【技术实现步骤摘要】
【国外来华专利技术】目标检测方法、设备及可移动平台
本申请实施例涉及检测技术,尤其涉及一种目标检测方法、设备及可移动平台。
技术介绍
随着经济技术的不断发展,飞机、汽车、机器人等应用到人们生活的很多方面,相应地,如何指导飞机、汽车、机器人等进行避障和路径规划成为人们关注焦点。在相关技术中,通常利用点云检测目标,从而指导飞机、汽车、机器人等进行避障和路径规划。尤其对于智能驾驶而言,通常都会配备激光雷达传感器,通过激光雷达传感器输出的激光点云进行目标检测。然而,上述利用点云进行目标检测时通常采用聚类算法。聚类就是将相似元素进行集合,这样,聚类结果往往准确率较低,导致上述目标检测结果出错率较高,后续无法指导飞机、汽车、机器人等进行避障和路径规划。
技术实现思路
本申请实施例提供一种目标检测方法及设备,以克服上述至少一个问题。第一方面,本申请实施例提供一种目标检测方法,包括:根据待处理点云中点的数目和每个点的属性,确定点云向量,所述点云向量包括点在三维坐标系中各维度的几何位置信息;利用三维卷积神经网络对所述点云向量处理,以提取所述点云向量的目标三维点云特征;根据所述目标三维点云特征确定所述待处理点云中的目标信息,所述目标信息包括目标在三维坐标系中各维度的几何位置信息。第二方面,本申请实施例提供一种目标检测设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机执行指令,所述处理器执行所述计算机执行指令时实现如下步骤:根据待处理点云中点的数目和每个点的 ...
【技术保护点】
1.一种目标检测方法,其特征在于,包括:/n根据待处理点云中点的数目和每个点的属性,确定点云向量,所述点云向量包括点在三维坐标系中各维度的几何位置信息;/n利用三维卷积神经网络对所述点云向量处理,以提取所述点云向量的目标三维点云特征;/n根据所述目标三维点云特征确定所述待处理点云中的目标信息,所述目标信息包括目标在三维坐标系中各维度的几何位置信息。/n
【技术特征摘要】
【国外来华专利技术】1.一种目标检测方法,其特征在于,包括:
根据待处理点云中点的数目和每个点的属性,确定点云向量,所述点云向量包括点在三维坐标系中各维度的几何位置信息;
利用三维卷积神经网络对所述点云向量处理,以提取所述点云向量的目标三维点云特征;
根据所述目标三维点云特征确定所述待处理点云中的目标信息,所述目标信息包括目标在三维坐标系中各维度的几何位置信息。
2.根据权利要求1所述的方法,其特征在于,所述根据所述目标三维点云特征确定所述待处理点云中的目标信息,包括:
利用第一卷积神经网络,基于所述目标三维点云特征确定所述待处理点云中的目标在三维坐标系中的中心点坐标、三维尺寸和航偏角。
3.根据权利要求2所述的方法,其特征在于,所述第一卷积神经网络通过点云特征以及目标在三维坐标系中的中心点坐标、三维尺寸和航偏角训练得到。
4.根据权利要求1至3中任一项所述的方法,其特征在于,在所述根据所述目标三维点云特征确定所述待处理点云中的目标信息之后,还包括:
利用第二卷积神经网络,基于所述目标三维点云特征确定所述目标的类别概率;
根据所述目标的类别概率对所述目标进行错误目标去除。
5.根据权利要求4所述的方法,其特征在于,所述第二卷积神经网络通过点云特征和目标类别概率训练得到。
6.根据权利要求1至5中任一项所述的方法,其特征在于,所述根据待处理点云中点的数目和每个点的属性,确定点云向量,包括:
对所述待处理点云进行网格划分;
根据划分后每个网格中点的数目和每个点的属性,确定划分后每个网格的向量,其中,每个点的属性包括点在三维坐标系中的三维坐标和反射率:
根据所述划分后每个网格的向量,确定所述点云向量。
