一种点云的目标检测方法、终端设备以及存储介质与流程

本申请涉及数据处理，特别是涉及一种点云的目标检测方法、终端设备以及存储介质。

背景技术：

1、汽车在辅助驾驶的过程中，需要对周围的障碍物进行感知，其中一种感知方式是获取激光雷达采集到的点云数据，再在点云数据中检测三维目标的位置，根据检测结果规划安全行车路径。

2、基于点云的目标检测方法，需要考虑检测速度满足实时性的同时，尽可能地提高检测的精确性。现有目标检测方法通常直接在原始点云上操作，或者将点云转换为3d形式，然后再进行3d卷积。但是这些方法的计算量非常大，存在效率低或精度不足的缺陷。

技术实现思路

1、本申请提供一种点云的目标检测方法、终端设备以及存储介质。

2、本申请采用的一个技术方案是提供一种点云的目标检测方法，该目标检测方法包括：

3、获取当前帧点云对应的若干体素；

4、对每一体素进行特征提取，得到体素特征；

5、对若干体素特征进行鸟瞰图特征转换，得到鸟瞰图特征；

6、将鸟瞰图特征输入至目标检测网络中，得到目标检测结果。

7、可选地，目标检测网络包括依次连接的主干网络、瓶颈层和检测头；

8、将鸟瞰图特征输入至目标检测网络中，得到目标检测结果，包括：

9、将鸟瞰图特征输入至主干网络进行特征提取，得到初始特征图；

10、将初始特征图输入至瓶颈层进行特征融合，得到融合特征图；

11、将融合特征图输入至检测头进行目标检测，得到目标检测结果。

12、可选地，主干网络包括依次连接的第一下采样层、第一网络、第二下采样层、第二网络、第三下采样层和第三网络，

13、将鸟瞰图特征输入至主干网络进行特征提取，得到初始特征图，包括：

14、将鸟瞰图特征输入至第一下采样层进行下采样操作，得到第一特征图；

15、将第一特征图输入至第一网络进行特征提取，得到第二特征图；

16、将第二特征图输入至第二下采样层进行下采样操作，得到第三特征图；

17、将第三特征图输入至第二网络进行特征提取，得到第四特征图；

18、将第四特征图输入至第三下采样层进行下采样操作，得到第五特征图；

19、将第五特征图输入至第三网络进行特征提取，得到初始特征图。

20、可选地，瓶颈层包括依次连接的第一上采样层、第二上采样层、卷积网络和拼接层；

21、将初始特征图输入至瓶颈层进行特征融合，得到融合特征图，包括：

22、将初始特征图输入至第一上采样层进行上采样操作，得到第六特征图，其中，第六特征图与第四特征图的尺寸相同；

23、对第六特征图与第四特征图进行特征叠加，得到第七特征图；

24、将第七特征图输入至第二上采样层进行上采样操作，得到第八特征图，其中，第八特征图与第二特征图的尺寸相同；

25、对第八特征图与第二特征图进行特征叠加，得到第九特征图；

26、将第八特征图输入至卷积网络进行卷积操作，得到第十特征图；

27、将第十特征图与第二特征图输入至拼接层进行特征拼接，得到融合特征图。

28、可选地，获取当前帧点云对应的若干体素，包括：

29、按照预设分辨率，对当前帧点云进行体素划分，得到若干体素；

30、对每一体素进行特征提取，得到体素特征，包括：

31、将每一非空体素输入至卷积层和/或全连接层进行体素编码，得到体素特征，其中，非空体素为含有点云的体素。

32、可选地，对若干体素特征进行鸟瞰图特征转换，得到鸟瞰图特征，包括：

33、基于预设分辨率和每一体素特征对应的特征通道数，对体素进行初始化，得到初始化体素；

34、将体素特征映射至对应的初始化体素上，得到映射后的体素特征；

35、将映射后的体素特征进行维度重构，得到重构后的体素特征，重构后的体素特征包含了z轴高度信息；

36、将重构后的体素特征输入至卷积层进行特征提取，得到鸟瞰图特征。

37、可选地，目标检测结果包括检测框；

38、将融合特征图输入至检测头进行目标检测，得到目标检测结果，包括：

39、将融合特征图输入至检测头，得到检测框。

40、可选地，当前帧点云标注有点云对应的标注信息；

41、将鸟瞰图特征输入至目标检测网络中，得到目标检测结果的步骤之后，还包括：

42、利用目标检测结果和标注信息，确定检测损失；

43、利用检测损失，对目标检测网络进行参数调整。

44、本申请采用的另一个技术方案是提供一种终端设备，所述终端设备包括存储器以及与所述存储器连接的处理器；

45、其中，所述存储器用于存储程序数据，所述处理器用于执行所述程序数据以实现如上述的目标检测方法。

46、本申请采用的另一个技术方案是提供一种计算机存储介质，所述计算机存储介质用于存储程序数据，所述程序数据在被计算机执行时，用以实现如上述的目标检测方法。

47、本申请的有益效果是：获取当前帧点云对应的若干体素；对每一体素进行特征提取，得到体素特征；对若干体素特征进行鸟瞰图特征转换，得到鸟瞰图特征；将鸟瞰图特征输入至目标检测网络中，得到目标检测结果。本申请的点云的目标检测方法，将点云划分为三维的体素，再将三维的体素特征转换为二维的鸟瞰图特征，二维鸟瞰图特征中保留了一定的高度信息，将二维鸟瞰图输入至目标检测网络，提升目标检测网络对点云的高度的敏感性，使得在满足检测实时性的前提下，进一步提升检测精度。

技术特征：

1.一种点云的目标检测方法，其特征在于，所述方法包括：

2.根据权利要求1所述的方法，其特征在于，

3.根据权利要求2所述的方法，其特征在于，

4.根据权利要求3所述的方法，其特征在于，

5.根据权利要求1所述的方法，其特征在于，

6.根据权利要求5所述的方法，其特征在于，

7.根据权利要求2所述的方法，其特征在于，

8.根据权利要求1所述的方法，其特征在于，

9.一种终端设备，其特征在于，所述终端设备包括处理器、与所述处理器连接的存储器，其中，

10.一种计算机可读存储介质，其特征在于，所述存储介质存储有程序指令，所述程序指令被执行时实现如权利要求1至8任一项所述的方法。

技术总结
本申请公开了一种点云的目标检测方法、终端设备以及存储介质，该目标检测方法包括：获取当前帧点云对应的若干体素；对每一所述体素进行特征提取，得到体素特征；对所述若干体素特征进行鸟瞰图特征转换，得到鸟瞰图特征；将所述鸟瞰图特征输入至目标检测网络中，得到目标检测结果。上述方案，将点云划分为三维的体素，再将三维的体素特征转换为二维的鸟瞰图特征，二维鸟瞰图特征中保留了一定的高度信息，将二维鸟瞰图输入至目标检测网络，提升目标检测网络对点云的高度的敏感性，使得在满足检测实时性的前提下，进一步提升检测精度。

技术研发人员：许婧玮,胡浩天
受保护的技术使用者：浙江零跑科技股份有限公司
技术研发日：
技术公布日：2024/4/24