[发明专利]一种目标检测方法及装置、电子设备和存储介质

权利要求书

1.一种目标检测方法，其特征在于，所述方法包括：

对第一3D图像的点云数据进行特征提取，得到点云特征；

根据所述点云特征进行回归预测处理，得到至少一个第一3D检测框；

对所述至少一个第一3D检测框进行聚类处理，并根据经聚类处理得到的聚类结果，确定第二3D检测框；

根据所述第二3D检测框，对所述第一3D图像中的目标对象进行目标检测。

2.根据权利要求1所述的方法，其特征在于，所述根据所述点云特征进行回归预测处理，得到至少一个第一3D检测框，包括：

将所述点云特征输入特征提取网络，得到用于定位所述至少一个第一3D检测框位置的至少一个第一回归预测点；

根据所述至少一个第一回归预测点，得到所述至少一个第一3D检测框。

3.根据权利要求2所述的方法，其特征在于，所述将所述点云特征输入特征提取网络，得到用于定位所述至少一个第一3D检测框位置的至少一个第一回归预测点，包括：

将所述点云特征输入所述特征提取网络，在所述特征提取网络中对所述点云特征进行下采样、特征传播及上采样，得到所述至少一个第一回归预测点。

4.根据权利要求3所述的方法，其特征在于，所述方法还包括：

通过所述特征提取网络基于球半径进行第一回归修正处理，将所述至少一个第一回归预测点聚合在对应所述球半径的球体中。

5.根据权利要求1-4任一项所述的方法，其特征在于，所述对所述至少一个第一3D检测框进行聚类处理，并根据经聚类处理得到的聚类结果，确定第二3D检测框，包括：

获取与所述至少一个第一3D检测框相关的检测框特征；

将所述检测框特征输入特征筛选网络，经所述聚类处理及根据所述聚类结果的回归预测，得到至少一个第二回归预测点；

根据所述至少一个第二回归预测点，得到所述第二3D检测框。

6.根据权利要求5所述的方法，其特征在于，所述将所述检测框特征输入特征筛选网络，经所述聚类处理及根据所述聚类结果的回归预测，得到至少一个第二回归预测点，包括：

以所述至少一个第一3D检测框的中心点为至少一个聚类中心进行分组的特征聚类处理，得到多组聚类结果；

根据所述多组聚类结果进行回归预测处理，得到所述至少一个第二回归预测点。

7.根据权利要求6所述的方法，其特征在于，所述方法还包括：

通过所述特征筛选网络基于长方体半径进行第二回归修正处理，将所述至少一个第二回归预测点聚合在对应所述长方体半径的长方体中。

8.根据权利要求1-7任一项所述的方法，其特征在于，所述方法还包括：

对与所述第二3D检测框相关的多个评估参数进行同时约束的损失函数全局优化，得到目标损失函数；

根据所述目标损失函数的反向传播训练得到神经网络，以根据输入所述神经网络的所述第一3D图像输出得到所述第二3D检测框。

9.一种目标检测装置，其特征在于，所述装置包括：

特征提取单元，用于对第一3D图像的点云数据进行特征提取，得到点云特征；

第一回归处理单元，用于根据所述点云特征进行回归预测处理，得到至少一个第一3D检测框；

聚类单元，用于对所述至少一个第一3D检测框进行聚类处理，并根据经聚类处理得到的聚类结果，确定第二3D检测框；

目标检测单元，用于根据所述第二3D检测框，对所述第一3D图像中的目标对象进行目标检测。

10.根据权利要求9所述的装置，其特征在于，所述第一回归处理单元，用于：

将所述点云特征输入特征提取网络，得到用于定位所述至少一个第一3D检测框位置的至少一个第一回归预测点；

根据所述至少一个第一回归预测点，得到所述至少一个第一3D检测框。