点云数据中的三维目标检测方法、装置、存储介质及设备制造方法及图纸

本申请公开了一种点云数据中的三维目标检测方法、装置、存储介质及设备，属于自动驾驶技术领域。所述方法包括：获取待处理的一帧点云数据；在平面上将所述点云数据切割为多个点柱，并在高度上将每个点柱切割为多个子点柱；分别对每个点柱中的每个子点柱进行特征编码和高度编码，将编码结果拼接为伪图像；对所述伪图像进行识别，得到三维目标的识别结果。本申请可以通过高度编码来提高对点云数据的高度的敏感度，能够预测三维目标的高度，提高了三维目标检测的精度。三维目标检测的精度。三维目标检测的精度。

【技术实现步骤摘要】
点云数据中的三维目标检测方法、装置、存储介质及设备


[0001]本申请涉及自动驾驶
，特别涉及一种点云数据中的三维目标检测方法、装置、存储介质及设备。

技术介绍

[0002]自动驾驶过程中需要对周围的障碍物进行感知，感知时需要获取雷达(LiDAR)采集到的点云数据，再在点云数据中检测三维目标的位置以及对点云数据进行三维分割，根据检测结果规划行驶路径。
[0003]现有技术中可以在BEV视角(Battery Electric vehicle，纯电动汽车)下检测点云数据中的三维目标，具体检测模型可以是Pointpillar(点柱)模型等等。
[0004]Pointpillar模型可以针对于BEV视角进行轻量级编码，使用的pillar
‑
based编码方式虽然在速度上占优势，但是其独特的编码方式使得其对高度并不敏感，所以，Pointpillar模型只能对BEV视角下的物体进行检测，无法感知到物体的高度，也无法对点云进行三维分割来得到三维目标。

