基于点云的目标检测方法技术

本发明专利技术公开了一种基于点云的目标检测方法，方法包括：采用最远点取样FPS对点云采样得到点的集合A；采用第一PointSIFT网络提取集合A的特征集合B；根据特征集合B，将集合A中的点分为前景点和背景点；对每一个前景点回归一个三维候选框，组成第一候选框集合C

【技术实现步骤摘要】
基于点云的目标检测方法
本专利技术涉及三维点云处理领域，特别是涉及一种基于点云的目标检测方法。
技术介绍
基于三维点云的目标检测广泛应用于自动驾驶领域，是感知道路场景中车辆及其他障碍物的关键技术之一。目前，自动驾驶领域场景感知的硬件系统主要有摄像头，毫米波雷达，激光雷达，超声波探测器。激光雷达通过发射激光束，然后接受来自目标的返回激光束，根据时间差测量障碍物目标与传感器器之间的距离，获得的点云数据能较好的还原目标的结构信息，且具有测量精度高、测距范围广、受光照、天气影响小等优点，被广泛配备在无人驾驶汽车上，使基于激光的三维点云数据的目标检测算法受到了广泛关注。近年来，深度学习开始广范应用于图像的目标检测领域，其通过学习深度非线性网络结构来表征输入数据并实现复杂的函数逼近。在道路环境车辆无人驾驶等应用场景下，不仅需要获得车辆等目标的位置及三维尺寸信息，还需要获得目标物体在三维空间中的旋转角等数据。激光点云数据具有稀疏性、无序性，如何将不规则的点云数据，与深度学习结合是现有技术中研究的热点。2017年CharlesR.Qi等人提出的本文档来自技高网...

【技术保护点】
1.一种基于点云的目标检测方法，其特征在于，包括：/n采用最远点取样FPS对点云采样得到点的集合A；/n采用第一PointSIFT网络提取集合A的特征集合B；/n根据所述特征集合B，将所述集合A中的点分为前景点和背景点；/n对每一个所述前景点回归一个三维候选框，组成第一候选框集合C

【技术特征摘要】
1.一种基于点云的目标检测方法，其特征在于，包括：
采用最远点取样FPS对点云采样得到点的集合A；
采用第一PointSIFT网络提取集合A的特征集合B；
根据所述特征集合B，将所述集合A中的点分为前景点和背景点；
对每一个所述前景点回归一个三维候选框，组成第一候选框集合C1；
采用NMS算法剔除所述集合C1中置信度分数低于第一阈值的候选框，合并所述集合C1中置信度高于第二阈值的候选框，组成第二候选框集合C2；
将所述集合C2中所有候选框内的点池化并转换到规范坐标，得到集合D；
将所述集合D与集合B作为第二PointSIFT网络的输入，提取所述集合D中置信度高于第三阈值的候选框作为目标。


2.根据权利要求1所述的方法，其特征在于，所述采用第一PointSIFT网络提取集合A的特征集合B的步骤，包括：
将所述集合A中的点P0的邻域划分为8个分区；
在所述8个分区半径为r的区域内寻找P0的最近邻点集合，所述最近邻点集合构成特征向量V，对所述特征向量V沿X、Y、Z轴上进行三阶段卷积，得到特征点f0，所述f0为特征...

【专利技术属性】
技术研发人员：刘博，王瑜，周付根，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11