[发明专利]目标检测方法、装置及存储介质

说明书

本申请涉及一种目标检测方法、装置及存储介质，属于计算机技术领域，该方法包括：获取三维点云数据对应的体素网格形式的三维数据；将三维数据输入三维目标检测网络，得到的目标预测结果包括目标预测框的中心点坐标、长度、宽度、高度和朝向角；获取三维数据对应的标注结果，标注结果包括目标标注框的中心点坐标、长度、宽度、高度和朝向角；根据标注结果和目标预测结果确定三维旋转重叠率、中心点坐标之间的偏移量、目标标注框和目标预测框的外接框的对角线距离；基于目标预测结果、标注结果、三维旋转重叠率、偏移量和对角线距离生成损失函数，以对三维目标检测网络进行训练，得到最终的目标检测网络；可以提高网络收敛速度和训练效率。

技术领域

本申请涉及一种目标检测方法、装置及存储介质，属于计算机技术领域。

背景技术

随着自动驾驶技术的发展，车辆可以通过其上安装的激光雷达采集三维点云数据，并基于该三维点云数据进行三维目标检测。

在基于三维点云数据进行三维目标检测时，通过将三维点云数据输入预设的神经网络，并使用三维交并比（3-dimension Intersection-over-Union，3D-IOU）的回归损失函数对该神经网络进行训练，得到最终的目标检测网络，使用该目标检测网络对三维点云数据中的目标进行检测。

然而，3D-IOU仅能够体现目标真实值和预测值之间的重叠率，以此迭代增加重叠率减小损失。但是，仅使用面积重合度信息在位置回归的计算收敛缓慢、且预测框和真实框不相交或者包含时功能失效。

发明内容

本申请提供了一种目标检测方法、装置及存储介质，可以解决仅使用面积重合度信息进行位置回归来训练目标检测网络时，网络收敛速度慢、且预测框和真实框不相交或者包含时回归功能失效的问题。本申请提供如下技术方案：

第一方面，提供一种目标检测方法，所述方法包括：

获取目标车辆上的激光雷达采集到的三维点云数据；

基于所述三维点云数据生成体素网格形式的三维数据；

将所述三维数据输入预设的三维目标检测网络，得到目标预测结果，所述目标预测结果包括目标预测框的中心点坐标、长度、宽度、高度和朝向角；

获取所述三维数据对应的标注结果，所述标注结果包括目标标注框的中心点坐标、长度、宽度、高度和朝向角；

根据所述标注结果和所述目标预测结果，确定所述目标标注框与所述目标预测框的三维旋转重叠率；

确定所述目标标注框的中心点坐标与所述目标预测框的中心点坐标之间的偏移量；

确定所述目标标注框和所述目标预测框的外接框的对角线距离；

基于所述目标预测结果、所述标注结果、所述三维旋转重叠率、所述偏移量和所述对角线距离生成损失函数；

使用所述损失函数对所述三维目标检测网络进行训练，得到最终的目标检测网络，所述目标检测网络用于检测三维目标。

可选地，所述基于所述目标预测结果、所述标注结果、所述三维旋转重叠率、所述偏移量和所述对角线距离生成损失函数，包括：

使用所述目标预测框的宽度和高度、所述目标标注框的宽度和高度，确定所述目标预测框与所述目标标注框之间的宽高比的一致性结果；

使用所述宽高比的一致性结果和所述三维旋转重叠率，确定所述损失函数的权衡参数；

使用所述三维旋转重叠率、所述偏移量、所述对角线距离、所述宽高比的一致性结果和所述权衡参数，生成所述损失函数。

可选地，所述损失函数通过下式表示：