技术实现思路

[0005]本申请提供了一种点云数据中的三维目标检测方法、装置、存储介质及设备，用于解决采用Pointpillar模型时，无法感知到物体的高度，也无法对点云进行三维分割来得到三维目标的问题。所述技术方案如下：
[0006]一方面，提供了一种点云数据中的三维目标检测方法，所述方法包括：
[0007]获取待处理的一帧点云数据；
[0008]在平面上将所述点云数据切割为多个点柱，并在高度上将每个点柱切割为多个子点柱；
[0009]分别对每个点柱中的每个子点柱进行特征编码和高度编码，将编码结果拼接为伪图像；
[0010]对所述伪图像进行识别，得到三维目标的识别结果。
[0011]在一种可能的实现方式中，所述对所述伪图像进行识别，得到三维目标的识别结果，包括：
[0012]对所述伪图像进行卷积运算，得到第一特征图；
[0013]利用三维检测头对所述第一特征图进行检测，得到三维目标的位置信息和第一类别信息，所述第一类别信息表示所述三维目标所属的障碍物类别；和/或，利用分割头对所述第一特征图进行检测，得到子点柱的第二类别信息，所述第二类别信息表示所述子点柱中是否存在需要检测的障碍物。
[0014]在一种可能的实现方式中，所述利用分割头对所述第一特征图进行检测，得到子点柱的第二类别信息，包括：
[0015]对所述第一特征图进行反卷积，得到第二特征图；
[0016]利用所述分割头对所述第二特征图进行检测，得到子点柱的第二类别信息。
[0017]在一种可能的实现方式中，所述分别对每个点柱中的每个子点柱进行特征编码和高度编码，将编码结果拼接为伪图像，包括：
[0018]对每个点柱中的每个子点柱进行特征编码，得到点柱特征；
[0019]对每个点柱中的每个子点柱进行高度编码，得到高度特征；
[0020]对所述点柱特征和所述高度特征进行拼接，得到伪图像。
[0021]在一种可能的实现方式中，所述对每个点柱中的每个子点柱进行高度编码，得到高度特征，包括：
[0022]计算每个子点柱中的点云数据的高度平均值；
[0023]将所述高度平均值输入高度位置编码公式中，将所述高度位置编码公式的输出确定为高度特征；
[0024]其中，所述高度位置编码公式为P(z)＝(sin(2
i
πz)，z表示所述高度平均值，i表示子点柱的编号，L表示一个点柱中的子点柱的数量，P(z)表示高度特征。
[0025]一方面，提供了一种点云数据中的三维目标检测装置，所述装置包括：
[0026]获取模块，用于获取待处理的一帧点云数据；
[0027]切割模块，用于在平面上将所述点云数据切割为多个点柱，并在高度上将每个点柱切割为多个子点柱；
[0028]编码模块，用于分别对每个点柱中的每个子点柱进行特征编码和高度编码，将编码结果拼接为伪图像；
[0029]识别模块，用于对所述伪图像进行识别，得到三维目标的识别结果。
[0030]在一种可能的实现方式中，所述识别模块，还用于：
[0031]对所述伪图像进行卷积运算，得到第一特征图；
[0032]利用三维检测头对所述第一特征图进行检测，得到三维目标的位置信息和第一类别信息，所述第一类别信息表示所述三维目标所属的障碍物类别；和/或，利用分割头对所述第一特征图进行检测，得到子点柱的第二类别信息，所述第二类别信息表示所述子点柱中是否存在需要检测的障碍物。
[0033]在一种可能的实现方式中，所述编码模块，还用于：
[0034]对每个点柱中的每个子点柱进行特征编码，得到点柱特征；
[0035]对每个点柱中的每个子点柱进行高度编码，得到高度特征；
[0036]对所述点柱特征和所述高度特征进行拼接，得到伪图像。
[0037]一方面，提供了一种计算机可读存储介质，所述存储介质中存储有至少一条指令，所述至少一条指令由处理器加载并执行以实现如上所述的点云数据中的三维目标检测方法。
[0038]一方面，提供了一种计算机设备，所述计算机设备包括处理器和存储器，所述存储器中存储有至少一条指令，所述指令由所述处理器加载并执行以实现如上所述的点云数据中的三维目标检测方法。
[0039]本申请提供的技术方案的有益效果至少包括：
[0040]在平面上将点云数据切割为多个点柱，并在高度上将每个点柱切割为多个子点
柱，然后，分别对每个点柱中的每个子点柱进行特征编码和高度编码，将编码结果拼接为伪图像，最后，对伪图像进行识别，得到三维目标的识别结果，这样，可以通过高度编码来提高对点云数据的高度的敏感度，能够预测三维目标的高度，提高了三维目标检测的精度。
[0041]利用三维检测头对第一特征图进行检测，得到三维目标的位置信息和第一类别信息，第一类别信息表示三维目标所属的障碍物类别，可以实现BEV视角下的三维目标检测任务；和/或，利用分割头对第一特征图进行检测，得到子点柱的第二类别信息，第二类别信息表示子点柱中是否存在需要检测的障碍物，可以实现对点云的三维分割任务。
附图说明
[0042]为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0043]图1是本申请一个实施例提供的点云数据中的三维目标检测方法的方法流程图；
[0044]图2是本申请一个实施例提供的编码流程的示意图；
[0045]图3是本申请一个实施例提供的卷积和检测流程的示意图；
[0046]图4是本申请一个实施例提供的点云数据中的三维目标检测装置的结构框图。
具体实施方式
[0047]为使本申本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种点云数据中的三维目标检测方法，其特征在于，所述方法包括：获取待处理的一帧点云数据；在平面上将所述点云数据切割为多个点柱，并在高度上将每个点柱切割为多个子点柱；分别对每个点柱中的每个子点柱进行特征编码和高度编码，将编码结果拼接为伪图像；对所述伪图像进行识别，得到三维目标的识别结果。2.根据权利要求1所述的方法，其特征在于，所述对所述伪图像进行识别，得到三维目标的识别结果，包括：对所述伪图像进行卷积运算，得到第一特征图；利用三维检测头对所述第一特征图进行检测，得到三维目标的位置信息和第一类别信息，所述第一类别信息表示所述三维目标所属的障碍物类别；和/或，利用分割头对所述第一特征图进行检测，得到子点柱的第二类别信息，所述第二类别信息表示所述子点柱中是否存在需要检测的障碍物。3.根据权利要求2所述的方法，其特征在于，所述利用分割头对所述第一特征图进行检测，得到子点柱的第二类别信息，包括：对所述第一特征图进行反卷积，得到第二特征图；利用所述分割头对所述第二特征图进行检测，得到子点柱的第二类别信息。4.根据权利要求1至3中任一项所述的方法，其特征在于，所述分别对每个点柱中的每个子点柱进行特征编码和高度编码，将编码结果拼接为伪图像，包括：对每个点柱中的每个子点柱进行特征编码，得到点柱特征；对每个点柱中的每个子点柱进行高度编码，得到高度特征；对所述点柱特征和所述高度特征进行拼接，得到伪图像。5.根据权利要求4所述的方法，其特征在于，所述对每个点柱中的每个子点柱进行高度编码，得到高度特征，包括：计算每个子点柱中的点云数据的高度平均值；将所述高度平均值输入高度位置编码公式中，将所述高度位置编码公式的输出确定为高度特征；其中，所...

【专利技术属性】
技术研发人员：董博，林金表，许舒恒，
申请(专利权)人：九识苏州智能科技有限公司，
类型：发明
国别省市：