一种基于点云数据的目标检测方法及装置制造方法及图纸

本申请提供了一种基于点云数据的目标检测方法及装置，涉及目标检测技术领域。方法包括：获得原始点云数据和初始目标检测网络输出的各初始目标检测框，并获得各初始目标检测框信息。从原始点云数据中提取各初始目标检测框周围预设框范围内的点云；根据各初始目标检测框内原始点云数据中的点、初始目标检测框外预设框范围内的点云中的点以及各初始目标检测框信息，生成神经网络的输入数据；将输入数据输入到预先训练的神经网络中进行处理，根据预先训练的神经网络的输出得到各初始目标检测框对应的检测框结果和目标类别结果。本申请实施例可以提高目标检测的性能。

A target detection method and device based on point cloud data

【技术实现步骤摘要】
一种基于点云数据的目标检测方法及装置
本申请涉及目标检测
，尤其涉及一种基于点云数据的目标检测方法及装置。
技术介绍
目前，随着自动驾驶技术和移动机器人技术的发展，激光雷达设备在自动驾驶车辆和移动机器人上已经得到了广泛的应用。为了保证自动驾驶车辆和移动机器人的正常运行，一般需要通过激光雷达采集周围环境的点云数据，以帮助自动驾驶车辆和移动机器人感知自身周围环境。目前的自动驾驶车辆和移动机器人为了更好的感知自身周围环境，一般需要对自身周围环境的各种物体进行目标检测。其中一种方式是通过激光雷达采集的点云数据来实现。当前，现有技术中有通过将点云数据输入到目标检测网络中来进行目标检测的，例如采用稀疏嵌入卷积目标检测网络(SparselyEmbeddedConvolutionalDetection，简称SECOND)、新型点云编码器和网络(PointPillars)、多视图三维网络(Multi-View3D，简称MV3D)、点体素集成网络(PointVoxel-RCNN，简称PV-RCNN)或者一种新型的三维物体检测网络(PointRCNN)本文档来自技高网...

【技术保护点】
1.一种基于点云数据的目标检测方法，其特征在于，包括：/n获得原始点云数据和初始目标检测网络输出的各初始目标检测框，并获得各初始目标检测框信息；/n从所述原始点云数据中提取各初始目标检测框周围预设框范围内的点云；/n根据各初始目标检测框内原始点云数据中的点、初始目标检测框外预设框范围内的点云中的点以及各初始目标检测框信息，生成神经网络的输入数据；/n将所述输入数据输入到预先训练的神经网络中进行处理，根据预先训练的神经网络的输出得到各初始目标检测框对应的检测框结果和目标类别结果。/n

【技术特征摘要】
1.一种基于点云数据的目标检测方法，其特征在于，包括：
获得原始点云数据和初始目标检测网络输出的各初始目标检测框，并获得各初始目标检测框信息；
从所述原始点云数据中提取各初始目标检测框周围预设框范围内的点云；
根据各初始目标检测框内原始点云数据中的点、初始目标检测框外预设框范围内的点云中的点以及各初始目标检测框信息，生成神经网络的输入数据；
将所述输入数据输入到预先训练的神经网络中进行处理，根据预先训练的神经网络的输出得到各初始目标检测框对应的检测框结果和目标类别结果。


2.根据权利要求1所述的方法，其特征在于，从所述原始点云数据中提取各初始目标检测框周围预设框范围内的点云，包括：
获得预先设置的框倍率，所述框倍率大于1；
根据各初始目标检测框和所述框倍率，确定各预设框范围，并从所述原始点云数据中提取各预设框范围内的点云。


3.根据权利要求1所述的方法，其特征在于，从所述原始点云数据中提取各初始目标检测框周围预设框范围内的点云，包括：
获得预先设置的框扩大量；所述框扩大量为预先设置的扩大长度、扩大面积或扩大体积；
根据各初始目标检测框和所述框扩大量，确定各预设框范围，并从所述原始点云数据中提取各预设框范围内的点云。


4.根据权利要求1所述的方法，其特征在于，所述神经网络的输入数据包括待处理的点数据和各初始目标检测框的表达信息；所述初始目标检测框信息和所述表达信息至少包括初始目标检测框的尺寸范围信息；所述待处理的点数据包括待处理的点位置；
所述根据各初始目标检测框内原始点云数据中的点、初始目标检测框外预设框范围内的点云中的点以及各初始目标检测框信息，生成神经网络的输入数据，包括：
根据各初始目标检测框内原始点云数据中的点、初始目标检测框外预设框范围内的点云中的点以及各初始目标检测框的尺寸范围信息，确定各初始目标检测框的表达信息；
生成至少包含各待处理的点位置以及各初始目标检测框的表达信息的神经网络的输入数据。


5.根据权利要求4所述的方法，其特征在于，所述初始目标检测框信息和所述表达信息还包括初始目标检测框中心点信息和朝向信息。


6.根据权利要求4所述的方法，其特征在于，所述根据各初始目标检测框内原始点云数据中的点、初始目标检测框外预设框范围内的点云中的点以及各初始目标检测框的尺寸范围信息，确定各初始目标检测框的表达信息，包括：
根据各初始目标检测框的尺寸范围信息，在各初始目标检测框中生成均匀填充于各初始目标检测框的虚拟点作为各初始目标检测框的表达信息；
所述方法还包括：
分别为各初始目标检测框内原始点云数据中的点、所述虚拟点以及初始目标检测框外预设框范围内的点云中的点分配预设的点类型值。


7.根据权利要求6所述的方法，其特征在于，所述根据各初始目标检测框的尺寸范围信息，在各初始目标检测框中生成均匀填充于各初始目标检测框的虚拟点作为各初始目标检测框的表达信息，包括：
根据各初始目标检测框的尺寸范围信息，获得各初始目标检测框对应的虚拟点的间隔；
根据各初始目标检测框对应的虚拟点的间隔，在各初始目标检测框中生成均匀填充于初始目标检测框的虚拟点作为各目标检测框的表达信息。


8.根据权利要求7所述的方法，其特征在于，将所述输入数据输入到预先训练的神经网络中进行处理，根据预先训练的神经网络的输出得到各初始目标检测框对应的检测框结果和目标类别结果，包括：
将各初始目标检测框内原始点云数据中的点、虚拟点以及初始目标检测框外预设框范围内的点云中的点和各自对应的点类型值输入到预先训练的神经网络中进行处理，根据预先训练的神经网络的输出得到各初始目标检测框对应的检测框结果和目标类别结果。


9.根据权利要求8所述的方法，其特征在于，所述方法还包括所述神经网络的预先训练过程：
获得训练样本数据集；所述训练样本数据集包括若干组训练样本数据；其中，每组训练样本数据包括初始目标检测框内原始点云数据中的点、初始目标检测框内虚拟点、初始目标检测框外预设框范围内的点云中的点、上述各点对应的点类型值、预先标注的初始目标检测框对应的检测框结果和目标类别结果；
将所述初始目标检测框内原始点云数据中的点、初始目标检测框内虚拟点、初始目标检测框外预设框范围内的点云中的点，以及上述各点对应的点类型值作为输入，将预先标注的初始目标检测框对应的检测框结果和目标类别结果作为输出，对所述神经网络进行训练。


10.根据权利要求4所述的方法，其特征在于，所述根据各初始目标检测框内原始点云数据中的点、初始目标检测框外预设框范围内的点云中的点以及各初始目标检测框的尺寸范围信息，确定各初始目标检测框的表达信...

【专利技术属性】
技术研发人员：李智超，王乃岩，
申请(专利权)人：北京图森智途科技有限公司，
类型：发明
国别省市：北京;11