点云目标检测方法、计算机设备、存储介质及车辆技术

本发明专利技术涉及自动驾驶技术领域，具体提供一种点云目标检测方法、计算机设备、存储介质及车辆，旨在解决提高目标检测容错能力的问题。为此目的，本发明专利技术提供的点云目标检测方法包括：获取点云训练数据，将点云训练数据中的一部分作为噪声候选数据并将另外一部分作为常规训练数据；对噪声候选数据加入噪声，以形成噪声训练数据；采用常规训练数据与噪声训练数据，对预设模型进行点云目标检测训练，以获取点云目标检测模型；采用点云目标检测模型，对点云帧进行目标检测。通过在点云训练数据中加入噪声，可以提高目标检测容错能力，保证了目标检测的可靠性与准确性。标检测的可靠性与准确性。标检测的可靠性与准确性。

【技术实现步骤摘要】
点云目标检测方法、计算机设备、存储介质及车辆


[0001]本专利技术涉及自动驾驶
，具体涉及一种点云目标检测方法、计算机设备、存储介质及车辆。

技术介绍

[0002]在对车辆进行自动驾驶控制时通常会利用雷达采集车辆周围的点云，对点云进行目标检测，以确定车辆周围是否存在其他车辆和行人等。
[0003]目前常规的点云目标检测方法主要是先训练得到一个点云目标检测模型，然后利用这个点云目标检测模型对雷达采集的点云帧进行目标检测。但是，在利用点云目标检测模型进行目标检测的过程中，各种硬件（比如雷达）和相关软件算法可能会发生不稳定运行，这会导致目标检测模型输出的检测结果也不稳定，从而无法准确且可靠地完成目标检测。
[0004]相应地，本领域需要一种新的技术方案来解决上述问题。

