储设备500操作所需的各种程序和数据。计算机程序的部分或者全部可以经由rom 802和/或通信单元509而被载入和/或安装到设备500上。
[0131]
设备500中的输入单元505、输出单元507、存储单元508和通信单元509可以连接至i/o接口505。其中，输入单元505可以是诸如键盘、鼠标、触摸屏、麦克风等；输出单元507可以是诸如显示器、扬声器、指示灯等。设备600能够通过通信单元609与其他设备进行信息、数据等的交换。
[0132]
需要说明的是，该设备还可以包括实现正常运行所必需的其他组件。也可以仅包含实现本技术方案所必需的组件，而不必包含图中所示的全部组件。
[0133]
此处描述的系统和技术的各种实施方式可以在数字电子电路系统、集成电路系统、场可编程门阵列(fpga)、专用集成电路(asic)、专用标准产品(assp)、芯片上系统的系统(soc)、负载可编程逻辑设备(cpld)、计算机硬件、固件、软件和/或它们的组合中实现。
[0134]
用于实施本技术的方法的计算机指令可以采用一个或多个编程语言的任何组合来编写。这些计算机指令可以提供给计算单元501，使得计算机指令当由诸如处理器等计算单元501执行时使执行本技术方法实施例中涉及的各步骤。
[0135]
本技术提供的计算机可读存储介质可以是有形的介质，其可以包含或存储计算机指令，用以执行本技术方法实施例中涉及的各步骤。计算机可读存储介质可以包括但不限于电子的、磁性的、光学的、电磁的等形式的存储介质。
[0136]
上述具体实施方式，并不构成对本技术保护范围的限制。本领域技术人员应该明白的是，根据设计要求和其他因素，可以进行各种修改、组合、子组合和替代。任何在本技术的精神和原则之内所作的修改、等同替换和改进等，均应包含在本技术保护范围之内。