遮挡目标检测方法及相关设备技术

本申请实施例公开了一种遮挡目标检测方法及相关设备。该方法包括：获取训练样本集，输入至遮挡目标检测网络以获取训练样本集中的候选数据；基于稀疏点云数据利用遮挡目标检测网络中的编码器和解码器进行迭代运算得到遮挡目标整体形状点云数据；根据遮挡目标整体形状点云数据、已知区域点集和稀疏点云特征利用遮挡目标检测网络中的通道注意力融合操作得到聚合特征；根据聚合特征和已知区域点集利用多尺度transformer模型进行特征细化迭代计算获取遮挡目标全局特征；基于遮挡目标全局特征进行遮挡目标检测网络中的置信度计算操作和位置回归操作以生成遮挡目标检测模型；采用遮挡目标检测模型检测待检测样本集完成遮挡目标检测。标检测。标检测。

【技术实现步骤摘要】
遮挡目标检测方法及相关设备


[0001]本说明书涉及目标识别领域，更具体地说，本专利技术涉及一种遮挡目标检测方法及相关设备。

技术介绍

[0002]无人驾驶技术能自动规划安全合理的行驶路线，避免交通拥堵并有效降低交通事故发生概率，然而无人驾驶本身是一个极具挑战性的任务，环境的复杂多变使得目标难以被准确定位从而影响驾驶安全性，因此，研究精准检测和感知周围环境中的具体目标信息的目标检测方法对保障无人驾驶的安全性至关重要。
[0003]传统的二维目标检测方法使用RGB图像作为输入数据，而RGB图像容易受到光照、气候等环境因素的影响，且二维图像缺乏三维的深度信息，导致难以准确定位目标的三维空间位置。与二维图像相比，由激光雷达等设备采集到的三维点云数据蕴含了复杂环境中的高精度深度信息，能更准确地对目标进行定位，且检测性能不受环境因素的影响，因此，基于点云数据的三维目标检测方法被广泛应用于无人驾驶领域。
[0004]但是由于实际场景中的目标之间存在遮挡的情况，使得点云采集设备难以获取遮挡目标的完整的形状点云数据，导致这类遮挡目标缺乏足够的形本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种遮挡目标检测方法，其特征在于，包括：获取训练样本集，输入至遮挡目标检测网络中，通过所述遮挡目标检测网络中的点云多尺度特征提取子网络获取所述训练样本集中的候选数据，其中，所述候选数据包括候选框、稀疏点云数据和稀疏点云特征；基于所述稀疏点云数据利用所述遮挡目标检测网络中的编码器和解码器进行迭代运算得到遮挡区域形状特征，根据所述遮挡区域形状特征进行所述遮挡目标检测网络中的形状点云重构操作得到遮挡目标整体形状点云数据；根据所述遮挡目标整体形状点云数据、已知区域点集和所述稀疏点云特征利用所述遮挡目标检测网络中的通道注意力融合操作获取聚合特征，其中，所述已知区域点集是基于所述稀疏点云数据随机采样得到的；基于所述聚合特征和所述已知区域点集利用所述遮挡目标检测网络中的多尺度transformer模型进行特征细化迭代计算获取遮挡目标全局特征；基于所述遮挡目标全局特征进行所述遮挡目标检测网络中的置信度计算操作和位置回归操作，获取所述训练样本集中的遮挡目标的置信度分数和回归偏移量，基于所述置信度分数和所述回归偏移量利用损失函数约束更新所述遮挡目标检测网络的参数，学习生成遮挡目标检测模型；采用所述遮挡目标检测模型对待检测样本集进行检测，得到遮挡目标检测框和遮挡目标类别信息，完成遮挡目标检测。2.