一种目标检测方法、装置及终端设备制造方法及图纸

本发明专利技术适用于图像目标检测技术邻域，提供了一种目标检测方法、装置及终端设备，方法包括：获取待检测图像的点云数据；计算点云数据的每个原始点云的球型掩码，以及其所属球型邻域的掩码特征；通过基于球型掩码的最远点采样对点云数据进行关键点采样，获得基于点云数据的采样点集；通过基于球型邻域的全局特征提取层增强K个关键点云的掩码特征；解码后对解码结果进行预测处理，获得初级三维建议；完善初级三维建议输出初级感兴趣区域池，并根据交并比阈值进行过滤，再对过滤后的初级感兴趣区域池进行特征提取，以特征提取后的感兴趣区域池作为待检测图像的目标检测结果。本发明专利技术在行人等目标的检测上，有较强的特征提取能力。有较强的特征提取能力。有较强的特征提取能力。

【技术实现步骤摘要】
一种目标检测方法、装置及终端设备
[0001]技术邻域
[0002]本专利技术涉及图像目标检测技术邻域，尤其涉及一种目标检测方法、装置及终端设备。

技术介绍

[0003]目标检测作为计算机视觉邻域中最根本也是最具有挑战性的问题之一，近年来受到社会各界的广泛研究与探索。作为计算机视觉邻域的一项重要任务，目标检测通常需要完成的是：提供数字图像中某类视觉对象(如人类、动物或汽车)的具体位置。以自动驾驶技术为例，目标检测在自动驾驶技术中应用时，可以对静态目标和动态目标进行目标种类的识别、位置信息的获取等，从而识别行人及障碍物，帮助自动驾驶汽车进行有效的预测和规划。
[0004]大部分3D目标检测方法使用来自激光雷达的点云作为初始数据，相比于相机，有更加精确的距离信息和更强的抗干扰能力，不易受到外界天气变化和光照的影响。但是，常用的3D目标检测方法，先采用最远点采样筛选出关键点，再对采样获得的关键点进行编码，从而找出图像中所有感兴趣的区域，确定目标及目标的类别和位置。其在筛选关键点这一步骤中，最远点采样仅依赖于相对距离，即关键点的采样策略具有单一性，使得特本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：获取待检测图像的点云数据；计算所述点云数据的每个原始点云的球型掩码，以及其所属球型邻域的掩码特征；通过基于球型掩码的最远点采样对所述点云数据进行关键点采样，获得基于所述点云数据的采样点集，所述采样点集包括K个关键点云，所述关键点云的数量小于所述原始点云的数量；通过基于球型邻域的全局特征提取层增强K个关键点云的掩码特征；K为正整数；根据K个关键点云的坐标信息及增强后的掩码特征进行解码；对解码结果进行预测处理，获得初级三维建议；通过3D区域提议网络和非极大值抑制完善所述初级三维建议输出初级感兴趣区域池；根据交并比阈值对所述初级感兴趣区域池进行过滤，并通过角部特征提取层和网格池层对过滤后的初级感兴趣区域池进行特征提取，以特征提取后的感兴趣区域池作为所述待检测图像的目标检测结果。2.如权利要求1所述的目标检测方法，其特征在于，计算所述点云数据的每个原始点云的球型掩码，以及其所属球型邻域的掩码特征，包括：对于任一原始点云，筛选在球型邻域半径内的所有点云作为此原始点云的球型掩码；计算所述在球型邻域半径内的所有点云在垂直方向上的最大偏移，获得垂直方向上的垂直特征，所述垂直特征为此原始点云所属球型邻域的掩码特征。3.如权利要求2所述的目标检测方法，其特征在于，还包括：对于垂直特征为0的原始点云，将其球型掩码设置为0。4.如权利要求3所述的目标检测方法，其特征在于，通过基于球型掩码的最远点采样对所述点云数据进行关键点采样之前，包括：设置球型查询半径；根据所述球型查询半径进行球型掩码筛选，过滤所述点云数据中的球型掩码为0的原始点云。5.如权利要求4所述的目标检测方法，其特征在于，通过基于球型掩码的最远点采样对所述点云数据进行关键点采样，包括：将所述点云数据中任一原始点云作为起始点；获取所述起始点的球型掩码；当所述起始点的球型掩码为1时，将此原始点云加入采样点集；计算剩余原始点云到起始点的距离，构成N维距离阵列；将所述N维距离阵列与起始点的球型掩码相乘得到掩码距离阵列；若所述采样点集的数据量小于N，则从所述掩码距离阵列中选择具有最大数值的点作为关键点云；将所述关键点云加入所述采样点集，并从所述掩码距离阵列中删除所述具有最大数值的点；计算剩余原始点云到所述关键点云的距离，若剩余原始点云到所述关键点云的距离小于掩码距离阵列的任意一...

【专利技术属性】
技术研发人员：朱冬，宋雯，方向明，唐国梅，张建，杨光夏，邓迪杭，仲元红，
申请(专利权)人：七腾机器人有限公司，
类型：发明
国别省市：