[发明专利]一种三维目标检测方法、装置及终端设备有效
申请号: | 202011167255.9 | 申请日: | 2020-10-28 |
公开(公告)号: | CN112200130B | 公开(公告)日: | 2022-11-29 |
发明(设计)人: | 邹博;胡杰民;丰智宽;程迎春;高洪祥;徐永强 | 申请(专利权)人: | 中国人民解放军陆军航空兵学院陆军航空兵研究所 |
主分类号: | G06V20/56 | 分类号: | G06V20/56;G06V10/80 |
代理公司: | 北京中济纬天专利代理有限公司 11429 | 代理人: | 郭萍 |
地址: | 101121 *** | 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 三维 目标 检测 方法 装置 终端设备 | ||
1.一种三维目标检测方法,其特征在于,包括:
在获取到指定场景的点云数据的情况下,对所述点云数据进行预处理,得到所述点云数据的体素特征图;
将所述体素特征图作为框特征生成网络的输入,以对所述体素特征图进行检测得到所述指定场景中包括的三维目标的框特征图;
对所述框特征图中的各框特征进行反体素化处理,得到第一特征集合,其中,所述第一特征集合中的特征的数量等于第一数据点与第一邻域点的数量总和,所述第一数据点为所述框特征内部的数据点,所述第一邻域点为距离所述框特征的边界小于预设值的数据点;
基于所述框特征图中包括的各框特征,从所述点云数据中提取位于各所述框特征内部的第二数据点以及与各所述框特征的边界距离小于预设值的第二邻域点,以及提取所述第二数据点以及所述第二邻域点的特征得到第二特征集合;
对所述第一特征集合以及所述第二特征集合中包含的特征进行融合,得到融合特征集;
将所述融合特征集作为候选框修正网络的输入,以基于所述融合特征集对所述框特征图中包括的各框特征进行二次边界回归,得到所述指定场景中包括的三维目标。
2.根据权利要求1所述的三维目标检测方法,其特征在于,所述框特征图中包含所述三维目标的类别信息、位置信息、维度信息和角度信息中的至少一种。
3.根据权利要求1所述的三维目标检测方法,其特征在于,在对所述框特征进行二次边界回归时涉及的边界回归参数包括:所述指定场景中包括的三维目标的边界框的八个顶点坐标偏差。
4.根据权利要求1所述的三维目标检测方法,其特征在于,将所述体素特征图作为框特征生成网络的输入,以对所述体素特征图进行检测得到所述指定场景中包括的三维目标的框特征图,包括:
将所述体素特征图作为所述框特征生成网络的输入,以提取不同层级的特征图,得到第一层级特征图、第二层级特征图、第三层级特征图和第四层级特征图,对所述第一层级特征图、第二层级特征图、第三层级特征图进行特征融合得到第一融合特征图,以及对所述第二层级特征图、第三层级特征图和第四层级特征图进行特征融合得到第二融合特征图,并分别对所述第一融合特征图和所述第二融合特征图进行特征类别预测以及边界框回归,得到所述指定场景中包括的三维目标的框特征图。
5.根据权利要求4所述的三维目标检测方法,其特征在于,对所述框特征图中的各框特征进行反体素化处理,得到第一特征集合,包括:
采用三线性插值法,根据所述框特征图中的各框特征的位置信息,在所述第一融合特征图和所述第二融合特征图中查找到与各所述框特征对应的融合特征;
对查找到的所述融合特征进行拼接,以及对拼接后的融合特征进行反体素化处理得到所述第一特征集合。
6.根据权利要求1所述的三维目标检测方法,其特征在于,对所述点云数据进行预处理,得到所述点云数据的体素特征图,包括:
对所述点云数据进行剪裁以及体素化处理得到多个体素;
对所述多个体素的各非空体素进行特征提取得到所述点云数据的体素特征图。
7.根据权利要求6所述的三维目标检测方法,其特征在于,对所述多个体素的各非空体素进行特征提取得到所述点云数据的体素特征图之前,所述方法还包括:
对所述多个体素中的各非空体素中包括的数据点进行特征扩展,基于特征扩展后的非空体素,执行所述对所述多个体素的各非空体素进行特征提取得到所述点云数据的体素特征图的步骤。
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中国人民解放军陆军航空兵学院陆军航空兵研究所,未经中国人民解放军陆军航空兵学院陆军航空兵研究所许可,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/202011167255.9/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种基于深度学习的三维目标检测方法、装置及终端设备
- 下一篇:基板承载装置