System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 三维目标检测方法、装置、自动驾驶设备及存储介质制造方法及图纸_技高网

三维目标检测方法、装置、自动驾驶设备及存储介质制造方法及图纸

技术编号:40868451 阅读:4 留言:0更新日期:2024-04-08 16:34
本申请实施例提供了一种三维目标检测方法、装置、自动驾驶设备及计算机存储介质,其中,三维目标检测方法包括:获取自动驾驶设备所在环境的三维点云;基于所述三维点云进行三维体素特征提取,获取对应的三维体素特征;将所述三维体素特征投影为二维伪图像,并对所述二维伪图像进行稀疏卷积,获得对应的二维图像特征;根据所述二维图像特征进行热力峰值计算,根据计算结果和所述二维图像特征进行三维目标检测。通过本申请实施例,可以有效兼顾三维目标检测场景的实时性与准确性要求。

【技术实现步骤摘要】

本申请实施例涉及人工智能领域,尤其涉及一种三维目标检测方法、装置、自动驾驶设备及计算机存储介质。


技术介绍

1、自动驾驶技术是一种依靠计算机与人工智能来操控相应的设备自主行驶的一种技术,也称无人驾驶技术。

2、在自动驾驶技术中,环境感知是其重要的一个组成部分。环境感知主要通过多种类型的传感器对自动驾驶设备(如车辆、机器人、飞行器等)的周围环境进行数据采集,进而生成量化描述,并以不同的数据形式输出,其结果直接影响着定位、规控等后端环节的质量与效果。在进行数据采集的多种传感器中,激光雷达以其高探测精度、可以准确地感知到自动驾驶设备周围的环境三维信息等,被广泛应用于环境感知场景中,以期通过激光雷达采集的点云数据和进行三维目标检测的模型,获得较为准确的目标检测结果,实现对环境的准确感知。

3、但是,因激光雷达采集获得的点云数据的数据量较大,以其为依据通过三维目标检测模型进行的三维目标检测,对自动驾驶设备具有很高的算力要求,尤其是在车载嵌入式平台场景中,因车载嵌入式平台算力有限,但同时又具有较高的三维目标检测实时性要求,使得在这种场景下,实现兼具实时性与准确性要求的三维目标检测极为困难。


技术实现思路

1、有鉴于此,本申请实施例提供一种三维目标检测方案,以至少部分解决上述问题。

2、根据本申请实施例的第一方面,提供了一种三维目标检测方法,包括:获取自动驾驶设备所在环境的三维点云;基于所述三维点云进行三维体素特征提取,获取对应的三维体素特征;将所述三维体素特征投影为二维伪图像,并对所述二维伪图像进行稀疏卷积,获得对应的二维图像特征;根据所述二维图像特征进行热力峰值计算,根据计算结果和所述二维图像特征进行三维目标检测。

3、根据本申请实施例的第二方面,提供了一种三维目标检测装置,包括:第一获取模块,用于获取自动驾驶设备所在环境的三维点云;第二获取模块,用于基于所述三维点云进行三维体素特征提取,获取对应的三维体素特征;第三获取模块,用于将所述三维体素特征投影为二维伪图像,并对所述二维伪图像进行稀疏卷积,获得对应的二维图像特征;检测模块,用于根据所述二维图像特征进行热力峰值计算,根据计算结果和所述二维图像特征进行三维目标检测。

4、根据本申请实施例的第三方面,提供了一种自动驾驶设备,包括:三维点云采集装置和处理器;其中:所述三维点云采集装置,用于采集自动驾驶设备所在环境的三维点云;所述处理器,用于基于所述三维点云,执行如第一方面所述的方法对应的三维目标检测。

5、根据本申请实施例的第四方面,提供了一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如第一方面所述的方法。

