[发明专利]一种基于对称点生成的点云3D目标检测方法

权利要求书

1.一种基于对称点生成的点云3D目标检测方法，其特征在于，包括以下步骤：

步骤1：过滤点云并体素化检测空间，计算对称点生成模块的输入即体素初始特征，生成前景点标签，生成对称点相对于前景点的位置偏移标签；

步骤2：搭建对称点生成模块，构造对称点生成模块中编码器、解码器，为对称点生成模块分别添加分类头和回归头，构建前景点分割任务的损失函数、对称点预测任务的损失函数，进一步构建对称点生成模块的损失函数；

步骤3：通过对称点生成模块预测的对称点相对于前景点的位置偏移，将预测的对称点组成对称点集，结合对称点集与体素中心点集生成增强点云；

步骤4：定义区域提案网络，构建区域提案网络中骨干网络，构建区域提案网络中检测头，构建区域提案网络网络的损失函数；

步骤5：使用点云网络训练集进行训练，通过步骤1的点云数据处理得到初始体素特征，接着通过步骤2的对称点生成模块得到前景点对应的对称点，然后通过步骤3将非空体素中心点与对称点组成增强点云，最后通过步骤4的区域提案网络得到最终的物体检测框，结合综合点云网络的损失函数，使用点云网络训练集中进行训练得到寻优化网络参数，用于构建训练后点云网络；

步骤6：将待检测场景的点云数据输入训练后的点云网络，进行3D检测框预测，得待检测场景中目标的3D检测框。

2.根据权利要求1所述的基于对称点生成的点云3D目标检测方法，其特征在于：

步骤1所述过滤点云并体素化检测空间为：

原始点云为：

其中，表示第i个点的坐标，分别表示第i个点的x轴坐标、y轴坐标、z轴坐标，过滤掉原始点云中不在检测范围内的点，所述检测范围为

则过滤后的点云为其中O_j表示检测范围空间内第j个点的坐标，分别表示检测范围空间内第j个点的x轴坐标、y轴坐标、z轴坐标；

之后对检测范围空间进行体素化，体素尺寸为w_v×l_v×h_v，w_v,l_v,h_v分别表示体素的宽长高，则体素中心点集合为：

其中，V_(k,m,n)表示x轴方向上第k个、y轴方向上第m个、z轴方向上第n个体素中心点的坐标，具体计算公式如下：

体素化后的空间分辨率为W×L×H；体素中心点集合也可以简化表示成如下形式其中V_i表示第i个体素中心点，N₃＝W×L×H；

步骤1所述计算对称点生成模块的输入即体素初始特征为：

坐标为(k,m,n)的体素的初始特征f_(k,m,n)为落在其内部的点的坐标平均值，具体计算公式如下：

其中N_(k,m,n)表示落在坐标为(k,m,n)的体素内点的数量，O_q表示落在坐标为(k,m,n)的体素内第q个的坐标，因此所述体素初始特征为：

F＝{f_(k,m,n)|k∈[1,W],m∈[1,L],n∈[1,H],k,m,n∈Z}

其中，所述F的空间分辨率也为W×L×H，其张量表示形式为[W L H 3]；

步骤1所述生成前景点标签为：

所谓前景点就是落在3D标注框内部的体素中心点，用(p_x,p_y,p_z)表示前景点坐标，其标签s为1，数量为N_pos；落在3D标注框内部的体素中心点被称作背景点，其标签s＝0；

用(x_g,y_g,z_g,w_g,l_g,h_g,θ_g)表示3D标注框，其中(x_g,y_g,z_g)表示3D标注框的中心点坐标，w_g,l_g,h_g表示3D标注框的宽长高，θ_g表示俯视视角下的旋转角；

步骤1生成对称点相对于前景点的位置偏移标签为：

首先使用下面公式计算出前景点在3D标注框内的对称点：

其中(r_x,r_y,r_z)表示前景点在3D框中的相对位置坐标；接着可以计算出对称点的相对位置坐标(1-r_x,r_y,r_z)，最后利用下面公式计算出对称点的位置标签(p_x′,p_y′,p_z′)

t_x′＝(1-r_x)w-0.5,t_y′＝r_yl-0.5,p_z′＝r_zh-0.5+c_z

则对称点相对于前景点的位置偏移标签为ΔP＝(p_x′-p_x,p_y′-p_y)；其中公式出现的变量含义已在前述给出。