【技术实现步骤摘要】
三维目标检测方法、装置、计算机设备及存储介质
本申请涉及目标检测
，特别是涉及一种三维目标检测方法、装置、计算机设备和存储介质。
技术介绍
三维目标检测是无人驾驶、家用机器人等领域的基础，它可以利用激光点云数据检测车辆、障碍物等目标在三维空间的位置信息。目前，深度学习技术在三维目标检测中得到广泛应用，例如，Voxel-Net(基于点云的三维物体检测的端到端学习网络)、SECOND(SparselyEmbeddedConvolutionalDetection，一种one-stage三维目标检测算法)、PointPillars(一种三维目标物体检测网络)等都是基于深度学习技术发展的。这些训练好的模型将从激光雷达接收的激光点云通过计算得出检测框，基于该检测框得到目标物体的位置信息。而相关技术中，根据现有的三维目标检测模型输出的检测框得到的目标物体的检测结果，都存在不够精确的问题。
技术实现思路
基于此，有必要针对上述技术问题，提供一种能够提高三维目标物体检测结果准确率的三维目标检测方法、装置、计算...
【技术保护点】
1.一种三维目标检测方法，其特征在于，所述方法包括：/n采用三维目标检测模型检测待检测点云，得到多个检测框；/n扩张所述多个检测框，将扩张后的各检测框中激光点的坐标转换至以所述激光点所在的检测框中心点为原点的局部坐标系下，得到局部坐标系下的待检测点云；/n将所述局部坐标系下的待检测点云映射至体素空间，根据所述局部坐标系下的待检测点云的坐标以及所述待检测点云的体素空间位置坐标，生成体素特征；/n采用稀疏卷积网络对所述体素特征进行特征提取，得到目标特征；/n采用区域候选网络检测所述目标特征，得到目标物体的检测结果。/n
【技术特征摘要】
1.一种三维目标检测方法，其特征在于，所述方法包括：
采用三维目标检测模型检测待检测点云，得到多个检测框；
扩张所述多个检测框，将扩张后的各检测框中激光点的坐标转换至以所述激光点所在的检测框中心点为原点的局部坐标系下，得到局部坐标系下的待检测点云；
将所述局部坐标系下的待检测点云映射至体素空间，根据所述局部坐标系下的待检测点云的坐标以及所述待检测点云的体素空间位置坐标，生成体素特征；
采用稀疏卷积网络对所述体素特征进行特征提取，得到目标特征；
采用区域候选网络检测所述目标特征，得到目标物体的检测结果。
2.根据权利要求1所述的方法，其特征在于，所述稀疏卷积网络包括依次连接的多个稀疏卷积特征提取网络；所述采用稀疏卷积网络对所述体素特征进行特征提取，得到目标特征，包括：
采用第一个稀疏卷积特征提取网络对所述体素特征进行特征提取，得到中间特征，将所述中间特征依次输入至下一个稀疏卷积特征提取网络，直至得到所述目标特征。
3.根据权利要求2所述的方法，其特征在于，每个所述稀疏卷积特征提取网络包括稀疏卷积层和多个子流形稀疏卷积层；所述采用第一个稀疏卷积特征提取网络对所述体素特征进行特征提取，得到中间特征，将所述中间特征输入至下一个稀疏卷积特征提取网络，直至得到所述目标特征，包括：
采用所述第一个稀疏卷积特征提取网络中的所述多个子流形稀疏卷积层，确定活动点位置；
通过所述稀疏卷积层，根据所述活动点位置对所述体素特征进行特征提取，得到所述中间特征；
将所述中间特征依次输入至所述下一个稀疏卷积特征提取网络进行处理，直至得到所述目标特征。
4.根据权利要求1所述的方法，其特征在于，所述根据所述局部坐标系下的待检测点云的坐标以及所述待检测点的体素空间位置坐标，生成体素特征，包括：
将所述体素空间划分成多个体素网格；
根据各体素网格中包含的激光点的局部坐标系下的坐标平均值，以及所述激光点所在的体素网格在所述体素空间中的位置坐标，生成所述体素特征。
5.根据权利要求1所述的方法，其特征在于，所述采用区域候选网络检测所述目标特征，得到目标物体的检测结果，包括：
通过所述区域候选网络中的多个卷积层对所述目标特征进行下采样处理；
将下采样后的所述目标特征调整至一维向量；
将所述一维向量输入至全连接层中，输出预设长度的一维向量，根据所述预设长度的一维向量得到所述目标物体的位置信息和类别。
6.根据权利要求1～5任一项所述的方法，其特征在于，所述稀疏卷积网络的生成方式，包括：
获取点云样本对应的多个原始检测框，从所述多个原始检测框中确定多个正样本框和多个负样本框；
扩张所述多个正样本框和所述多个...
【专利技术属性】
技术研发人员：周康明，郭义波，
申请(专利权)人：上海眼控科技股份有限公司，
类型：发明
国别省市：上海;31
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。