三维目标检测方法、装置、计算机设备和存储介质制造方法及图纸

本申请涉及一种三维目标检测方法、装置、计算机设备、存储介质和计算机程序产品。所述方法通过获取待检测图像，并通过预先训练的三维目标检测模型对待检测图像进行目标检测，得到候选目标的检测结果，进而根据检测结果中的不确定度以及分类置信度确定候选目标的目标置信度，由于该目标置信度可以表征候选目标所属类别和所在位置的综合可靠性，因此，实现了对候选目标的可靠性预测，提高了模型的检测性能。能。能。

【技术实现步骤摘要】
三维目标检测方法、装置、计算机设备和存储介质


[0001]本申请涉及目标检测
，特别是涉及一种三维目标检测方法、装置、计算机设备、存储介质和计算机程序产品。

技术介绍

[0002]目标检测不仅需要识别出图像上存在的物体，给出对应的类别，还需要将该物体的位置通过最小包围框(Bounding box)的方式给出。随着目标检测技术的发展，基于点云的三维(3
‑
Dimension，简称3D)目标检测算法在自动驾驶领域受到了广泛关注和应用。3D检测算法通常包括基于体素的检测方法和基于点的检测方法。其中，基于体素的检测方法首先将输入点云划分成规则的体素网格，然后对体素特征进行编码，再使用3D稀疏卷积神经网络对体素网格提取特征，输出特征经过密集化处理和2D骨干网络后通过检测头输出分类和回归结果(最小包围框即3D边界框的参数)。而基于点的检测方法会直接从原始点云中学习点的特征，不需要经过体素化等预处理操作。由于基于体素的检测方法具有高效的3D稀疏卷积，因此其实时性比较好，而基于点的检测方法由于是直接从原始点云提取特征，避免了结构化处理带本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种三维目标检测方法，其特征在于，所述方法包括：获取待检测图像；通过预先训练的三维目标检测模型对所述待检测图像进行目标检测，得到候选目标的三维定位信息、所述三维定位信息的不确定度以及所述候选目标的分类置信度；根据所述不确定度以及所述分类置信度确定所述候选目标的目标置信度，所述目标置信度用于表征所述候选目标所属类别和所在位置的综合可靠性。2.根据权利要求1所述的方法，其特征在于，所述三维目标检测模型的生成方法包括：获取待训练的三维目标检测模型，所述待训练的三维目标检测模型包括用于预测目标的三维定位信息的第一分支、用于预测所述三维定位信息的不确定度的第二分支以及用于预测所述目标的分类置信度的第三分支；将样本图像输入待训练的三维目标检测模型进行目标检测，得到所述第一分支预测的样本目标的三维定位信息、所述第二分支预测的所述三维定位信息的不确定度以及所述第三分支预测的所述样本目标的分类置信度；根据预测的样本目标的三维定位信息、所述三维定位信息的不确定度以及所述样本目标的分类置信度，采用预设的不确定度回归损失函数和分类损失函数，对所述第一分支、所述第二分支和所述第三分支进行训练，直到收敛时得到训练后的所述三维目标检测模型。3.根据权利要求2所述的方法，其特征在于，所述第二分支采用平均值为第一目标值、标准差为第二目标值的高斯分布进行初始化。4.根据权利要求2所述的方法，其特征在于，所述样本图像包括所述样本目标的三维定位信息标签；所述预设的不确定度回归损失函数，根据所述样本图像中样本目标的三维定位信息标签、预测的所述样本图像中样本目标的三维定位信息、预测的所述三维定位信息的不确定度以及超参数确定。5.根据权利要求4所述的方法，其特征在于，所述方法还包括：根据所述样本图像中所述样本目标的三维定...

【专利技术属性】
技术研发人员：凌强，周策，何欣栋，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：