本发明专利技术实施例提供了一种目标检测方法及装置，该方法包括：获取目标帧点云和多个前序帧点云；对目标帧点云进行点柱化操作，并进行特征提取，得到目标帧点云对应的目标点柱特征；对各前序帧点云进行点柱化操作，并进行特征提取，得到各前序帧点云对应的第一点柱特征；对各第一点柱特征进行特征融合，得到第二点柱特征；根据目标帧点云点柱化操作生成的点柱坐标，对第二点柱特征进行特征提取，得到前序点柱特征；基于目标点柱特征和前序点柱特征进行交叉注意力学习，得到目标融合特征，基于目标融合特征进行目标检测。应用本发明专利技术实施例提供的目标检测方法，不需要进行帧与帧之间的动态标定，结构简单容易实现，且检测方法的鲁棒性和精度较高。棒性和精度较高。棒性和精度较高。
【技术实现步骤摘要】
目标检测方法及装置
[0001]本专利技术涉及计算机视觉
，特别是涉及一种目标检测方法及装置。
技术介绍
[0002]3D(3
‑
Dimension，三维)目标检测技术被广泛应用于自动驾驶、智能交通等领域，具体用于检测目标物体，并获取目标物体在空间中的三维位置等信息，实现对于空间的三维感知。
[0003]目前，目标检测主要通过获取空间场景中的三维点云数据实现。
[0004]随着科技的发展及文明的日益成熟，深度学习网络在目标检测上的应用越来越普遍。连续多帧点云学习的深度学习网络对比单帧点云的深度学习结果，从精度上有显著的提升。特别是结合多帧结果后，可以预测物体速度，对后续跟踪算法提供很大帮助。
[0005]但现有的多帧融合方法需要帧与帧之间的动态标定，然而动态标定的方法鲁棒性较差，且计算成本高。
技术实现思路
[0006]本专利技术实施例的目的在于提供一种目标检测方法及装置，以实现规避帧与帧之间的动态标定，从而降低计算复杂度，并提高检测方法的鲁棒性和精度。具体技术方案如下：
[0007]第一方面，本专利技术实施例提供了一种目标检测方法，该方法包括：
[0008]获取目标帧点云和多个前序帧点云；
[0009]对所述目标帧点云进行点柱化操作，并进行特征提取，得到所述目标帧点云对应的目标点柱特征；对各所述前序帧点云进行点柱化操作，并进行特征提取，得到各所述前序帧点云对应的第一点柱特征；
[0010]对各所述第一点柱特征进行特征融合，得到第二点柱特征；
[0011]根据所述目标帧点云点柱化操作生成的点柱坐标，对所述第二点柱特征进行特征提取，得到前序点柱特征；
[0012]基于所述目标点柱特征和所述前序点柱特征进行交叉注意力学习，得到目标融合特征，基于所述目标融合特征进行目标检测。
[0013]可选的，所述对各所述第一点柱特征进行特征融合，得到第二点柱特征的步骤，包括：
[0014]针对各所述第一点柱特征，进行特征图转换，得到第三点柱特征，并将各所述第三点柱特征进行叠加，得到第四点柱特征；
[0015]依次对所述第四点柱特征进行卷积下采样、反卷积上采样，得到所述第二点柱特征。
[0016]可选的，所述基于所述目标融合特征进行目标检测的步骤，包括：
[0017]生成预设数量的物体query特征，基于所述物体query特征与所述目标融合特征进行交叉注意力学习，并通过多层感知器进行处理，得到所述目标帧点云中目标物体的检测
结果。
[0018]可选的，所述基于所述目标点柱特征和所述前序点柱特征进行交叉注意力学习的步骤，包括：
[0019]对所述目标点柱特征进行自注意力学习，得到目标语义特征；
[0020]对所述目标语义特征和所述前序点柱特征进行交叉注意力学习。
[0021]第二方面，本专利技术实施例提供了一种目标检测模型的训练方法，包括：
[0022]获取样本目标帧点云和多个样本前序帧点云；
[0023]将所述样本目标帧点云和所述样本前序帧点云输入目标检测模型，得到所述样本目标帧点云对应的检测结果预测值；
[0024]基于所述检测结果预测值和样本目标帧点云对应的真实结果，确定第一损失值；
[0025]根据所述第一损失值，调整所述目标检测模型的模型参数，直至满足训练终止条件；
[0026]其中，所述目标检测模型用于：对所述目标帧点云进行点柱化操作，并进行特征提取，得到所述目标帧点云对应的目标点柱特征；对各所述前序帧点云进行点柱化操作，并进行特征提取，得到各所述前序帧点云对应的第一点柱特征；对各所述第一点柱特征进行特征融合，得到第二点柱特征；根据所述目标帧点云点柱化操作生成的点柱坐标，对所述第二点柱特征进行特征提取，得到前序点柱特征；基于所述目标点柱特征和所述前序点柱特征进行交叉注意力学习，得到目标融合特征，基于所述目标融合特征进行目标检测，得到样本目标帧点云对应的检测结果预测值。
[0027]第三方面，本专利技术实施例提供了一种目标检测装置，该装置包括：
[0028]获取模块，用于获取目标帧点云和多个前序帧点云；
[0029]操作模块，用于对所述目标帧点云进行点柱化操作，并进行特征提取，得到所述目标帧点云对应的目标点柱特征；对各所述前序帧点云进行点柱化操作，并进行特征提取，得到各所述前序帧点云对应的第一点柱特征；
[0030]融合模块，用于对各所述第一点柱特征进行特征融合，得到第二点柱特征；
