一种基于GIoU的3D目标边界框的估计系统技术方案

本发明专利技术属于计算机视觉及模式识别技术领域，具体涉及一种基于GIoU的3D目标边界框的估计系统，由雷达点云预处理模块、2D图像预处理模块以及基于GIoU的多源融合模块组成。本发明专利技术通过雷达点云预处理模块获取点云特征，同时通过2D图像预处理模块获取图像特征，进而通过基于GIoU的多源融合模块对点云特征和图像特征进行融合处理，最终输出3D目标边界框的估计结果。本发明专利技术解决了现有的3D目标边界框估计准确度低的问题。本发明专利技术可明显提高3D目标的标定准确度，实现了高准确度的3D目标边界框估计效果。

【技术实现步骤摘要】
一种基于GIoU的3D目标边界框的估计系统
本专利技术属于计算机视觉及模式识别
，具体涉及一种基于GIoU的3D目标边界框的估计系统。
技术介绍
近年来，无人驾驶逐渐受到各大企业、学者乃至普通大众的关注。目前，实现无人驾驶有两种截然不同的方式：一种是传统企业采用的渐进式方法，即从现有的辅助驾驶系统出发，逐步增加自动转向、主动避碰等功能，实现有条件的无人驾驶，最终在成本和相关技术达到一定要求时实现无人驾驶；另一种是以高科技IT企业为代表选择的“一步到位”方式直接达到无人驾驶的最终目标，即没有所谓的人机协同驾驶，因为要保证自动驾驶的绝对安全，就一定不能依赖于人的参与。相对而言，后者选择的技术路线更具挑战性和风险性，因此需要创新的算法和高效、健壮的系统来支持。在这种需求下，目标检测与定位就显得尤为重要，因为它相当于赋予了智能无人系统更精确地“看清”眼前景象的能力，并为无人系统的决策或规划提供了大量有用的信息。3D目标检测是自动驾驶和机器人技术中的一个重要话题，其中检测的准确度是目前3D目标检测技术难点所在。边界框回归是许多2D/3D计算本文档来自技高网...

【技术保护点】
1.一种基于GIoU的3D目标边界框的估计系统，其特征在于：包括雷达点云预处理模块、2D图像预处理模块以及基于GIoU的多源融合模块；所述的雷达点云预处理模块将输入的雷达点云数据转换为固定维度的数字特征表示形式，并将雷达点云数据的数字特征传递到基于GIoU的多源融合模块中；所述的2D图像预处理模块将输入的2D图像数据转换为固定维度的数字特征表示形式，并将2D图像数据的数字特征传递到基于GIoU的多源融合模块中；所述的基于GIoU的多源融合模块将雷达点云数据的数字特征和2D图像数据的数字特征融合成3D目标边界框估计结果，具体为预测的3D边界框的8个顶点的坐标B

【技术特征摘要】
1.一种基于GIoU的3D目标边界框的估计系统，其特征在于：包括雷达点云预处理模块、2D图像预处理模块以及基于GIoU的多源融合模块；所述的雷达点云预处理模块将输入的雷达点云数据转换为固定维度的数字特征表示形式，并将雷达点云数据的数字特征传递到基于GIoU的多源融合模块中；所述的2D图像预处理模块将输入的2D图像数据转换为固定维度的数字特征表示形式，并将2D图像数据的数字特征传递到基于GIoU的多源融合模块中；所述的基于GIoU的多源融合模块将雷达点云数据的数字特征和2D图像数据的数字特征融合成3D目标边界框估计结果，具体为预测的3D边界框的8个顶点的坐标BP＝(xP1，yP1，zP1，…，xP8，yP8，zP8)；
所述的基于GIoU的多源融合模块是Dense神经网络模型，以GIoULOSS作为损失函数；所述的GIoULOSS计算方法为：
步骤1：输入真实的3D边界框的8个顶点坐标BT＝(xT1，yT1，zT1，…，xT8，yT8，zT8)；
步骤2：计算真实的3D边界框的长度LT、宽度WT和高度HT；计算预测的3D边界框的长度LP、宽度WP和高度HP；
步骤3：选取真实的3D边界框和预测的3D边界框中，中心点距离原点较近的3D边界框，获取该3D边界框的右上角顶点坐标MAX＝(xMAX，yMAX，zMAX)，获取中心点距离原点较远的3D边界框的左下角顶点坐标MIN＝(xMIN，yMIN，zMIN)；
步骤4：选取真实的3D边界框和预测的3D边界框的所有顶点的坐标中，最小的x、y、z值xMIN、yMIN、zMIN以及最大的x、y、z值xMAX、yMAX、zMAX...

【专利技术属性】
技术研发人员：杨武，孟涟肖，唐盖盖，苘大鹏，吕继光，
申请(专利权)人：哈尔滨工程大学，
类型：发明
国别省市：黑龙江;23