【技术实现步骤摘要】
一种物体检测方法、装置、电子设备和存储介质
本专利技术涉及图像
,具体涉及一种物体检测方法、装置、电子设备和存储介质。
技术介绍
物体检测是指的确定某个场景中物体的位置、类别等。目前物体检测技术已经广泛应用到各种场景中,比如,自动驾驶、无人机等场景。目前的物体检测方案均是采集场景图像,从场景图像中提取特征,然后,基于提取的特征确定出场景中的位置和类别。然而,目前经过实践目标物体检测方案存在物体检测的精确性较低等问题,尤其在3D物体检测场景。
技术实现思路
本专利技术实施例提供一种物体检测方法、装置、电子设备和存储介质,可以提升物体检测的精确性。本专利技术实施例提供一种物体检测方法,包括:获取场景的点云,所述点云包括点的位置信息;将所述点云映射到三维体素表示,得到三维体素的特征信息;对所述三维体素的特征信息进行卷积操作,得到卷积特征集;基于所述卷积特征集获取候选物体区域、以及候选物体区域的初始定位信息;从所述点云中选择位于候选物体区域内的目标点;基于所述目标点的位置信息和目标卷积特征信息,对所述候选物体区域的初始定位信息进行调整,得到调整后物体区域的定位信息,其中,所述目标卷积特征信息为所述卷积特征集中与目标点位置对应的卷积特征信息。相应的,本专利技术实施例还提供一种物体检测装置,包括:点云获取单元,用于获取场景的点云,所述点云包括点的位置信息;体素映射单元,用于将所述点云映射到三维体素表示,得到三维体素的特征信息;卷积单元,用于对所述三维体素的特征信息进行卷积操作,得到卷积特征集;候选区域获取单元,用于基于所述卷积特征集获取候选物体区域、以及候选物体区域 ...
【技术保护点】
1.一种物体检测方法,其特征在于,包括:获取场景的点云,所述点云包括点的位置信息;将所述点云映射到三维体素表示,得到三维体素的特征信息;对所述三维体素的特征信息进行卷积操作,得到卷积特征集;基于所述卷积特征集获取候选物体区域、以及候选物体区域的初始定位信息;从所述点云中选择位于候选物体区域内的目标点;基于所述目标点的位置信息和目标卷积特征信息,对所述候选物体区域的初始定位信息进行调整,得到调整后物体区域的定位信息,其中,所述目标卷积特征信息为所述卷积特征集中与目标点位置对应的卷积特征信息。
【技术特征摘要】
1.一种物体检测方法,其特征在于,包括:获取场景的点云,所述点云包括点的位置信息;将所述点云映射到三维体素表示,得到三维体素的特征信息;对所述三维体素的特征信息进行卷积操作,得到卷积特征集;基于所述卷积特征集获取候选物体区域、以及候选物体区域的初始定位信息;从所述点云中选择位于候选物体区域内的目标点;基于所述目标点的位置信息和目标卷积特征信息,对所述候选物体区域的初始定位信息进行调整,得到调整后物体区域的定位信息,其中,所述目标卷积特征信息为所述卷积特征集中与目标点位置对应的卷积特征信息。2.如权利要求1所述的物体检测方法,其特征在于,基于所述目标点的位置信息和目标卷积特征信息,对所述候选物体区域的初始定位信息进行调整,得到调整后物体区域的定位信息,包括:对所述目标点的位置信息、以及目标卷积特征信息进行融合,得到候选物体区域的区域特征信息;基于所述区域特征信息预测所述候选物体区域相对于真实物体区域的定位偏移信息,得到预测定位偏移信息;基于所述预测定位偏移信息对所述候选物体区域的初始定位信息进行修正,得到调整后物体区域的定位信息。3.如权利要求2所述的物体检测方法,其特征在于,对所述目标点的位置信息、以及目标卷积特征进行融合,得到候选物体区域的区域特征信息,包括:对所述目标点的位置信息、以及目标卷积特征信息进行融合,得到融合特征信息;对所述目标点的目标卷积特征信息进行降维处理,得到目标点的特征权重;基于所述特征权重对所述融合特征信息进行特征运算,得到运算后特征信息;对所述运算后特征信息进行下采样操作,得到候选物体区域的区域特征信息。4.如权利要求3所述的物体检测方法,其特征在于,基于所述特征权重对所述融合特征信息进行特征运算,得到运算后特征信息,包括:对所述融合特征信息的特征维度进行升维处理,得到处理后特征信息;基于所述特征权重对所述处理后特征信息进行特征运算,得到运算后特征信息。5.如权利要求3所述的物体检测方法,其特征在于,对所述目标点的目标卷积特征信息进行降维处理,得到目标点的特征权重,包括:对所述目标点的目标卷积特征信息进行降维处理,得到目标点的初始特征权重;基于激活函数对所述初始特征权重进行处理,得到目标点的特征权重。6.如权利要求1所述的物体检测方法,其特征在于,对所述三维体素的特征信息进行卷积操作,得到卷积特征集,包括:对所述三维体素的特征信息进行三维卷积运算,得到三维体素的三维卷积特征信息;对所述三维体素的三维卷积特征进行二维卷积运算,得到卷积特征集。7.如权利要求6所述的物体检测方法,其特征在于,对所述三维体素的特征信息进行三维卷积运算,包括:采用候选区域网络中的三维卷积网络对所述三维体素的特征信息进行三维卷积运算;其中,所述候选区域网络还包括与所述三维卷积网络连接的二维卷积网络,所述二维卷积网络包括多个依次连接的卷积块;对所述三维体素的三维卷积特征进行二维卷积运算,得到卷积特征集,包括:采用所述卷积块依次对所述三维卷积特征进行二维卷积运算;将每个卷积块输出的卷积特征进行融合,得到卷积特征集。8.如权利要求7所述的物体检测方法,其特征在于,将每个卷积块输出的卷积特征进行融合,得到卷积特征集,包括:对所述二维卷积网络中其他卷积块输出的卷积特征进行反卷积处理,得到反卷积特征,所述反卷积特征与第一个卷积块输出的卷积特征的尺寸相同,其中,卷积块为所述二维卷积网络中除第一个卷积块之外的其他卷积块;将第一个卷积块输...
【专利技术属性】
技术研发人员:陈逸伦,刘枢,沈小勇,戴宇榮,賈佳亞,
申请(专利权)人:腾讯科技深圳有限公司,
类型:发明
国别省市:广东,44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。