技术实现思路

[0005]为了克服上述缺陷，提出了本专利技术，以提供解决或至少部分地解决提高目标检测的容错能力的技术问题的点云目标检测方法、计算机设备、存储介质及车辆。
[0006]在第一方面，提供一种点云目标检测方法，包括：获取点云训练数据，将所述点云训练数据中的一部分作为噪声候选数据并将另外一部分作为常规训练数据；对所述噪声候选数据加入噪声，以形成噪声训练数据；采用所述常规训练数据与所述噪声训练数据，对预设模型进行点云目标检测训练，以获取点云目标检测模型；采用所述点云目标检测模型，对点云帧进行目标检测。
[0007]在上述点云目标检测方法的一个技术方案中，“对所述噪声候选数据加入噪声，以形成噪声训练数据”的步骤具体包括：获取所述噪声候选数据在三维空间的姿态和位置；分别对所述姿态和/或所述位置加入噪声，以形成所述噪声训练数据。
[0008]在上述点云目标检测方法的一个技术方案中，“分别对所述姿态和/或所述位置加入噪声，以形成所述噪声训练数据”的步骤具体包括通过下列方式对所述姿态加入噪声：根据所述噪声候选数据的姿态，分别获取所述噪声候选数据围绕三维空间中每个维度坐标轴进行旋转的角度；在所述噪声候选数据围绕三维空间中每个维度坐标轴进行旋转的角度上，分别随机增加一个噪声角度。
[0009]在上述点云目标检测方法的一个技术方案中，“在所述噪声候选数据围绕三维空间中每个维度坐标轴进行旋转的角度上，分别随机增加一个噪声角度”的步骤具体包括：
分别获取每个维度坐标轴对应的噪声角度范围；从每个维度坐标轴对应的噪声角度范围内，分别随机选取一个噪声角度，增加至所述噪声候选数据围绕每个维度坐标轴进行旋转的角度上。
[0010]在上述点云目标检测方法的一个技术方案中，“分别对所述姿态和/或所述位置加入噪声，以形成所述噪声训练数据”的步骤具体包括通过下列方式对所述位置加入噪声：根据所述噪声候选数据的位置，分别获取所述噪声候选数据在三维空间中每个维度坐标轴上的坐标；分别对所述噪声候选数据在三维空间中每个维度坐标轴上的坐标，随机增加一个噪声距离。
[0011]在上述点云目标检测方法的一个技术方案中，“分别对所述噪声候选数据在三维空间中每个维度坐标轴上的坐标，随机增加一个噪声距离”的步骤具体包括：分别获取每个维度坐标轴对应的噪声距离范围；从每个维度坐标轴对应的噪声距离度范围内，分别随机选取一个噪声距离，增加至所述噪声候选数据在每个维度坐标轴上的坐标。
[0012]在上述点云目标检测方法的一个技术方案中，“采用所述点云目标检测模型，对点云帧进行目标检测”的步骤具体包括：采用所述点云目标检测模型中的三维稀疏卷积网络，对所述点云帧进行特征提取；采用所述点云目标检测模型中的俯视图卷积网络，对所述三维稀疏卷积网络提取到的特征再次进行特征提取；采用所述点云目标检测模型中的目标检测头网络，对所述俯视图卷积网络提取到的特征进行目标检测。
[0013]在第二方面，提供一种计算机设备，该计算机设备包括处理器和存储装置，所述存储装置适于存储多条程序代码，所述程序代码适于由所述处理器加载并运行以执行上述点云目标检测方法的技术方案中任一项技术方案所述的点云目标检测方法。
[0014]在第三方面，提供一种计算机可读存储介质，该计算机可读存储介质其中存储有多条程序代码，所述程序代码适于由处理器加载并运行以执行上述点云目标检测方法的技术方案中任一项技术方案所述的点云目标检测方法。
[0015]在第四方面，提供一种车辆，该车辆包括上述计算机设备的技术方案所述的计算机设备。
[0016]本专利技术上述一个或多个技术方案，至少具有如下一种或多种有益效果：在实施本专利技术提供的点云目标检测方法的技术方案中，可以将点云训练数据中的一部分作为噪声候选数据并将另外一部分作为常规训练数据，对噪声候选数据加入噪声以形成噪声训练数据，采用常规训练数据与噪声训练数据，对预设模型进行点云目标检测训练，以获取点云目标检测模型。最后，采用点云目标检测模型对点云帧进行目标检测。通过在点云训练数据中加入噪声，可以提高点云目标检测模型的容错能力，即使硬件（比如雷达）和相关软件算法发生不稳定运行的情况，点云目标检测模型输出的检测结果也可以保持稳定，保证了目标检测的可靠性与准确性。
附图说明
[0017]参照附图，本专利技术的公开内容将变得更易理解。本领域技术人员容易理解的是：这些附图仅仅用于说明的目的，而并非意在对本专利技术的保护范围组成限制。其中：图1是根据本专利技术的一个实施例的点云目标检测方法的主要步骤流程示意图；图2是根据本专利技术的一个实施例的对噪声候选数据加入噪声，形成噪声训练数据的方法的主要步骤流程示意图；图3是根据本专利技术的一个实施例的采用点云目标检测模型对点云帧进行目标检测的方法的主要步骤流程示意图；图4是根据本专利技术的一个实施例的计算机设备的主要结构示意图。
具体实施方式
[0018]下面参照附图来描述本专利技术的一些实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本专利技术的技术原理，并非旨在限制本专利技术的保护范围。
[0019]在本专利技术的描述中，“处理器”可以包括硬件、软件或者两者的组合。处理器可以是中央处理器、微处理器、图像处理器、数字信号处理器或者其他任何合适的处理器。处理器具有数据和/或信号处理功能。处理器可以以软件方式实现、硬件方式实现或者二者结合方式实现。计算机可读存储介质包括任何合适的可存储程序代码的介质，比如磁碟、硬盘、光碟、闪存、只读存储器、随机存取存储器等等。
[0020]下面对本专利技术提供的点云目标检测方法的实施例进行说明。
[0021]参阅附图1，图1是根据本专利技术的一个实施例的点云目标检测方法的主要步骤流程示意图。如图1所示，本专利技术实施例中的点云目标检测方法主要包括下列步骤S101至步骤S104。
[0022]步骤S101：获取点云训练数据，将点云训练数据中的一部分作为噪声候选数据并将另外一部分作为常规训练数据。
[0023]点云训练数据是用于对预设模型进行点云目标检测训练，使得该预设模型具备点云目标检测能力的点云数据。
[0024]点云训练数据可以是利用雷达（本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云目标检测方法，其特征在于，所述方法包括：获取点云训练数据，将所述点云训练数据中的一部分作为噪声候选数据并将另外一部分作为常规训练数据；对所述噪声候选数据加入噪声，以形成噪声训练数据；采用所述常规训练数据与所述噪声训练数据，对预设模型进行点云目标检测训练，以获取点云目标检测模型；采用所述点云目标检测模型，对点云帧进行目标检测。2.根据权利要求1所述的点云目标检测方法，其特征在于，“对所述噪声候选数据加入噪声，以形成噪声训练数据”的步骤具体包括：获取所述噪声候选数据在三维空间的姿态和位置；分别对所述姿态和/或所述位置加入噪声，以形成所述噪声训练数据。3.根据权利要求2所述的点云目标检测方法，其特征在于，“分别对所述姿态和/或所述位置加入噪声，以形成所述噪声训练数据”的步骤具体包括通过下列方式对所述姿态加入噪声：根据所述噪声候选数据的姿态，分别获取所述噪声候选数据围绕三维空间中每个维度坐标轴进行旋转的角度；在所述噪声候选数据围绕三维空间中每个维度坐标轴进行旋转的角度上，分别随机增加一个噪声角度。4.根据权利要求3所述的点云目标检测方法，其特征在于，“在所述噪声候选数据围绕三维空间中每个维度坐标轴进行旋转的角度上，分别随机增加一个噪声角度”的步骤具体包括：分别获取每个维度坐标轴对应的噪声角度范围；从每个维度坐标轴对应的噪声角度范围内，分别随机选取一个噪声角度，增加至所述噪声候选数据围绕每个维度坐标轴进行旋转的角度上。5.根据权利要求2所述的点云目标检测方法，其特征在于，“分别对所述姿态和/或所述位置加入噪声，以形成...

【专利技术属性】
技术研发人员：彭祎，何欣栋，熊子钰，任广辉，姚卯青，
申请(专利权)人：安徽蔚来智驾科技有限公司，
类型：发明
国别省市：