[发明专利]目标检测与速度预测方法、装置、车辆及存储介质

说明书

本申请涉及自动驾驶技术领域，特别涉及一种目标检测与速度预测方法、装置、车辆及存储介质，其中，方法包括：获取三维点云数据；对三维点云数据中三维点云进行局部特征与全局特征的编码得到编码特征，基于编码特征生成三维点云的三维点云特征；根据目标三维框中心点在热力图上的投影点确定同一目标的三维点云特征，对同一目标的三维点云特征进行检测框回归得到三维检测框，利用三维检测框检测目标的实际类别，并基于相邻探测时刻的三维检测框的中心点位置预测目标的速度。由此，解决了相关技术中手工提取特征效率低，误差大，无法预测目标速度等问题。

技术领域

本申请涉及自动驾驶技术领域，特别涉及一种目标检测与速度预测方法、装置、车辆及存储介质。

背景技术

随着自动驾驶或辅助驾驶在学术界和工业界被广泛普及，各种模态的车载摄像头也随之出现在人们的视野。通过各种手段对摄像头传来的数据进行处理，识别以及预测，已经成为自动驾驶技术不可或缺的一部分。目前，普通视觉摄像头、激光雷达和毫米波雷达已经得到广泛应用。但是视觉摄像头数据高度依赖样本库或模型，必须对所有类别进行训练才能够识别探测，但是对于自然场景的复杂性我们无法穷举，且在一些极端环境和光照下摄像头极容易受到干扰，为自动驾驶安全带来了隐患；3D毫米波雷达主要用于确定目标和发射点的距离、相对速度、方位等信息。

市面上量产的77GHz雷达不能用于分类，无法把环境周边静态目标，如树、围栏、停放的车辆和人等区分开来，因此在高速公路上，算法对静态物体进行忽略，以防止车辆误刹车。激光雷达可以产生稀疏的点云，需要和视觉摄像头配合使用，且价格十分昂贵。

发明内容

本申请提供一种目标检测与速度预测方法、装置、车辆及存储介质，以解决相关技术中手工提取特征效率低，误差大，无法预测目标速度等问题。

本申请第一方面实施例提供一种目标检测与速度预测方法，包括以下步骤：获取三维点云数据；对所述三维点云数据中三维点云进行局部特征与全局特征的编码得到编码特征，基于所述编码特征生成所述三维点云的三维点云特征；根据目标三维框中心点在热力图上的投影点确定同一目标的所述三维点云特征，对所述同一目标的所述三维点云特征进行检测框回归得到三维检测框，利用所述三维检测框检测所述目标的实际类别，并基于相邻探测时刻的三维检测框的中心点位置预测所述目标的速度。

根据上述技术手段，本申请实施例可以对三维点云进行编码得到编码特征，基于编码特征生成三维点云特征，无需手工对点云特征进行处理，避免了手工设计的繁琐且提高了泛化性，利用目标中心检测方法检测目标的实际类别，减少误差，并且可以通过时序之间的关联，高效预测目标的速度，计算量小。

可选地，在利用所述三维检测框检测所述目标的实际类别之前，还包括：获取所述热力图上三维检测框的顶点与中心点投影；对所述顶点与中心点投影对应的三维点云特征进行多层感知融合，输出修正后的三维检测框。

根据上述技术手段，本申请实施例可以修正雷达扫描过程中未能扫描到目标中心点的遗留问题，通过目标每个面的中心点去修正目标框的预测，同时输出目标框的置信度。

可选地，所述根据目标三维框中心点在热力图上的投影点确定同一目标的所述三维点云特征，包括：获取三维点云在所述热力图上的投影坐标；根据所述三维点云的投影坐标计算高斯核半径；根据所述三维点云的投影坐标、所述中心点的投影坐标和所述高斯核半径计算所述三维点云投影点的真值，将所述真值大于预设值对应高斯核半径范围内的三维点云特征划分为同一目标。

根据上述技术手段，本申请实施例可以将三维目标检测转换为目标中心点检测的问题，避免不同类型的目标需要设计anchor(锚框)的问题。

可选地，所述基于相邻探测时刻的三维检测框的中心点位置预测所述目标的速度，包括：获取相邻探测时刻的三维检测框的中心点坐标；根据相邻中心点坐标计算所述目标的运动距离，根据所述运动距离和相邻探测时刻之间的时长计算所述目标的速度。