[发明专利]一种三维目标检测方法及系统

权利要求书

1.一种三维目标检测方法，其特征在于，包括：

获取待检测目标的原始点云和原始图像，并将原始点云转换成体素形态；

利用多层感知机对原始点云进行特征提取，得到点云高维局部特征；

利用三维主干网络对体素进行特征提取，得到体素特征图；

根据原始图像和体素特征图，得到浅融合特征图；

根据浅融合特征图和点云高维局部特征，得到待检测目标的包围框。

2.如权利要求1所述的三维目标检测方法，其特征在于，所述利用三维主干网络对体素进行特征提取，得到体素特征图，包括：

利用由三维卷积核构造的三维主干网络学习所述体素内部特征和局部特征，并逐层降低特征图的尺寸在高度维上为1，得到三维特征图；

将三维特征图的高度维去掉，将三维特征图转换为二维的体素特征图。

3.如权利要求1所述的三维目标检测方法，其特征在于，所述根据原始图像和体素特征图，得到浅融合特征图，包括：

利用VGG网络对所述原始图像进行特征提取，得到图像特征图；

将图像特征图与所述体素特征图按位进行拼接，得到所述浅融合特征图。

4.如权利要求1所述的三维目标检测方法，其特征在于，所述根据浅融合特征图和点云高维局部特征，得到待检测目标的包围框，包括：

将所述浅融合特征图输入至区域提议网络中进行处理，获得初始目标包围框；

利用初始目标包围框对所述点云高维局部特征和所述浅融合特征图进行裁剪，并输入到精细回归网络中，提取所述待检测目标的包围框。

5.如权利要求4所述的三维目标检测方法，其特征在于，所述将所述浅融合特征图输入至区域提议网络中进行处理，获得初始目标包围框，包括：

利用特征金字塔网络学习所述浅融合特征图的底层几何特征和高层语义特征；

对高层语义特征进行反卷积操作，使得高层语义特征与底层几何特征的尺寸相同；

将高层语义特征和底层几何特征分别输入到两个全连接网络中进行包围框的分类和回归，得到所述初始目标包围框。

6.如权利要求4所述的三维目标检测方法，其特征在于，所述利用初始目标包围框对所述点云高维局部特征和所述浅融合特征图进行裁剪，并输入到精细回归网络中，提取所述待检测目标的包围框，包括：

将所述初始目标包围框投影到鸟瞰图中，以对所述浅融合特征图进行切割，得到切割特征；

利用切割特征与初始目标包围框中点云对应的点云高维局部特征进行拼接，得到拼接后的特征；

利用MLP将切割后的浅融合特征图进行降维后输入到激活函数，得到注意力权值；

将拼接后的特征与注意力权值相乘，得到高维复合特征；

利用两层MLP对高维复合特征进行处理，得到所述待检测目标的包围框。

7.一种三维目标检测系统，其特征在于，包括：获取模块、第一提取模块、第二提取模块、处理模块和目标检测模块；

获取模块用于获取待检测目标的原始点云和原始图像，并将原始点云转换成体素形态；

第一提取模块用于利用多层感知机对原始点云进行特征提取，得到点云高维局部特征；

第二提取模块用于利用三维主干网络对体素进行特征提取，得到体素特征图；

处理模块用于根据原始图像和体素特征图，得到浅融合特征图；

目标检测模块用于根据浅融合特征图和点云高维局部特征，得到待检测目标的包围框。

8.如权利要求7所述的三维目标检测系统，其特征在于，所述第二提取模块包括三维特征图提取单元和转换单元；

三维特征图提取单元用于利用由三维卷积核构造的三维主干网络学习所述体素内部特征和局部特征，并逐层降低特征图的尺寸在高度维上为1，得到三维特征图；

转换单元用于将三维特征图的高度维去掉，将三维特征图转换为二维的体素特征图。