7.根据权利要求6中所述的方法,其特征在于,所述根据划分后每个网格中点的数目和每个点的属性,确定划分后每个网格的向量,包括:
根据预设点数对划分后每个网格中点的数目进行调整;
根据调整后每个网格中点的数目和每个点的属性的乘积,确定划分后每个网格的向量。
8.根据权利要求6或7所述的方法,其特征在于,所述三维卷积神经网络包括第三卷积神经网络;
所述利用三维卷积神经网络对所述点云向量处理,以提取所述点云向量的目标三维点云特征,包括:
利用所述第三卷积神经网络对划分后每个网格的向量进行三维网格特征提取。
9.根据权利要求8所述的方法,其特征在于,所述第三卷积神经网络通过三维网格向量和三维网格特征训练得到。
10.根据权利要求8或9所述的方法,其特征在于,所述三维卷积神经网络还包括第四卷积神经网络;
在所述利用所述第三卷积神经网络对划分后每个网格的向量进行三维网格特征提取之后,还包括:
利用所述第四卷积神经网络对提取的三维网格特征进行目标三维点云特征提取。
11.根据权利要求10所述的方法,其特征在于,所述第四卷积神经网络通过三维网格特征和三维点云特征训练得到。
12.根据权利要求1至11中任一项所述的方法,其特征在于,所述根据所述目标三维点云特征确定所述待处理点云中的目标信息,包括:
根据所述目标三维点云特征中的有效点确定所述目标信息。
13.根据权利要求12所述的方法,其特征在于,在所述根据所述目标三维点云特征中的有效点确定所述目标信息之前,还包括:
获得所述目标三维点云特征中的每个点距离其所在网格的中心点的像素欧氏距离;
根据所述像素欧氏距离与预设距离阈值,确定所述目标三维点云特征中的有效点。
14.根据权利要求1至13中任一项所述的方法,其特征在于,所述三维卷积神经网络包括:
多个卷积层,用于对所述点云向量进行卷积操作,以输出三维点云特征;
上采样层,与所述多个卷积层中的至少一个卷积层相连接,用于获取所述多个卷积层中的至少一个卷积层输出的三维点云特征,并对获取的三维点云特征进行处理,以输出处理后的三维点云特征;
全连接层,与所述多个卷积层中的卷积层和所述上采样层相连接,用于获取一卷积层输出的三维点云特征和所述处理后的三维点云特征,并对获取的三维点云特征和所述处理后的三维点云特征进行特征融合,以生成融合后的三维点云特征,将所述融合后的三维点云特征输入另一卷积层,以经过所述另一卷积层的卷积操作后,确定所述目标三维点云特征。
15.根据权利要求14所述的方法,其特征在于,所述多个卷积层中卷积层的深度不同;
所述全连接层与所述多个卷积层中的第一卷积层、第二卷积层和所述上采样层连接,以获取所述第一卷积层输出的三维点云特征和所述处理后的三维点云特征,并对所述第一卷积层输出的三维点云特征和所述处理后的三维点云特征进行特征融合,以生成所述融合后的三维点云特征,将所述融合后的三维点云特征输入所述第二卷积层,以经过所述第二卷积层的卷积操作后,确定所述目标三维点云特征,其中,所述第二卷积层的深度大于所述第一卷积层的深度。
16.根据权利要求14或15所述的方法,其特征在于,所述全连接层的个数为多个。
17.根据权利要求14至16中任一项所述的方法,其特征在于,所述上采样层的个数为多个。
18.一种目标检测设备,其特征在于,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机执行指令,所述处理器执行所述计算机执行指令时实现如下步骤:
根据待处理点云中点的数目和每个点的属性,确定点云向量,所述点云向量包括点在三维坐标系中各维...
【专利技术属性】
技术研发人员:徐斌,陈晓智,
申请(专利权)人:深圳市大疆创新科技有限公司,
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。