物体检测方法、装置、电子设备和存储介质制造方法及图纸

本发明专利技术公开了物体检测方法、装置、电子设备和存储介质，涉及计算机技术领域。该方法的一具体实施方式包括：调用预设的嵌入特征生成模型，获取点云集合对应空间的嵌入特征向量；分别调用预设的投票特征生成模型和语义特征生成模型，提取点云集合的投票特征向量和语义特征向量，将投票特征向量和语义特征向量叠加；将叠加结果和嵌入特征向量，输入预设的特征融合模型，计算得到融合特征向量；调用预设的投票检测模型，基于融合特征向量计算物体边界框和物体边界框的类别，进而生成物体检测结果。该实施方式能够解决VoteNet识别出边界框大小和类别的准确性较低，物体检测准确性较低的问题。的问题。的问题。

【技术实现步骤摘要】
物体检测方法、装置、电子设备和存储介质


[0001]本专利技术涉及计算机
，尤其涉及一种物体检测方法、装置、电子设备和存储介质。

技术介绍

[0002]三维物体检测，是指对三维场景中的物体进行定位和识别。目前，基于三维点云的物体检测方法可以直接从稀疏的非结构化点云中预测三维物体的边界框，以检测出三维物体，例如VoteNet。VoteNet是一个深度学习模型，它可以为点云生成一些投票特征和一些位于物体中心附近的投票点，然后对一组投票点进行采样作为目标中心的估计，再对采样点附近的投票特征进行分组和聚合，最后从聚合的投票特征中生成边界框及其类别，进而检测出三维物体。但是，VoteNet根据采样的稀疏投票特征预测物体类别，而边界框的类别只能对语义学习提供粗略的监督，所以导致投票特征中语义线索较少，进而导致识别的边界框大小和类别的准确性较低，物体检测的准确性较低。

技术实现思路

[0003]有鉴于此，本专利技术实施例提供一种物体检测方法、装置、电子设备和存储介质，能够解决VoteNet根据稀疏投票特征预测物体类别，导致识别出边界框大本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种物体检测方法，其特征在于，包括：接收待处理的点云集合，调用预设的嵌入特征生成模型，获取所述点云集合对应空间的嵌入特征向量；分别调用预设的投票特征生成模型和语义特征生成模型，提取所述点云集合的投票特征向量和语义特征向量，将所述投票特征向量和所述语义特征向量叠加，得出叠加结果；将所述叠加结果和所述嵌入特征向量，输入预设的特征融合模型，计算得到融合特征向量；调用预设的投票检测模型，基于所述融合特征向量计算物体边界框和所述物体边界框的类别，进而生成物体检测结果。2.根据权利要求1所述的方法，其特征在于，所述调用预设的特征融合模型，基于所述叠加结果和所述嵌入特征向量计算融合特征向量，包括：将所述嵌入特征向量输入预设的第一多层感知器，计算出第一向量和第二向量，调用预设的逻辑回归模型，基于所述第一向量和所述第二向量，计算所述点云集合对应的注意力向量；调用预设的特征融合模型，基于所述叠加结果和所述注意力向量计算融合特征向量。3.根据权利要求2所述的方法，其特征在于，所述调用预设的特征融合模型，基于所述叠加结果和所述注意力向量计算融合特征向量，包括：调用预设的第二多层感知器，基于所述叠加结果计算第三向量；将所述第三向量与所述注意力向量相乘，进而将相乘结果与所述叠加结果相加，得出所述融合特征向量。4.根据权利要求1所述的方法，其特征在于，调用语义特征生成模型，以提取所述点云集合的语义特征向量，包括：将所述点云集合输入预设的第一点解码器，提取所述点云集合的语义特征向量。5.根据权利要求1所述的方法，其特征在于，所述调用预设的嵌入特征生成模型，获取所述点云集合对应空间的嵌入特征向量，包括：将所述点云集合输入预设的第二点解码器，得出所述点云集合的空间嵌入特征，进而调用预设的嵌入特征分类器，以基于所述空间嵌入特征提取嵌入特征...

【专利技术属性】
技术研发人员：徐鑫，
申请(专利权)人：京东鲲鹏江苏科技有限公司，
类型：发明
国别省市：