一种激光雷达车辆检测的方法、系统、存储介质及设备技术方案

本发明专利技术提供了一种激光雷达车辆检测的方法、系统、存储介质及设备，方法包括：获取被检测车辆的激光雷达原始点云图像并对该原始点云图像进行体素化特征提取，从而形成该被检测车辆的体素化网格；在朝向该被检测车辆的方向上，按距离将该被检测车辆的该体素化网格的数据进行分块处理，从而得到多个样本块；对该多个样本块分别进行神经网络模型设计，其中该多个样本块的该神经网络模型具有针对该多个样本块采取的不同的神经网络维度增强机制和/或数据增强机制；基于该多个样本块的该神经网络模型进行该检测车辆的特征提取并进行损失计算，其中该损失计算包括三维重合度损失。本发明专利技术提高了激光雷达检测用于车辆的三维检测方面的准确率。面的准确率。面的准确率。

【技术实现步骤摘要】
一种激光雷达车辆检测的方法、系统、存储介质及设备


[0001]本专利技术涉及三维成像
，尤其涉及三维成像激光雷达的目标检测与跟踪领域，具体涉及一种激光雷达车辆检测的方法、系统、存储介质及设备。

技术介绍

[0002]近年来，基于三维成像激光雷达的目标检测与跟踪已经成为计算机视觉领域的重要课题。相比于传统的摄像头传感器，三维成像激光雷达具有能有效获取目标的三维几何信息，受外界光照变化和成像距离影响小等优点。因此，激光雷达已广泛应用于无人驾驶领域。
[0003]在无人驾驶领域，车辆的稳定行进是必须要保障的，同时还不能违背安全原则。为此，激光雷达、尤其是三维激光雷达是无人驾驶车辆上广安应用的传感器件。通过激光雷达可以获得周围环境、包括相关的目标车辆的三维(3D)点云数据。
[0004]随着激光雷达传感器件测量精度的不断提高，测量维度的增加和分辨率的提高带来了探测性能提高的可能性。然而，真正的提高性能需要更智能、更稳健的信息处理算法。
[0005]此外，被检测的目标通常被置于一定的背景环境中，甚至与背景融为一体。在激光雷达探测过程中，由于视角、背景等原因，目标还有可能被遮挡，从而很难被检测和分割出来。
[0006]为了解决上述问题，现有的技术方案主要是在通过点云体素化之后，进行一些常规的三维稀疏卷积、常规的二维特征提取，最后进行常规的方向、三维框等损失回归。
[0007]但是，目前已有算法在车辆的三维检测方面准确率较低，对目标车辆的检测效果不佳，在道路上交通情况较为复杂的情况下会对无人驾驶的安全性及稳定性造成重大的不利的影响。
[0008]因此，需要提出一种尤其用于车辆的检测方法，针对现有技术中的上述缺点问题，提高车辆的三维检测方面的准确率，尽可能降低对无人驾驶的安全性及稳定性的影响。

