[发明专利]基于隐式上下文学习的道路三维目标检测方法

说明书

本发明公开了一种基于隐式上下文学习的道路三维目标检测方法，主要解决现有方法对距离雷达较远的稀疏点云目标和小目标检测精度低，且容易受背景噪声干扰的问题。其实现方案为：对点云数据体素化；搭建稀疏卷积网络；搭建由现有卷积神经网络和检测网络级联组成的区域建议网络RPN；构建隐式上下文学习模块和注意力融合模块，并与现有的检测网络级联组成RCNN网络；构建由稀疏卷积网络、区域建议网络RPN和RCNN网络组成三维目标检测网络；训练三维目标检测网络；将体素化的点云数据输入训练好的三维目标检测网络中，输出目标检测框，得到目标的具体位置和类别。本发明提高了稀疏点云目标和小目标的检测精度，降低了目标的误检率。

技术领域

本发明属于计算机视觉技术领域，特别涉及一种三维目标检测方法，可用于稀疏点云目标的检测。

背景技术

自动驾驶技术可以实现车辆的自动行驶，将人们的双手从无意义的通勤驾驶中解放出来，能够降低交通事故的发生率，保障国民的生命财产安全。三维目标检测是自动驾驶的核心技术之一，能够实时对周围环境中的汽车和行人进行检测，实现自动驾驶系统的感知部分，使得自动驾驶系统做出安全合理的操作，减少安全事故的发生。现阶段，深度学习由于其强大的非线性和特征学习能力，成为了三维目标检测中的主流方法。

Shi等人在“IEEE Conference on Computer Vision and Pattern Recognition”会议发表的文章《PV-RCNN:Point-Voxel Feature Set Abstraction for 3D ObjectDetection》提出了一种基于原始点云和体素共同检测的三维目标检测方法。其首先对点云数据体素化，通过稀疏卷积网络提取非空体素特征，得到体素特征图，再将该体素特征图转换为体素鸟瞰特征图并输入到区域建议网络RPN中预测得到建议框；然后将原始点云下采样为固定数量的关键点，通过关键点融合多尺度的体素特征及鸟瞰图特征，将关键点特征输入到检测网络中，实现对建议框的微调，得到最终的检测框。该方法虽说可通过关键点融合不同尺度的体素特征，提升对多尺度目标的检测效果，但由于在RCNN阶段的网格点池化机制中仅考虑建议框的内部体素特征，导致对稀疏点云目标的检测效果较差。

Deng等人在“The Association for the Advance of ArtificialIntelligence”会议发表的文章《Voxel R-CNN:Towards High Performance Voxel-based3D Object Detection》提出了一种基于体素的三维目标检测方法。该方法的网络结构分为三部分：稀疏卷积网络、区域建议网络RPN和基于区域的卷积神经网络RCNN。该方法首先对点云数据体素化，其次采用稀疏卷积网络学习体素化点云的特征表示，对其中的非空体素提取特征，得到体素特征图，并将体素特征图映射为鸟瞰图，通过区域建议网络RPN提取特征，预测得到初始的建议框；最后通过RCNN网络对建议框内体素特征进行网格点池化，进一步优化初始的建议框，得到更精准的检测框。该方法对RCNN阶段中的网格点池化机制进行改进，将体素的相对坐标和特征拆分处理，避免了重复的计算量，提高了池化的效率。但其不足之处是，由于在网格点池化时仅考虑建议框内的体素特征，影响对稀疏点云目标的检测效果，特别是对距离点云采集设备较远的稀疏点云目标的检测精度低。

发明内容

本发明的目的在于针对上述现有技术存在的不足，提出一种基于隐式上下文学习的道路三维目标检测算法，以解决现有方法仅对建议框内的非空体素提取特征，导致距离激光雷达较远的目标获得的特征不足，网络模型对该类目标检测精度低的问题、在引入目标周围的隐式上下文信息时，未对其中的背景噪声进行抑制，导致网络模型对目标误检率较高的问题和网络模型对不同尺度的目标特征融合效果较差，导致对小目标的检测性能较差的问题。

为实现上述目的，本发明的技术方案包括如下：

(1)从KITTI数据集中选取3712个点云数据场景作为训练集，剩余3769个点云场景作为测试集；

(2)对点云数据体素化：