[发明专利]一种目标检测方法及电子设备

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：

将待检测目标的场景的点云划分为多个体素；

针对每个体素，基于体素中的每个点的空间位置、激光反射率强度以及该点与所在体素的中心点的相对位置，确定每个体素的体素特征；

利用稀疏三维卷积神经网络对每个体素的体素特征进行三维稀疏卷积操作，得到不同分辨率下的初始二维特征图；

利用基于区域推荐的三维目标检测网络，对所得到的多个初始二维特征图进行卷积操作和反卷积操作，得到目标二维特征图；

根据所述目标二维图中的各个初始区域的置信度，确定所述目标二维特征图中的各个候选区域以及每一候选区域的区域信息；其中，每个初始区域包括：所述目标二维图中的至少一个点，所述区域信息包括能够表征的待检测目标的空间位置、类型信息和置信度；

针对每个候选区域，当该候选区域中待检测目标的置信度大于该候选区域的类型信息对应的置信度阈值时，将该候选区域确定为表征待检测目标的区域，并基于该候选区域的空间位置和类型信息，得到所述场景中的待检测目标的空间位置和类型信息。

2.根据权利要求1所述的方法，其特征在于，所述针对每个体素，基于体素中的每个点的空间位置、激光反射率强度以及该点与所在体素的中心点的相对位置，确定每个体素的体素特征的步骤，包括：

针对每个体素，确定体素中每个点的特征；其中，每个点的特征包括：该点的空间位置、该点的激光反射率强度以及该点与所在体素的中心点的相对位置；

对每个体素中的每个点的特征进行转换得到预设维度的特征；

对各体素的每一维度的特征进行最大值聚合，得到该体素的体素特征。

3.根据权利要求2所述的方法，其特征在于，所述预设维度为8维，所述对每个点的特征进行转换得到预设维度的特征的步骤，包括：

利用线性层函数确定每个点的预设维度的特征；其中，所述线性层函数为：

y_i＝Wx_i+b

其中，y_i为第i个点的预设维度的特征，x_i为第i个点的特征，W为预先训练得到的维度为7×8的权值矩阵，b为预先训练得到的偏差值。

4.根据权利要求1-3任一项所述的方法，其特征在于，所述根据所述目标二维图中的各个初始区域的置信度，确定所述目标二维特征图中的各个候选区域以及每一候选区域的区域信息的步骤，包括：

针对所述目标二维特征图中的每个点，确定包含该点的多个初始区域；

对每个初始区域进行类型判断和位置回归，确定该初始区域的区域信息；

针对所述目标二维特征图中的每个点，从所确定的包含该点的多个初始区域中，选取置信度满足预设置信度条件的多个初始区域；其中，所述预设置信度条件包括：置信度大于预设阈值；或，按照置信度由高到底的顺序对所确定的包含该点的多个初始区域进行排列，排序在前第一预设数量位；

将所选取的各个初始区域确定为所述目标二维特征图中的各个候选区域，并得到每一候选区域的区域信息。

5.根据权利要求1-3任一项所述的方法，其特征在于，在所述针对每个候选区域，当该候选区域中待检测目标的置信度大于该候选区域的类型信息对应的置信度阈值时，将该候选区域确定为表征待检测目标的区域的步骤之前，所述方法还包括：

对所述各个候选区域进行非极大值抑制，得到所保留的各个候选区域；

所述针对每个候选区域，当该候选区域中待检测目标的置信度大于该候选区域的类型信息对应的置信度阈值时，将该候选区域确定为表征待检测目标的区域的步骤，包括：

针对所保留的每个候选区域，当该候选区域中待检测目标的置信度大于该候选区域的类型信息对应的置信度阈值时，将该候选区域确定为表征待检测目标的区域。