[发明专利]一种旋转鲁棒的三维物体检测优化方法及装置有效
申请号: | 201911017327.9 | 申请日: | 2019-10-24 |
公开(公告)号: | CN111028264B | 公开(公告)日: | 2022-08-12 |
发明(设计)人: | 鲁继文;周杰;郑宇 | 申请(专利权)人: | 清华大学 |
主分类号: | G06T7/246 | 分类号: | G06T7/246;G06T7/62;G06F17/18 |
代理公司: | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人: | 王艳斌 |
地址: | 10008*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 旋转 三维 物体 检测 优化 方法 装置 | ||
本发明公开了一种旋转鲁棒的三维物体检测优化方法及装置,其中,该方法包括:在第一旋转检测框和第二旋转检测框中建立标准坐标系,在两个标准坐标系中定义投影操作,得到两对互相平行或垂直的矩形,两对矩形可以根据传统无旋转检测中的计算方法得到第一相交面积和第二相交面积;选取第一相交面积和第二相交面积的最小值,将相交面积最小值与余弦衰减系数相乘得到目标相交面积;根据目标相交面积和交并比计算方法计算交并比,并根据交并比得到损失函数,将损失函数加入到检测网络的回归损失函数中进行优化,通过优化后的检测网络对三维物体进行检测。该方法可以提升多个指标下三维物体检测精度。
技术领域
本发明涉及计算机视觉与机器学习技术领域,特别涉及一种旋转鲁棒的三维物体检测优化方法及装置。
背景技术
三维物体检测技术在自动驾驶、智能移动机器人等实际应用场景中发挥着重要的作用。这些硬件平台所装载的激光雷达提供了丰富的空间信息,因而为三维物体检测提供了数据基础。然而,三维物体检测的优化方法往往采用各个参数相互独立的1范数损失函数,对检测框的尺度较为敏感。
基于雷达点云数据的三维物体检测技术大致分为四类:直接对点云数据进行三维卷积操作;直接对点云分割得到的体素进行三维卷积;将点云投影到一个平面上以构成二维形式的特征图;使用分割网络滤去背景点,在第二阶段生成密集的候选框,进一步优化。这些检测框架仿照了图像检测方法,使用了smooth-l1损失函数。这种损失函数对各个检测框参数的优化互相独立,而且对检测框的大小尺寸较为敏感,不利于进行三维检测。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。
为此,本发明的一个目的在于提出一种旋转鲁棒的三维物体检测优化方法,该方法将检测结果的拟合程度的估计值作为优化目标,将检测参数糅合为一个整体,计算过程简洁,能够直接应用在现有的检测框架中。
本发明的另一个目的在于提出一种旋转鲁棒的三维物体检测优化装置。
为达到上述目的,本发明一方面实施例提出了一种旋转鲁棒的三维物体检测优化方法,包括:
S1,获取第一旋转检测框和第二旋转检测框,分别在所述第一旋转检测框和所述第二旋转检测框中建立标准坐标系;
S2,在所述第一旋转检测框的标准坐标系中,通过移动中心点和旋转坐标轴计算所述第二旋转检测框的角点坐标,通过提取所述第二旋转检测框的角点坐标的最值得到所述第二旋转检测框的第二投影矩形的坐标,根据所述第一旋转检测框和所述第二投影矩形的坐标计算所述第一旋转检测框和所述第二投影矩形的第一相交面积;
S3,在所述第二旋转检测框的标准坐标系中,通过移动中心点和旋转坐标轴计算所述第一旋转检测框的角点坐标,通过提取所述第一旋转检测框的角点坐标的最值得到所述第一旋转检测框的第一投影矩形的坐标,根据所述第二旋转检测框和所述第一投影矩形的坐标计算所述第二旋转检测框和所述第一投影矩形的第二相交面积;
S4,选取所述第一相交面积和所述第二相交面积的最小值,将相交面积最小值与余弦衰减系数相乘得到目标相交面积;
S5,根据所述目标相交面积和交并比计算方法计算交并比,并根据所述交并比得到损失函数,将所述损失函数加入到检测网络的回归损失函数中进行优化,通过优化后的检测网络对三维物体进行检测。
本发明实施例的一种旋转鲁棒的三维物体检测优化方法,通过给定两个带旋转的检测框,分别在各自的中心点建立起标准坐标系,在两个标准坐标系中定义投影操作,得到两对互相平行或垂直的矩形。这两对矩形可以根据传统无旋转检测中的计算方法得到各自的相交面积。这两个相交面积取最值之后乘以一个角度系数,就得到所估计的旋转鲁棒的相交面积(Intersection)。将Intersection代入到标准的IoU计算流程,进而得到IoU损失函数。可以将损失函数直接加入到原先三维物体检测框架的优化目标中,能够显著提升多个指标下的三维物体检测精度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于清华大学,未经清华大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201911017327.9/2.html,转载请声明来源钻瓜专利网。