如权利要求1所述的方法，其特征在于，所述迭代运算包括第一迭代运算和第二迭代运算；所述基于所述稀疏点云数据利用所述遮挡目标检测网络中的编码器和解码器进行迭代运算得到遮挡区域形状特征，根据所述遮挡区域形状特征进行所述遮挡目标检测网络中的形状点云重构操作得到遮挡目标整体形状点云数据，包括：根据所述稀疏点云数据进行所述遮挡目标检测网络中的图嵌入操作获取图嵌入局部结构特征，基于所述图嵌入局部结构特征，利用所述编码器进行所述第一迭代运算得到编码器输出结构特征，对所述编码器输出结构特征进行所述遮挡目标检测网络中的投影映射操作，以获取遮挡区域中心点序列和遮挡区域中心点结构特征；对所述遮挡区域中心点序列和所述遮挡区域中心点结构特征执行所述遮挡目标检测网络中的第一嵌入操作得到遮挡区域初始局部形状特征；根据所述遮挡区域初始局部形状特征和所述编码器输出结构特征，利用所述解码器进行所述第二迭代运算和维度变换操作，以获取所述遮挡区域形状特征，利用所述遮挡区域形状特征、所述遮挡区域中心点序列和所述稀疏点云数据进行所述形状点云重构操作，获取所述遮挡目标整体形状点云数据。3.如权利要求2所述的方法，其特征在于，所述图嵌入操作包括第一迭代最远点采样操作、图卷积操作及第二嵌入操作，所述投影映射操作包括全局池化操作和第一多层感知器；所述根据所述稀疏点云数据进行所述遮挡目标检测网络中的图嵌入操作获取图嵌入局部结构特征，基于所述图嵌入局部结构特征，利用所述编码器进行所述第一迭代运算得到编码器输出结构特征，对所述编码器输出结构特征进行所述遮挡目标检测网络中的投影映射操作，以获取遮挡区域中心点序列和遮挡区域中心点结构特征，包括：
对所述稀疏点云数据进行所述第一迭代最远点采样操作和所述图卷积操作获取已知区域中心点序列和已知区域拓扑特征；将所述已知区域中心点序列和所述已知区域拓扑特征执行所述第二嵌入操作以获取所述图嵌入局部结构特征；基于所述图嵌入局部结构特征，利用所述编码器进行所述第一迭代运算以获取所述编码器输出结构特征，其中，所述第一迭代运算是基于特征自编码操作和第一前馈网络进行编码的；根据所述编码器输出结构特征利用所述全局池化操作提取全局信息；基于所述全局信息利用所述第一多层感知器获取所述遮挡区域中心点序列和所述遮挡区域中心点结构特征。4.如权利要求2所述的方法，其特征在于，所述形状点云重构操作包括第一拼接操作，第二多层感知器和第二拼接操作；所述根据所述遮挡区域初始局部形状特征和所述编码器输出结构特征，利用所述解码器进行所述第二迭代运算和维度变换操作，以获取所述遮挡区域形状特征，利用所述遮挡区域形状特征、所述遮挡区域中心点序列和所述稀疏点云数据进行所述形状点云重构操作，获取所述遮挡目标整体形状点云数据，包括：将所述遮挡区域初始局部形状特征作为所述解码器的首层输入形状特征，并结合所述编码器输出结构特征进行所述第二迭代运算以获取解码器输出形状特征，其中，所述第二迭代运算是基于特征自解码操作、特征交叉解码操作和第二前馈网络进行解码操作；对所述解码器输出形状特征利用第三多层感知器进行所述维度变换操作以得到所述遮挡区域形状特征；基于所述遮挡区域中心点序列和所述遮挡区域形状特征进行所述第一拼接操作得到第一拼接特征；对所述第一拼接特征使用所述第二多层感知器进行空间映射以获取遮挡区域点云数据；将所述遮挡区域点云数据和所述稀疏点云数据进行所述第二拼接操作以获取所述遮挡目标整体形状点云数据。5.如权利要求1所述的方法，其特征在于，所述根据所述遮挡目标整体形状点云数据、已知区域点集和所述稀疏点云特征利用所述遮挡目标检测网络中的通道注意力融合操作获取聚合特征，包括：在所述已知区域点集中点的邻域半径范围内采用第四多层感知器聚集所述遮挡目标整体形状点云数据，得到遮挡目标整体形状特征；根据所述已知区域点集中点的索引号在所述稀疏点云特征中采样得到已知特征，利用卷积网络更新所述...

【专利技术属性】
技术研发人员：周静，胡怡宇，
申请(专利权)人：江汉大学，
类型：发明
国别省市：