一种基于结构信息增强的点云目标检测方法及相关设备技术

本申请公开了一种基于结构信息增强的点云目标检测方法及相关设备，涉及目标检测领域，该方法包括：获取训练样本集，输入至点云目标检测网络中，基于点云目标检测网络的主干网络提取训练样本集中的点云数据的增强体素特征；根据增强体素特征提取初始候选框参数；对初始候选框参数利用非极大值抑制操作

【技术实现步骤摘要】
一种基于结构信息增强的点云目标检测方法及相关设备


[0001]本说明书涉及目标检测领域，更具体地说，本申请涉及一种基于结构信息增强的点云目标检测方法及相关设备
。

技术介绍

[0002]随着计算机视觉和人工智能技术的兴起，自动驾驶技术发展迅速，其核心任务是在复杂环境中感知和定位周围各个目标，因此，研究复杂场景中的目标检测方法对于自动驾驶系统至关重要
。
[0003]传统的目标检测方法采用
RGB
图像作为输入数据，通过输出目标的类别和位置信息来实现目标检测
。
但由于二维图像信息难以满足自动驾驶场景下目标检测的需求，因此基于激光雷达点云数据的点云目标检测方法获得了广泛关注，其在二维目标检测方法的基础上增加了对目标尺寸
、
深度和姿态等信息的估计，从而极大提高了目标检测性能
。
[0004]在实际交通场景中，由于激光雷达传感器的不平衡性以及环境的复杂性，遮挡目标和远距离目标由传感器采集到的点云过于稀疏且形状残缺，导致这类目标丢失了重要的几何和语义信息，难以被检本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于结构信息增强的点云目标检测方法，其特征在于，包括：获取训练样本集，输入至点云目标检测网络中，基于所述点云目标检测网络中的主干网络提取所述训练样本集中的点云数据的增强体素特征，其中，所述主干网络包括体素化操作
、
上下文信息增强编码器和上采样操作；根据所述增强体素特征获取逐点特征，并将所述逐点特征基于所述点云目标检测网络中的区域候选网络提取初始候选框参数；对所述初始候选框参数利用所述点云目标检测网络中的非极大值抑制操作
、
感兴趣区域池化操作
、
点云补全操作
、
结构特征提取操作和特征融合操作以获取聚合特征；根据所述聚合特征进行所述点云目标检测网络中的类别信息预测操作和框回归操作以获取目标类别分数和框参数残差，并基于所述初始候选框参数
、
所述目标类别分数和所述框参数残差计算总损失值以更新所述点云目标检测网络的参数，以获取点云目标检测模型；利用所述点云目标检测模型对待检测样本集进行检测，生成点云目标检测框和点云目标类别信息，完成点云目标检测
。2.
根据权利要求1所述的基于结构信息增强的点云目标检测方法，其特征在于，所述基于所述点云目标检测网络中的主干网络提取所述训练样本集中的点云数据的增强体素特征，包括：根据所述训练样本集中的点云数据基于所述体素化操作获取体素数据和体素特征；对所述体素数据和所述体素特征通过所述上下文信息增强编码器执行
H
次第一迭代运算，以获取增强体素数据和注意力增强特征，其中，所述上下文信息增强编码器包括
H
层，
H
为大于或等于2的正整数，每层执行一次所述第一迭代运算；根据所述增强体素数据和所述注意力增强特征进行所述上采样操作，以获取所述增强体素特征
。3.
根据权利要求2所述的基于结构信息增强的点云目标检测方法，其特征在于，所述第一迭代运算包括下采样操作
、
聚合扩展操作
、
局部注意力范围增强加权操作
、
膨胀注意力范围增强加权操作
、
第一拼接操作和第一前馈网络操作，所述对所述体素数据和所述体素特征通过所述上下文信息增强编码器执行
H
次第一迭代运算，以获取增强体素数据和注意力增强特征，包括：将所述体素数据和所述体素特征作为所述上下文信息增强编码器的首层输入体素数据和首层输入体素特征；将所述上下文信息增强编码器的所述首层输入体素数据和所述首层输入体素特征进行所述下采样操作和所述聚合扩展操作，以获取扩展非空体素和扩展非空体素特征，并将所述扩展非空体素作为首层输出体素数据；将所述扩展非空体素进行所述局部注意力范围增强加权操作和所述膨胀注意力范围增强加权操作，以获取首层局部注意力加权体素特征和首层膨胀注意力加权体素特征；将所述首层局部注意力加权体素特征和所述首层膨胀注意力加权体素特征进行所述第一拼接操作和所述第一前馈网络操作，以获取首层输出体素特征；将所述首层输出体素数据和所述首层输出体素特征通过所述上下文信息增强编码器的剩余
(H
‑
1)
层继续执行
(H
‑
1)
次所述第一迭代运算，以得到增强体素数据和注意力增强特
征，其中，所述增强体素数据和所述注意力增强特征是所述上下文信息增强编码器的最后一层输出的
。4.
根据权利要求1所述的基于结构信息增强的点云目标检测方法，其特征在于，对所述初始候选框参数利用所述点云目标检测网络中的非极大值抑制操作
、
感兴趣区域池化操作
、
点云补全操作
、
结构特征提取操作和特征融合操作以获取聚合特征，包括：对所述初始候选框参数进行所述非极大值抑制操作，以获取筛选候选框；对所述筛选候选框进行所述感兴趣区域池化操作，以获取感兴趣区域特征；对所述筛选候选框进行所述点云补全操作，以获取密集点云；对所述密集点云进行所述结构特征提取操作，以获取目标结构特征；将所述感兴趣区域特征和所述目标结构特征进行所述特征融合操作，以获取所述聚合特征
。5.
根据权利要求4所述的基于结构信息增强的点云目标检测方法，其特征在于，所述点云补全操作包括最远点采样操作
、
提取中心点邻域范围特征操作
、
第一嵌入操作
、
第二迭代运算
、
最大池化操作
、
多层感知器
、
第二嵌入操作
、
第三迭代运算和神经网络操作，对所述筛选候选框进行所述点云补全操作，以获取密集点云，包括：对所述筛选候选框进行所述最远点采样操作，以获取第一中心点数据；对所述第一中心点数据进行所述提取中心点邻域...

【专利技术属性】
技术研发人员：周静，林腾星，詹志明，刘震，
申请(专利权)人：江汉大学，
类型：发明
国别省市：