[发明专利]一种点云目标检测方法、装置和域控制器

权利要求书

1.一种点云目标检测方法，其特征在于，所述方法包括：

将待检测点云数据转化为原始特征向量；

将所述原始特征向量的最大池化特征与所述原始特征向量的平均池化特征进行自适应融合，生成通道维度的注意力权重值；

通过预训练的卷积层从所述原始特征向量中提取空间维度的注意力权重值，所述预训练的卷积层基于所述原始特征向量和对应的向量标签训练得到；

基于所述通道维度的注意力权重值和所述空间维度的注意力权重值对所述原始特征向量进行调整，以通过调整后的原始特征向量进行点云目标检测。

2.根据权利要求1所述的方法，其特征在于，在所述将待检测点云数据转化为原始特征向量之前，所述方法还包括针对所述待检测点云数据进行预处理，其中对所述待检测点云数据进行预处理的步骤包括：

在预设平面上将所述待检测点云数据划分为多个网格，得到多个点云数据的柱形子数据；

遍历判断各个柱形子数据中的数据点个数与预设个数的大小关系；

若当前柱形子数据中的数据点个数大于预设个数，则随机保留当前柱形子数据中预设个数的数据点；

若当前柱形子数据中的数据点个数小于预设个数，则随机在空白坐标处填充预设数值，直至当前柱形子数据中的数据点个数等于所述预设个数为止；

其中，数据点的数据信息包括该数据点的空间坐标信息、该数据点所在柱形子数据的几何中心信息以及该数据点相对几何中心的偏移信息。

3.根据权利要求1所述的方法，其特征在于，所述将所述原始特征向量的最大池化特征与所述原始特征向量的平均池化特征进行自适应融合，生成通道维度的注意力权重值，包括：

将所述原始特征向量分别进行全局最大池化和全局平均池化，得到所述最大池化特征和平均池化特征；

利用预设的基础注意力单元分别将所述最大池化特征和平均池化特征转换为概率形式；

将转换后的最大池化特征和平均池化特征进行两次拼接，得到系数向量和权重向量，其中所述系数向量和权重向量满足向量计算的尺寸匹配条件；

利用预设的第二注意力单元对所述系数向量进行处理，将所述系数向量转换为概率形式的权重系数矩阵；

将所述权重系数矩阵和所述权重向量进行加权计算，得到所述通道维度的注意力权重值。

4.根据权利要求3所述的方法，其特征在于，所述预设的基础注意力单元按照第一全连接层、ReLU激活层、第二全连接层、sigmoid激活层的顺序连接，所述第一全连接层用于将最大池化特征和平均池化特征的通道数降低预设倍数，所述第二全连接层用于将最大池化特征和平均池化特征的通道数增加预设倍数。

5.根据权利要求3所述的方法，其特征在于，所述预设的第二注意力单元按照第三全连接层、ReLU激活层、第四全连接层、softmax激活层的顺序连接，所述第三全连接层用于将所述系数向量的通道数降低第二预设倍数，所述第四全连接层用于将所述系数向量的通道数增加第二预设倍数。

6.根据权利要求1所述的方法，其特征在于，所述通过预训练的卷积层从所述原始特征向量中提取空间维度的注意力权重值，包括：

创建串联的第一卷积层和第二卷积层，所述第一卷积层用于降低所述原始特征向量的通道数，所述第二卷积层用于提取原始特征向量在空间维度的特征；

基于所述原始特征向量和所述原始特征向量对应的标签对所述串联的第一卷积层和第二卷积层进行预训练，以生成所述预训练的卷积层；

将所述原始特征向量输入所述预训练的卷积层，以输出所述空间维度的注意力权重值。

7.根据权利要求1所述的方法，其特征在于，所述通过调整后的原始特征向量进行点云目标检测，包括：

将调整后的原始特征向量输入预设的目标检测网络模型，以输出针对所述点云数据的目标检测信息；

其中所述预设的目标检测网络模型包括用于增强特征信息的骨干网络和多个用于输出所述目标检测信息的目标检测层，其中各个目标检测层通过对单一类型的目标进行二分类训练生成。