6、根据本申请实施例提供的三维目标检测方案,一方面,针对三维体素特征投影成的二维伪图像,不再采用传统方式中的普通二维卷积方式,而是采用稀疏卷积方式,以更好地贴合实际的点云描述的三维对象,获得更为准确的二维图像特征;另一方面,将传统的基于锚框形式(anchor-base)的检测头替换为无锚框的热力图峰值形式的检测头,以避免因锚框候选范围的不准确或扩充,而导致的算力浪费,并且,基于热力峰值的形式,结合二维图像特征回归出各类别三维对象的边界框,不仅节省了硬件算力,提高了计算的实时性,还极大地提升了边界框检测的精度,确保检测结果的准确性。当将本申请实施例的方案应用三维目标检测场景,尤其是车载嵌入式平台的三维目标检测场景中时,因节省了算力,且提升了检测精度,因而可以有效兼顾三维目标检测场景的实时性与准确性要求。

本文档来自技高网...

【技术保护点】

1.一种三维目标检测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述基于所述三维点云进行三维体素特征提取,获取对应的三维体素特征,包括:

3.根据权利要求1所述的方法,其特征在于,所述根据所述二维图像特征进行热力峰值计算,根据计算结果和所述二维图像特征进行三维目标检测,包括:

4.根据权利要求1所述的方法,其特征在于,所述三维目标检测方法通过基于支柱的三维目标检测模型执行,所述基于支柱的三维目标检测模型包括:三维体素特征提取部分、二维图像特征提取部分、和检测头部分;

5.根据权利要求4所述的方法,其特征在于,所述三维体素特征提取部分包括:体素化部分和三维体素特征编码器部分;

6.根据权利要求4所述的方法,其特征在于,所述二维图像特征提取部分包括投影部分和二维编码器部分;

7.根据权利要求6所述的方法,其特征在于,所述二维编码器部分包括多层二维稀疏卷积层;

8.根据权利要求7所述的方法,其特征在于,所述多层二维稀疏卷积层为采用稀疏卷积的ResNet18模型中的多个稀疏卷积层。

9.根据权利要求4所述的方法,其特征在于,所述检测头部分为中心热力图检测头。

10.根据权利要求4-9任一项所述的方法,其特征在于,所述方法还包括:

11.根据权利要求10所述的方法,其特征在于,所述数据增强处理包括以下处理至少之一:

12.一种三维目标检测装置,其特征在于,包括:

13.一种自动驾驶设备,其特征在于,包括:三维点云采集装置和处理器;

14.根据权利要求13所述的方法,其特征在于,所述处理器,还用于根据三维目标检测的检测结果,进行自动驾驶决策;并且,根据决策结果,驱动所述自动驾驶设备进行驾驶任务处理。

15.一种计算机存储介质,其上存储有计算机程序,该程序被处理器执行时实现如权利要求1-11中任一所述的方法。

...

【技术特征摘要】

1.一种三维目标检测方法,其特征在于,包括:

2.根据权利要求1所述的方法,其特征在于,所述基于所述三维点云进行三维体素特征提取,获取对应的三维体素特征,包括:

3.根据权利要求1所述的方法,其特征在于,所述根据所述二维图像特征进行热力峰值计算,根据计算结果和所述二维图像特征进行三维目标检测,包括:

4.根据权利要求1所述的方法,其特征在于,所述三维目标检测方法通过基于支柱的三维目标检测模型执行,所述基于支柱的三维目标检测模型包括:三维体素特征提取部分、二维图像特征提取部分、和检测头部分;

5.根据权利要求4所述的方法,其特征在于,所述三维体素特征提取部分包括:体素化部分和三维体素特征编码器部分;

6.根据权利要求4所述的方法,其特征在于,所述二维图像特征提取部分包括投影部分和二维编码器部分;

7.根据权利要求6所述的方法,其特征在于,所述二维编码器部分包括多层二维稀疏卷积...

【专利技术属性】
技术研发人员:孙澒椿
申请(专利权)人:北京智行者科技股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1