目标检测与速度预测方法、装置、车辆及存储介质制造方法及图纸

本申请涉及自动驾驶技术领域，特别涉及一种目标检测与速度预测方法、装置、车辆及存储介质，其中，方法包括：获取三维点云数据；对三维点云数据中三维点云进行局部特征与全局特征的编码得到编码特征，基于编码特征生成三维点云的三维点云特征；根据目标三维框中心点在热力图上的投影点确定同一目标的三维点云特征，对同一目标的三维点云特征进行检测框回归得到三维检测框，利用三维检测框检测目标的实际类别，并基于相邻探测时刻的三维检测框的中心点位置预测目标的速度。由此，解决了相关技术中手工提取特征效率低，误差大，无法预测目标速度等问题。标速度等问题。标速度等问题。

【技术实现步骤摘要】
目标检测与速度预测方法、装置、车辆及存储介质


[0001]本申请涉及自动驾驶
，特别涉及一种目标检测与速度预测方法、装置、车辆及存储介质。

技术介绍

[0002]随着自动驾驶或辅助驾驶在学术界和工业界被广泛普及，各种模态的车载摄像头也随之出现在人们的视野。通过各种手段对摄像头传来的数据进行处理，识别以及预测，已经成为自动驾驶技术不可或缺的一部分。目前，普通视觉摄像头、激光雷达和毫米波雷达已经得到广泛应用。但是视觉摄像头数据高度依赖样本库或模型，必须对所有类别进行训练才能够识别探测，但是对于自然场景的复杂性我们无法穷举，且在一些极端环境和光照下摄像头极容易受到干扰，为自动驾驶安全带来了隐患；3D毫米波雷达主要用于确定目标和发射点的距离、相对速度、方位等信息。
[0003]市面上量产的77GHz雷达不能用于分类，无法把环境周边静态目标，如树、围栏、停放的车辆和人等区分开来，因此在高速公路上，算法对静态物体进行忽略，以防止车辆误刹车。激光雷达可以产生稀疏的点云，需要和视觉摄像头配合使用，且价格十分昂贵。
专利
技术实现思路

[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标检测与速度预测方法，其特征在于，包括以下步骤：获取三维点云数据；对所述三维点云数据中三维点云进行局部特征与全局特征的编码得到编码特征，基于所述编码特征生成所述三维点云的三维点云特征；根据目标三维框中心点在热力图上的投影点确定同一目标的所述三维点云特征，对所述同一目标的所述三维点云特征进行检测框回归得到三维检测框，利用所述三维检测框检测所述目标的实际类别，并基于相邻探测时刻的三维检测框的中心点位置预测所述目标的速度。2.根据权利要求1所述的方法，其特征在于，在利用所述三维检测框检测所述目标的实际类别之前，还包括：获取所述热力图上三维检测框的顶点与中心点投影；对所述顶点与中心点投影对应的三维点云特征进行多层感知融合，输出修正后的三维检测框。3.根据权利要求1所述的方法，其特征在于，所述根据目标三维框中心点在热力图上的投影点确定同一目标的所述三维点云特征，包括：获取三维点云在所述热力图上的投影坐标；根据所述三维点云的投影坐标计算高斯核半径；根据所述三维点云的投影坐标、所述中心点的投影坐标和所述高斯核半径计算所述三维点云投影点的真值，将所述真值大于预设值对应高斯核半径范围内的三维点云特征划分为同一目标。4.根据权利要求1所述的方法，其特征在于，所述基于相邻探测时刻的三维检测框的中心点位置预测所述目标的速度，包括：获取相邻探测时刻的三维检测框的中心点坐标；根据相邻中心点坐标计算所述目标的运动距离，根据所述运动距离和相邻探测时刻之间的时长计算所述目标的速度。5.根据权利要求1所述的方法，其特征在于，所述对所述三维点云数据中三维点云进行局部特征与全局特征的编码得到编码特征，包括：对所述三维点云数据进行空间体素化，并在每个体素内采样相同点云；利用全卷积网络提取每个体素内所有点云的局部特征，并对每个体素内所有点云的局部特征逐点进行最大值池化，得到每个体素的全局特征；将每个体素的全局特征与体素内每个局部特征进行拼接，得到所述编码特征。6.根据权利要求5所述的方法，其特征在于，所述在每个体素内采样相同点云，包括：识别所述每个体素内点云的实际数量；若...

【专利技术属性】
技术研发人员：章秀秀，董楠，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：