[发明专利]一种基于深度学习的三维目标检测方法、装置及终端设备

说明书

本申请公开了一种基于深度学习的三维目标检测方法、装置及终端设备，其中，方法包括：在获取到指定场景对应的点云数据的情况下，对所述点云数据进行预处理得到多个第一点云方柱；分别对每个所述第一点云方柱中包括的数据点进行特征扩展，得到多个完成特征扩展后的第二点云方柱；将所述多个第二点云方柱作为预设的特征学习网络的输入，以提取所述多个第二点云方柱中的点云特征，并基于所述点云特征将各数据点映射为与所述指定场景对应的伪图像；将所述伪图像作为预设的候选框生成网络的输入，以对所述伪图像中包括的三维目标进行预测，得到所述指定场景中包含的三维目标对应的边界回归图和/或置信概率图。

技术领域

本申请涉及计算机视觉技术领域，尤其涉及一种基于深度学习的三维目标检测方法、装置及终端设备。

背景技术

三维目标检测是计算机视觉任务中的重要研究课题，也是很多视觉任务实现的前提，如场景解析任务、事件识别任务等。近些年，三维目标检测也被广泛应用于很多方面，例如，民用方面有自动驾驶、家庭机器人、视频监控等；军事方面有目标探测、精确制导、无人机侦测等；医学方面有病灶检测等。

在此以自动驾驶领域为例，三维目标检测作为自动驾驶领域中的关键技术之一，可用于对智能汽车的周围环境进行感知，从而确保自动驾驶的安全性。但是，目前的三维目标检测技术还存在精确度不高等问题，例如，经统计，自2016年9月至2018年3月之间，Uber的自动驾驶汽车共发生37起碰撞事故，其中，2018年3月发生在美国亚利桑那州坦佩市的车祸造成一名妇女丧生，资料显示，事故发生前5.6秒就已发现行人，但车辆并未能正确识别，系统对目标的分类发生了混乱，在“汽车”和“其他”之间摇摆不定，浪费了大量宝贵的时间，而未及时制动。

加之，在自动驾驶领域中，智能汽车的周围环境会异常复杂，如包括各种天气、路况、障碍物等多种组合，进一步加大了三维目标检测的难度，因此，如何有效提高三维目标检测结果的准确性，确保自动驾驶技术的安全性，成为了目前急需解决的技术问题。

发明内容

本申请实施例提供了一种基于深度学习的三维目标检测方法、装置及终端设备，能够提高三维目标检测结果的准确性，确保自动驾驶技术的安全性。

为了解决上述问题，本申请是这样实现的：

第一方面，本申请实施例提供一种基于深度学习的三维目标检测方法，包括：在获取到自动驾驶场景对应的点云数据的情况下，对所述点云数据进行预处理得到多个第一点云方柱；对每个所述第一点云方柱中包括的数据点进行特征扩展，得到多个第二点云方柱；将所述多个第二点云方柱作为预设的特征学习网络的输入，计算得到所述自动驾驶场景对应的伪图像；将所述伪图像作为预设的候选框生成网络的输入，以预测得到所述自动驾驶场景中包含的三维目标对应的边界回归图和/或置信概率图。

第二方面，本申请实施例提供一种基于深度学习的三维目标检测装置，包括：预处理模块，用于在获取到自动驾驶场景对应的点云数据的情况下，对所述点云数据进行预处理得到多个第一点云方柱；扩展模块，用于对每个所述第一点云方柱中包括的数据点进行特征扩展，得到多个第二点云方柱；伪图像计算模块，用于将所述多个第二点云方柱作为预设的特征学习网络的输入，计算得到所述自动驾驶场景对应的伪图像；预测模块，用于将所述伪图像作为预设的候选框生成网络的输入，以预测得到所述自动驾驶场景中包含的三维目标对应的边界回归图和/或置信概率图。

第三方面，本申请实施例还提供一种终端设备，包括处理器、存储器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序被所述处理器执行时实现如上述的基于深度学习的三维目标检测方法的步骤。

第四方面，本申请实施例还提供一种计算机可读存储介质，所述计算机可读存储介质上存储计算机程序，所述计算机程序被处理器执行时实现如上所述的基于深度学习的三维目标检测方法的步骤。

本申请实施例采用的上述至少一个技术方案能够达到以下有益效果：