[发明专利]用于三维对象检测的系统和方法

权利要求书

1.一种用于三维对象分类的方法，包括：

通过计算系统从输入源接收点云数据，其中，点云数据包括三维空间中的第一点和第二点，其中，第一点表示对象的特征；

通过计算系统调用神经网络，以利用第一标签对第一点进行分类

通过计算系统基于利用第一标签对第一点进行分类来对边界框进行回归，其中，对边界框进行回归的步骤包括预测边界框的位置；以及

通过计算系统基于对边界框进行回归来控制自主车辆。

2.根据权利要求1所述的方法，还包括：

将接收的点云数据转换成多个体素，其中，所述多个体素中的第一体素包括第一点，并且所述多个体素中的第二体素不包括点。

3.根据权利要求2所述的方法，其中，对第一点进行分类的步骤包括：利用第一标签对第一体素进行分类，所述方法还包括：

利用不同于第一标签的第二标签对第二体素进行分类，其中，边界框的回归基于第一体素。

4.根据权利要求2所述的方法，其中，对第一点进行分类的步骤包括：利用第一标签对第一体素进行分类，所述方法还包括：

利用第一标签对第二体素进行分类，其中，边界框的回归基于第一体素和第二体素。

5.根据权利要求1至4中的任意一项所述的方法，还包括：基于训练数据训练神经网络，其中，训练数据包括与对象相关联的特定点，其中，响应于检测到特定点在距对象的中心的阈值距离内，特定点被分配第一标签。

6.根据权利要求5所述的方法，其中，训练数据中的数量为M的特定点被分配第一标签，其中，M基于对象的体积被确定。

7.根据权利要求5所述的方法，其中，训练的步骤包括：学习被分配第一标签的特定点的相对空间信息。

8.根据权利要求7所述的方法，其中，学习相对空间信息的步骤包括：

将与对象相关联的地面真值边界框划分成多个分区；以及

将与对象相关联并且被分配第一标签的特定点分类到所述多个分区中的一个。

9.根据权利要求8所述的方法，训练的步骤还包括：通过划分与对象相关联的地面真值边界框和将与对象相关联并且被分配第一标签的特定点分类来计算分区分类损失，并且基于分区分类损失训练神经网络。

10.根据权利要求9所述的方法，其中，训练的步骤还包括：基于被分配第一标签的特定点来执行边界框回归；并且

其中，训练神经网络还基于根据对特定点分配第一标签而计算的分类损失以及根据执行的边界框回归计算的回归损失。

11.根据权利要求1所述的方法，其中，对边界框进行回归的步骤包括：应用软argmin以对与第一点相关联的位置参数进行回归。

12.一种用于三维对象分类的系统，包括：

处理器；以及

存储器，其中，存储器存储指令，指令在被执行时，使处理器：

从输入源接收点云数据，其中，点云数据包括三维空间中的第一点和第二点，其中，第一点表示对象的特征；

调用神经网络，以利用第一标签对第一点进行分类；

基于利用第一标签对第一点进行分类来对边界框进行回归，其中，对边界框进行回归以预测边界框的位置；以及

基于对边界框进行回归来控制自主车辆。

13.根据权利要求12所述的系统，其中，指令还使处理器：

将接收的点云数据转换成多个体素，其中，所述多个体素中的第一体素包括第一点，并且所述多个体素中的第二体素不包括点。