[发明专利]目标检测方法、装置、电子设备及存储介质

权利要求书

1.一种目标检测方法，其特征在于，所述方法包括：

获取雷达采集的点云数据，将所述点云数据转换为距离视图；

利用预设深度学习模型对所述距离视图进行特征提取，得到2D距离图图像特征，其中，所述2D距离图图像特征包括所述距离视图中各像素的图像特征；

根据所述距离视图中各像素与所述点云数据中各点的对应关系，将所述距离视图中各像素的图像特征映射到鸟瞰图上，得到2D鸟瞰图图像特征；

利用预设深度学习模型对所述2D鸟瞰图图像特征进行分析，得到目标的3D检测框。

2.根据权利要求1所述的方法，其特征在于，所述预设深度学习模型包括特征提取网络，所述特征提取网络包括多个编码模块及多个解码模块；

所述利用预设深度学习模型对所述距离视图进行特征提取，得到2D距离图图像特征，包括：

利用所述特征提取网络的卷积层将所述距离视图转换为初始图像特征；

利用所述特征提取网络的各编码模块对所述初始图像特征进行特征提取及下采样，得到图像编码特征；

利用所述特征提取网络的各解码模块对所述下采样图像特征进行特征提取及上采样，得到2D距离图图像特征。

3.根据权利要求2所述的方法，其特征在于，所述编码模块包括第一卷积单元、多个膨胀卷积单元、特征级联单元、第二卷积单元、特征融合单元、随机失活单元及池化单元，其中，同一编码模块中各膨胀卷积单元的膨胀率不同；

所述利用所述特征提取网络的各编码模块对所述初始图像特征进行特征提取及下采样，得到图像编码特征，包括：

针对每一编码模块，利用该编码模块的第一卷积单元对输入该编码模块的图像特征进行更新，得到一次更新后的图像特征；

利用该编码模块的膨胀卷积单元对一次更新后的图像特征进行特征提取，得到多种尺度的图像特征；

利用该编码模块的特征级联单元对多种尺度的图像特征进行级联，得到级联后的图像特征；

利用该编码模块的第二卷积单元对级联后的图像特征进行更新，得到二次更新后的图像特征；

利用该编码模块的特征融合单元将一次更新后的图像特征与二次更新后的图像特征进行融合，得到融合图像特征；

利用该编码模块的随机失活单元及池化单元对融合图像特征进行随机失活操作及下采样操作，得到输出的图像特征；

其中，第一个编码模块的输入为所述初始图像特征，第i+1个编码模块的输入为第i个编码模块的输出，最后一个编码模块的输出为图像编码特征。

4.根据权利要求2所述的方法，其特征在于，所述解码模块包括第一卷积单元、多个膨胀卷积单元、特征级联单元、第二卷积单元、特征融合单元、随机失活单元及池化单元，其中，同一解码模块中各膨胀卷积单元的膨胀率不同；

所述利用所述特征提取网络的各解码模块对所述下采样图像特征进行特征提取及上采样，得到2D距离图图像特征，包括：

针对每一解码模块，利用该解码模块的第一卷积单元对输入该解码模块的图像特征进行更新，得到一次更新后的图像特征；

利用该解码模块的膨胀卷积单元对一次更新后的图像特征进行特征提取，得到多种尺度的图像特征；

利用该解码模块的特征级联单元对多种尺度的图像特征进行级联，得到级联后的图像特征；

利用该解码模块的第二卷积单元对级联后的图像特征进行更新，得到二次更新后的图像特征；

利用该解码模块的特征融合单元将一次更新后的图像特征与二次更新后的图像特征进行融合，得到融合图像特征；

利用该解码模块的随机失活单元及池化单元对融合图像特征进行随机失活操作及上采样操作，得到输出的图像特征；

其中，第一个解码模块的输入为所述图像编码特征，第i+1个解码模块的输入为第i个解码模块的输出，最后一个解码模块的输出为2D距离图图像特征。