[发明专利]目标检测方法、装置及电子设备

说明书

本申请实施例中提供了一种目标检测方法、装置及电子设备，通过本申请实施例提供的技术方案，基于哈希图与链表实现了稀疏卷积中映射矩阵的计算与生成，对于目标点云数据这种稀疏数据的处理效果较好，通过这种处理方式，提高目标检测的准确性。

技术领域

本申请涉及网络技术领域，尤其涉及一种目标检测方法、装置及电子设备。

背景技术

随着计算技术的发展，智能驾驶的研究越来越广泛。在智能驾驶过程中，目标检测是十分重要的环节，目标检测的准确性会影响自动驾驶的安全性。相关技术中，往往采用激光雷达来获取车辆前方的点云数据，并基于点云数据来进行目标检测。但是，由于点云数据为稀疏数据，采用传统的处理方式对点云数据进行处理的效果不佳，从而导致目标识别的准确性较低。

发明内容

有鉴于此，本申请实施例提供一种目标检测方法、装置及电子设备，能够提高目标识别的准确性，技术方案如下。

一方面，本申请实施例提供了一种目标检测方法，所述方法包括：

获取目标点云数据的第一特征矩阵、第一空间矩阵以及初始有效点数，所述第一特征矩阵用于记载所述目标点云数据中每个点对应的初始特征、所述第一空间矩阵用于记载所述目标点云数据中每个点的空间位置；

基于所述第一空间矩阵以及所述初始有效点数，生成所述目标点云数据对应的点数矩阵，所述点数矩阵用于记载所述目标点云数据中可能输出的点的坐标；

基于所述点数矩阵，生成所述目标点云数据对应的哈希图，所述哈希图包括多个非空局部链表，所述非空局部链表的数量与最终有效点数的数量相同；

基于所述哈希图，生成所述目标点云数据对应的第二空间矩阵，所述第二空间矩阵用于记载每个输出点的空间位置；

基于所述第一特征矩阵、所述最终有效点数的数量以及所述第二空间矩阵，确定所述目标点云数据中是否包括目标对象。

在一种可能的实施方式中，所述基于所述第一空间矩阵以及所述初始有效点数，生成所述目标点云数据对应的点数矩阵包括：

基于所述第一空间矩阵以及所述初始有效点数，确定所述目标点云数据中每个点分别对应的多组卷积核的中心位置；

基于所述目标点云数据中每个点分别对应的多组卷积核的中心位置，确定所述目标点云数据对应的点数矩阵。

在一种可能的实施方式中，所述基于所述第一空间矩阵以及所述初始有效点数，确定所述目标点云数据中每个点分别对应的多组卷积核的中心位置包括：

在处理点数不超过所述初始有效点数的情况下，基于所述第一空间矩阵、稀疏卷积核的尺寸以及所述稀疏卷积核的内部偏移量，确定所述目标点云数据中每个点分别对应的多组卷积核的中心位置。

在一种可能的实施方式中，所述基于所述点数矩阵，生成所述目标点云数据对应的哈希图包括：

对所述点数矩阵中各个点的坐标执行哈希映射，得到所述点数矩阵中各个点对应的哈希值，所述哈希值为对应哈希矩阵的索引，所述哈希矩阵的长度大于所述点数矩阵中点的数量，且所述哈希矩阵的长度与所述点数矩阵中点的数量正相关；

将所述点数矩阵中各个点对应的哈希值进行组合，得到所述目标点云数据对应的哈希图。

在一种可能的实施方式中，所述将所述点数矩阵中各个点对应的哈希值进行组合，得到所述目标点云数据对应的哈希图包括：

对于所述点数矩阵中的第i个点对应的哈希值，在所述哈希图中不存在所述第i个点对应的哈希值的情况下，将所述第i个点对应的哈希值放入所述哈希图，作为所述哈希图中当前非空局部链表的起点，i为正整数。

在一种可能的实施方式中，所述方法还包括：