技术实现思路

[0009]有鉴于此，本专利技术的目的在于提出一种基于激光雷达的、可用于目标的三维检测的、尤其用于车辆检测的方法、系统、存储介质及设备，从而解决现有技术中车辆的三维检测方面的准确率低、不利地影响无人驾驶的安全性及稳定性等问题。
[0010]基于上述目的，一方面，本专利技术提供了一种激光雷达车辆检测的方法，其中该方法包括以下步骤：
[0011]获取被检测车辆的激光雷达原始点云图像并对该原始点云图像进行体素化特征提取，从而形成该被检测车辆的体素化网格；
[0012]在朝向该被检测车辆的方向上，按距离将该被检测车辆的该体素化网格的数据进行分块处理，从而得到多个样本块；
[0013]对该多个样本块分别进行神经网络模型设计，其中该多个样本块的该神经网络模
型具有针对该多个样本块采取的不同的神经网络维度增强机制和/或数据增强机制；
[0014]基于该多个样本块的该神经网络模型进行该检测车辆的特征提取并进行损失计算，其中该损失计算包括三维重合度损失。
[0015]在根据本专利技术的激光雷达车辆检测的方法的一些实施例中，该神经网络维度增强机制包括进行在两个水平方向上的卷积降维，并且在竖直方向上保持维度的三维稀疏卷积，其中该两个水平方向为朝向该被检测车辆的方向以及与朝向该待检测车辆的方向垂直的水平的方向，并且该竖直方向为与该两个水平方向垂直的方向。
[0016]在根据本专利技术的激光雷达车辆检测的方法的一些实施例中，该数据增强机制包括将该被检测车辆的样本按点云框的四条对角线划分为四个四棱锥，基于该四棱锥形成新的样本。
[0017]在根据本专利技术的激光雷达车辆检测的方法的一些实施例中，该数据增强机制包括:
[0018]从被检测车辆的四个四棱锥中选择至少一个四棱锥，将四个选出的四棱锥进行组合作为新的样本；和/或
[0019]将被检测车辆的样本的至少一个四棱锥中的若干点云数据删除，并将包含删除后的点云数据的样本作为新的样本。
[0020]在根据本专利技术的激光雷达车辆检测的方法的一些实施例中，该在朝向该被检测车辆的方向上，按距离将该被检测车辆的该体素化网格的数据进行分块处理，从而得到多个样本块进一步包括：
[0021]在朝向该被检测车辆的方向上，按照距被检测车辆的距离，将该被检测车辆的该体素化网络的数据进行分块处理，从而得到近处样本块、中间样本块和远处样本块。
[0022]在根据本专利技术的激光雷达车辆检测的方法的一些实施例中，该对该多个样本块分别进行神经网络模型设计，其中该多个样本块的该神经网络模型具有针对该多个样本块采取的不同的神经网络维度增强机制和/或数据增强机制进一步包括：
[0023]针对该近处样本块、中间样本块和远处样本块采取递进的神经网络维度增强机制和/或数据增强机制。
[0024]在根据本专利技术的激光雷达车辆检测的方法的一些实施例中，该针对该近处样本块、中间样本块和远处样本块采取递进的神经网络维度增强机制和/或数据增强机制进一步包括：
[0025]针对该中间样本块采取神经网络维度增强机制；
[0026]针对该远处样本块采取神经网络维度增强机制和数据增强机制。
[0027]本专利技术的另一方面，还提供了一种激光雷达车辆检测的系统，其中包括：
[0028]数据预处理模块，该数据预处理模块配置为获取被检测车辆的激光雷达原始点云图像并对该原始点云图像进行体素化特征提取，从而形成该被检测车辆的体素化网格；
[0029]数据分块模块，该数据分块化模块配置为在朝向该被检测车辆的方向上，按距离将该被检测车辆的该体素化网格的数据进行分块处理，从而得到多个样本块；
[0030]神经网络模块，该神经网络模块配置为对该多个样本块分别进行神经网络模型设计，其中该多个样本块的该神经网络模型具有针对该多个样本块采取的不同的神经网络维度增强机制和/或数据增强机制；
[0031]损失计算模块，该损失计算模块配置为基于该多个样本块的该神经网络模型进行该检测车辆的特征提取并进行损失计算，其中该损失计算包括三维重合度损失。
[0032]本专利技术的再一方面，还提供了一种计算机可读存储介质，存储有计算机程序指令，该计算机程序指令被执行时实现上述任一项根据本专利技术的激光雷达车辆检测的方法。
[0033]本专利技术的又一方面，还提供了一种计算机设备，包括存储器和处理器，该存储器中存储有计算机程序，该计算机程序被处理器执行时执行上述任一项根据本专利技术的激光雷达车辆检测的方法。
[0034]本专利技术至少具有以下有益技术效果：通过对原始点云数据的分块、对分块的样本采取有针对性地神经网络维度增强机制和/或数据增强机制，从而大幅提高神经网络模型的检测精度，并且对于特征提取除了常规的三维框回归、分类等损失(loss)计算外，还创造性地增加了三维重合度损失(3Diou loss)计算，从而更好地弥补了数值方向上的精度的缺失。
附图说明
[0035]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种激光雷达车辆检测的方法，其特征在于，包括以下步骤：获取被检测车辆的激光雷达原始点云图像并对所述原始点云图像进行体素化特征提取，从而形成所述被检测车辆的体素化网格；在朝向所述被检测车辆的方向上，按距离将所述被检测车辆的所述体素化网格的数据进行分块处理，从而得到多个样本块；对所述多个样本块分别进行神经网络模型设计，其中所述多个样本块的所述神经网络模型具有针对所述多个样本块采取的不同的神经网络维度增强机制和/或数据增强机制；基于所述多个样本块的所述神经网络模型进行所述检测车辆的特征提取并进行损失计算，其中所述损失计算包括三维重合度损失。2.根据权利要求1所述的方法，其特征在于，所述神经网络维度增强机制包括进行在两个水平方向上的卷积降维，并且在竖直方向上保持维度的三维稀疏卷积，其中所述两个水平方向为朝向所述被检测车辆的方向以及与朝向所述待检测车辆的方向垂直的水平的方向，并且所述竖直方向为与所述两个水平方向垂直的方向。3.根据权利要求1所述的方法，其特征在于，所述数据增强机制包括将所述被检测车辆的样本按点云框的四条对角线划分为四个四棱锥，基于所述四棱锥形成新的样本。4.根据权利要求3所述的方法，其特征在于，所述数据增强机制包括:从被检测车辆的四个四棱锥中选择至少一个四棱锥，将四个选出的四棱锥进行组合作为新的样本；和/或将被检测车辆的样本的至少一个四棱锥中的若干点云数据删除，并将包含删除后的点云数据的样本作为新的样本。5.根据权利要求1至4任一项所述的方法，其特征在于，所述在朝向所述被检测车辆的方向上，按距离将所述被检测车辆的所述体素化网格的数据进行分块处理，从而得到多个样本块进一步包括：在朝向所述被检测车辆的方向上，按照距被检测车辆的距离，将所述被检测车辆的所述体素化网络的数据进行分块处理，从而得到近处样本块、中间样本块和远处样本块。6.根据权利要求5所述的方法，其特征在于...

【专利技术属性】
技术研发人员：龚湛，
申请(专利权)人：苏州浪潮智能科技有限公司，
类型：发明
国别省市：