一种基于加权关系感知的3D点云目标检测方法及装置制造方法及图纸

本申请提供了一种基于加权关系感知的3D点云目标检测方法及装置，所述方法包括：获取原始3D点云数据；利用PointNet++网络对原始3D点云数据进行处理，得到多个种子点；利用预先训练完成的共享投票模型对多个种子点进行处理，得到包括多个投票的投票集群；对投票集群进行采样和分组，得到多个目标候选；利用预先训练完成的加权关系感知提案生成模型对目标候选进行更新，得到更新的目标候选；利用多层感知机对更新的目标候选的进行处理，得到对象提议；对对象提议进行解码，得到目标检测结果。本申请能够提高3D点云数据的目标检测的精度。本申请能够提高3D点云数据的目标检测的精度。本申请能够提高3D点云数据的目标检测的精度。

【技术实现步骤摘要】
一种基于加权关系感知的3D点云目标检测方法及装置


[0001]本申请涉及自动驾驶
，尤其是涉及一种基于加权关系感知的3D点云目标检测方法及装置。

技术介绍

[0002]在3D点云数据利用卷积进行目标检测时，为了避免不规则性，有两种常用的方法，一种是将原始点云投影到对齐的结构上，如体素网格，可以自然地应用三维卷积，另一种是采用最大池化方法直接融合不规则点云的信息。这些方法能够在输入场景完整、清晰的情况下取得良好的性能，但是真实的数据通常是不完整且有噪点的，使得这种潜在上下文融合的方法难以提取关键信息。
[0003]为了进一步利用好上下文信息，可以建立目标之间的关系图，利用场景图的推断来增强对3D场景的理解，但是为了构造正确的场景图，需要引入额外的回归监督。此外，还可以利用场景中所有可能的关系从而避免引入额外标签。但是，即使使用分层结构来维持上下文关系，但考虑所有的关系仍然是冗余的并且可能会有太多噪点。此外，大多数显式利用上下文的方法都是专门的网络架构，这对改善现有的检测方法比较困难。

技术实现思路

>[0004]有鉴于本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于加权关系感知的3D点云目标检测方法，其特征在于，包括：获取原始3D点云数据；利用PointNet++网络对原始3D点云数据进行处理，得到多个种子点；利用预先训练完成的共享投票模型对多个种子点进行处理，得到包括多个投票的投票集群；对投票集群进行采样和分组，得到多个目标候选；利用预先训练完成的加权关系感知提案生成模型对目标候选进行更新，得到更新的目标候选；利用预先训练完成的第一多层感知机对更新的目标候选的进行处理，得到对象提议；对对象提议进行解码，得到目标检测结果。2.根据权利要求1所述的方法，其特征在于，所述共享投票模块采用第二多层感知机；利用预先训练完成的共享投票模型对多个种子点进行处理，得到包括多个投票的投票集群；包括：利用第二多层感知机对第i个种子点进行处理，得到第i个种子点的位置偏移量Δp
i
和特征偏移量Δf
i
；第i个种子点s
i
＝[p
i
；
i
],p
i
为种子点的三维位置，f
i
为种子点的点云特征；计算第i个种子点修正后的三维位置y
i
和点云特征g
i
：y
i
＝
i
+Δp
i
,g
i
＝
i
+Δf
i
则第i个种子点的投票v
i
为：v
i
＝[y
i
,i]；则投票集群为：M为种子点的个数。3.根据权利要求2所述的方法，其特征在于，对投票集群进行采样和分组，得到多个目标候选；包括：利用最远点采样算法对投票集群进行采样，得到K个中心点；将每个中心点作为球心，利用球查询获取每个球心的局部邻域，每个球心的局部邻域作为一个目标候选，每个目标候选包括该局部区域的所有投票。4.根据权利要求3所述的方法，其特征在于，加权关系感知提案生成模型包括：加权自注意力处理单元、拼接单元、第三多层感知机和加法单元；加权自注意力处理单元包括处理单元和加权自注意力层；所述处理单元包括：第一处理分支、第二处理分支、第三处理分支和多层感知机；利用预先训练完成的加权关系感知提案生成模型对目标候选进行更新，得到更新的目标候选；包括：利用第一处理分支对K个目标候选进行处理，得到矩阵Q：Q＝W
Q
O(C)其中，W
Q
为参数化的多层感知机，O(C)表示K个目标候选；利用第二处理分支对K个目标候选进行处理，得到矩阵K：K＝W
K
O(C)其中，W
K
为参数化的多层感知机；利用第三处理分支对K个目标候选进行...

【专利技术属性】
技术研发人员：李骏，张新钰，王力，谢涛，陆晓敏，邓富强，
申请(专利权)人：清华大学，
类型：发明
国别省市：