[发明专利]目标检测方法、系统、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，包括如下步骤：

获取点云检测数据，确定x-y平面内的二维点云图像；

将所述二维点云图像划分为多个网格；

获取所述多个网格中非空网格的张量，所述非空网格的张量包括所述网格中各个点的位置信息和反射率以及所述网格中点云的数量；

基于所述非空网格的张量确定所述二维点云图像的张量；

将所述二维点云图像的张量输入特征提取网络，得到所述特征提取网络输出的特征图；

将所述特征图输入目标检测网络，得到所述目标检测网络输出的目标类别和检测框位置。

2.根据权利要求1所述的目标检测方法，其特征在于，获取所述多个网格中非空网格的张量，包括如下步骤：

计算所述非空网格中所有点的算术平均中心以及所有点到所述算术平均中心的偏移量；

获取所述多个网格中的非空网格的张量，所述非空网格的张量包括所述非空网格中算数中心的坐标值、各个点的三维坐标值、反射率、各个点到所述算数中心的偏移量以及所述网格中的点云数量。

3.根据权利要求2所述的目标检测方法，其特征在于，基于所述非空网格的张量确定所述二维点云图像的张量，包括如下步骤：

基于所述非空网格的张量得到所述非空网格中各个点的点位特征值；

基于所述非空网格中各个点的点位特征值确定所对应的非空网格的网格特征值；

基于所述非空网格在所述二维点云图像中的位置，将所述非空网格的网格特征值填入到所述二维点云图像的对应位置，得到所述二维点云图像的张量。

4.根据权利要求3所述的目标检测方法，其特征在于，基于所述非空网格的张量得到所述非空网格中各个点的点位特征值，包括如下步骤：

将所述非空网格的张量输入信息提取网络，得到所述非空网格中各个点的点位特征值。

5.根据权利要求3所述的目标检测方法，其特征在于，基于所述非空网格中各个点的点位特征值确定所对应的非空网格的网格特征值，包括如下步骤：

对于各个所述非空网格，选择其中所有点的点位特征值的最大值，作为该非空网格的网格特征值。

6.根据权利要求3所述的目标检测方法，其特征在于，所述二维点云图像的张量中，对应于空网格的位置填充为预设填充值。

7.根据权利要求1所述的目标检测方法，其特征在于，所述特征提取网络包括第一子网络和第二子网络，将所述二维点云图像的张量输入特征提取网络，得到所述特征提取网络输出的特征图，包括如下步骤：

将所述二维点云图像的张量输入特征提取网络；

所述第一子网络对所述二维点云图像的张量进行卷积和下采样，得到多种尺寸的第一特征图；

所述第二子网络用于对所述多种尺寸的第一特征图进行反卷积和上采样，得到多个第二特征图；

将所述第二特征图进行合并，得到所述二维点云图像的特征图。

8.根据权利要求1所述的目标检测方法，其特征在于，所述目标检测网络基于总损失函数训练得到，所述总损失函数包括检测框位置损失函数、检测框分类损失函数和检测框朝向分类损失函数。

9.根据权利要求1所述的目标检测方法，其特征在于，所述目标检测网络包括多个检测分支，所述多个检测分支分别用于预测各个目标类别的检测框位置尺寸和检测框朝向。

10.根据权利要求9所述的目标检测方法，其特征在于，各个所述检测分支的损失函数包括该类别的检测框位置损失函数、检测框分类损失函数和检测框朝向分类损失函数。

11.根据权利要求1所述的目标检测方法，其特征在于，得到所述目标检测网络输出的目标类别和检测框位置，包括如下步骤：

获取所述目标检测网络输出的目标类别、检测框位置和各个检测框的置信度；

对于同一目标类别的检测框，基于所述置信度采用非极大抑制方法去除冗余检测框。