三维物体检测方法、装置、存储介质、处理器及系统制造方法及图纸

本发明专利技术公开了一种三维物体检测方法、装置、存储介质、处理器及系统。其中，该方法包括：获取三维物体的原始点云；对原始点云进行分类处理，从原始点云中筛选得到部分点云，其中，部分点云属于相同的目标分类；基于部分点云中每个点云对应的点云栅格进行特征聚合处理，确定部分点云对应的第一点云特征图数据块；对第一点云特征图数据块进行特征提取，得到第二点云特征图数据块；基于第二点云特征图数据块预测三维物体的类别与位置。本发明专利技术解决了相关技术的三维物体检测过程中障碍物特征信息表达不足，导致模型推理速度和障碍物检测性能无法兼顾的技术问题。顾的技术问题。顾的技术问题。

【技术实现步骤摘要】
三维物体检测方法、装置、存储介质、处理器及系统


[0001]本专利技术涉及自动驾驶领域，具体而言，涉及一种三维物体检测方法、装置、存储介质、处理器及系统。

技术介绍

[0002]激光雷达是L4级无人驾驶环境感知系统中不可或缺的传感部件，基于激光雷达传感器的三维物体检测方法层出不穷，各具特色，根据激光雷达点云特征的提取方式，激光雷达点云三维物体检测方法主要有三种：基于鸟瞰图的三维物体检测方法保留物体的高度信息，数据损失少；基于体素网格的三维物体检测方法对点云进行体素网格划分，降低了三维点云数据的复杂性，但点云特征提取时数据丢失较多，导致三维物体检测精度提升受限，且有效点云易被无效点云稀释，降低检测能力；直接处理点云的三维物体检测方法完全依赖数据直接处理原始点云，进而能够完成高层次的点云分类和语义分割的任务，但是针对三维物体目标检测的提升有限，小目标检测效果仍然不佳。
[0003]因此，现有三维物体检测方法各有优劣，如何进行三维物体的检测得到更好的综合效果成为目前的关键问题。针对上述的问题，目前尚未提出有效的解决方案。<br/>
技术实现思路
本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维物体检测方法，其特征在于，包括：获取三维物体的原始点云；对所述原始点云进行分类处理，从所述原始点云中筛选得到部分点云，其中，所述部分点云属于相同的目标分类；基于所述部分点云中每个点云对应的点云栅格进行特征聚合处理，确定所述部分点云对应的第一点云特征图数据块；对所述第一点云特征图数据块进行特征提取，得到第二点云特征图数据块；基于所述第二点云特征图数据块预测所述三维物体的类别与位置。2.根据权利要求1所述的三维物体检测方法，其特征在于，对所述原始点云进行分类处理，从所述原始点云中筛选得到所述部分点云包括：利用目标神经网络模型对所述原始点云进行分析，得到所述原始点云中每个点云的权重信息及点云第一维度特征，其中，所述目标神经网络模型用于为所述原始点云中每个点云配置对应的权重值并输出点云第一维度特征；基于所述权重信息确定所述原始点云中每个点云的所属分类；按照所述原始点云中每个点云的所属分类，从所述原始点云中筛选得到部分点云。3.根据权利要求2所述的三维物体检测方法，其特征在于，基于所述权重信息确定所述原始点云中每个点云的所属分类包括：将所述原始点云中每个点云的权重系数与预设阈值进行比较，得到比较结果；按照所述比较结果确定所述原始点云中每个点云的所属分类，其中，所述部分点云中每个点云的权重系数大于或等于所述预设阈值。4.根据权利要求1所述的三维物体检测方法，其特征在于，基于所述部分点云中每个点云对应的点云栅格进行特征聚合处理，确定所述第一点云特征图数据块包括：通过所述部分点云中每个点云的点云坐标位置，分别将每个点云划分至对应的点云栅格；获取每个点云栅格中对应点云的第一维度特征；对每个点云栅格中对应点云的第一维度特征进行聚合处理，得到每个点云栅格对应的第二维度特征；利用每个点云栅格对应的第...

【专利技术属性】
技术研发人员：李锦瑭，王宇，王硕，孙雪，蒋萌，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：