[0031]提取模块，用于根据所述目标帧点云点柱化操作生成的点柱坐标，对所述第二点柱特征进行特征提取，得到前序点柱特征；
[0032]学习模块，用于基于所述目标点柱特征和所述前序点柱特征进行交叉注意力学习，得到目标融合特征，基于所述目标融合特征进行目标检测。
[0033]可选的，所述融合模块，具体用于：
[0034]针对各所述第一点柱特征，进行特征图转换，得到第三点柱特征，并将各所述第三点柱特征进行叠加，得到第四点柱特征；
[0035]依次对所述第四点柱特征进行卷积下采样、反卷积上采样，得到所述第二点柱特征。
[0036]第四方面，本专利技术实施例提供了一种目标检测模型训练装置，该装置包括：
[0037]获取模块，用于获取样本目标帧点云和多个样本前序帧点云；
[0038]输入模块，用于将所述样本目标帧点云和所述样本前序帧点云输入目标检测模型，得到所述样本目标帧点云对应的检测结果预测值；
[0039]调整模块，用于基于所述检测结果预测值和样本目标帧点云对应的真实结果，确
定第一损失值，并且根据所述第一损失值，调整所述目标检测模型的模型参数，直至满足训练终止条件；
[0040]其中，所述目标检测模型用于：对所述目标帧点云进行点柱化操作，并进行特征提取，得到所述目标帧点云对应的目标点柱特征；对各所述前序帧点云进行点柱化操作，并进行特征提取，得到各所述前序帧点云对应的第一点柱特征；对各所述第一点柱特征进行特征融合，得到第二点柱特征；根据所述目标帧点云点柱化操作生成的点柱坐标，对所述第二点柱特征进行特征提取，得到前序点柱特征；基于所述目标点柱特征和所述前序点柱特征进行交叉注意力学习，得到目标融合特征，基于所述目标融合特征进行目标检测，得到样本目标帧点云对应的检测结果预测值。
[0041]第五方面，本专利技术实施例提供了一种电子设备，包括处理器、通信接口、存储器和通信总线，其中，处理器，通信接口，存储器通过通信总线完成相互间的通信；
[0042]存储器，用于存放计算机程序；
[0043]处理器，用于执行存储器上所存放的程序时，实现第一方面所述的任一所述的目标检测方法。
[0044]本专利技术实施例还提供了一种包含指令的计算机程序产品，当其在计算机上运行时，使得计算机执行上述任一所述的目标检测方法。
[0045]本专利技术实施例有益效果：
...
【技术保护点】
【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：获取目标帧点云和多个前序帧点云；对所述目标帧点云进行点柱化操作，并进行特征提取，得到所述目标帧点云对应的目标点柱特征；对各所述前序帧点云进行点柱化操作，并进行特征提取，得到各所述前序帧点云对应的第一点柱特征；对各所述第一点柱特征进行特征融合，得到第二点柱特征；根据所述目标帧点云点柱化操作生成的点柱坐标，对所述第二点柱特征进行特征提取，得到前序点柱特征；基于所述目标点柱特征和所述前序点柱特征进行交叉注意力学习，得到目标融合特征，基于所述目标融合特征进行目标检测。2.根据权利要求1所述的方法，其特征在于，所述对各所述第一点柱特征进行特征融合，得到第二点柱特征的步骤，包括：针对各所述第一点柱特征，进行特征图转换，得到第三点柱特征，并将各所述第三点柱特征进行叠加，得到第四点柱特征；依次对所述第四点柱特征进行卷积下采样、反卷积上采样，得到所述第二点柱特征。3.根据权利要求1所述的方法，其特征在于，所述基于所述目标融合特征进行目标检测的步骤，包括：生成预设数量的物体query特征，基于所述物体query特征与所述目标融合特征进行交叉注意力学习，并通过多层感知器进行处理，得到所述目标帧点云中目标物体的检测结果。4.根据权利要求1所述的方法，其特征在于，所述基于所述目标点柱特征和所述前序点柱特征进行交叉注意力学习的步骤，包括：对所述目标点柱特征进行自注意力学习，得到目标语义特征；对所述目标语义特征和所述前序点柱特征进行交叉注意力学习。5.一种目标检测模型的训练方法，其特征在于，包括：获取样本目标帧点云和多个样本前序帧点云；将所述样本目标帧点云和所述样本前序帧点云输入目标检测模型，得到所述样本目标帧点云对应的检测结果预测值；基于所述检测结果预测值和样本目标帧点云对应的真实结果，确定第一损失值；根据所述第一损失值，调整所述目标检测模型的模型参数，直至满足训练终止条件；其中，所述目标检测模型用于：对所述目标帧点云进行点柱化操作，并进行特征提取，得到所述目标帧点云对应的目标点柱特征；对各所述前序帧点云进行点柱化操作，并进行特征提取，得到各所述前序帧点云对应的第一点柱特征；对各所述第一点柱特征进行特征融合，得到第二点柱特征；根据所述目标帧点云点柱化操作生成的点柱坐标，对所述第二点柱特征进行特征提取，得到前序点柱特征；基于所述目标点柱特征和所述前序点柱特征进行交叉注意力学习，得到目标融合特征，基于所述目标融合特征进行目标检测，得到样本目标帧点云对应的检测结果预测值。6.一种目标检测装置，其特...
【专利技术属性】
技术研发人员：冯冠植，李晗，罗川宇，马嗣昆，
申请(专利权)人：北京亮道智能汽车技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。