一种基于激光雷达的目标检测方法及系统技术方案

本发明专利技术公开了一种基于激光雷达的目标检测方法及系统，方法包括：对激光雷达采集到的点云体素化后，通过特征提取和候选区域提取生成多个候选区域；分别将每个候选区域通过点云补全网络进行补全，得到补全后的候选区域，候选区域与所述补全后的候选区域一一对应；分别对每个补全后的候选区域进行特征提取后，预测出与补全后的候选区域一一对应的候选区域特征信息，候选区域特征信息包括：候选区域类别和候选区域边框位置和候选区域尺寸信息。本发明专利技术能够在目标被遮挡的情况下，通过对候选区域中的点云进行补全，有效提高了目标的检测精度。

【技术实现步骤摘要】
一种基于激光雷达的目标检测方法及系统
本专利技术涉及汽车感知算法
，尤其涉及一种基于激光雷达的目标检测方法及系统。
技术介绍
现有的基于激光雷达的目标检测方法主要分为两种：一种是直接通过各种卷积模块提取输入的激光点云信息，然后输出得到检测目标的类别及位置；另一种是首先生成多个精度较高的候选区域，然后对得到的候选区域进行微调，从而得到更准确的分类和位置回归。当被检测目标被遮挡时，由于激光雷达扫描得到的点较少，使得采用现有的这两种检测方法不能得到较好的检测效果。因此，在目标被遮挡的情况下，如何有效的提高目标的检测精度，是一项亟待解决的问题。
技术实现思路
有鉴于此，本专利技术提供了一种基于激光雷达的目标检测方法及系统，在目标被遮挡的情况下，通过对候选区域中的点云进行补全，有效提高了目标的检测精度。本专利技术提供了一种基于激光雷达的目标检测方法，包括：对激光雷达采集到的点云体素化后，通过特征提取和候选区域提取生成多个候选区域；分别将每个所述候选区域通过点云补全网络进行补全，得到补全后的候选区域，所述候选区域与所述补全后的候选区域一一对应；分别对每个所述补全后的候选区域进行特征提取后，预测出与所述补全后的候选区域一一对应的候选区域特征信息，所述候选区域特征信息包括：候选区域类别和候选区域边框位置和候选区域尺寸信息。可选地，所述对激光雷达采集到的点云体素化后，通过特征提取和候选区域提取生成多个候选区域，包括：利用点云的空间信息将所述激光雷达采集到的点云划分为一个3D体素网格，其中，所述3D体素网格中包括多个相同大小的体素；针对每个非空体素，将其中的点云通过神经网络全连接层编码成一个k维的特征向量，其中，所述非空体素为包含点云的体素；将所有编码得到的特征向量全部输入到3D特征金字塔网络中进行深层特征的提取，得到点云的深层特征；将所述点云的深层特征送入候选区域提取网络，生成多个候选区域。可选地，所述分别将每个所述候选区域通过点云补全网络进行补全，得到补全后的候选区域包括：获取每个所述候选区域的数据，其中，每个所述候选区域的数据包括：点云个数p，以及每个点云的三维坐标和反射强度；获取第一噪声数据，其中，所述第一噪声数据包括：点云个数q，以及每个点云的三维坐标和反射强度；每个所述候选区域的数据和所述第一噪声数据基于预先训练生成的预设补全模型进行补全，得到补全后的候选区域。可选地，所述预设补全模型的训练过程包括：对激光雷达采集到的样品部分区域的点云进行处理，得到所述样品的候选区域的数据，其中，所述样品的候选区域的数据包括：点云个数m，以及每个点云的三维坐标和反射强度；获取第二噪声数据，所述第二噪声数据包括：点云个数n，以及每个点云的三维坐标和反射强度；所述样品的候选区域的数据和所述第二噪声数据基于初始补全模型进行补全，得到第一数据；对所述第一数据进行采样，得到第二数据，其中，所述第二数据包括：点云个数t，以及每个点云的三维坐标和反射强度；对所述样品对应的完整区域进行采样，得到第三数据，其中，所述第三数据包括：点云个数t，以及每个点云的三维坐标和反射强度；为所述第二数据设置第一识别标签，为所述第三数据设置第二识别标签；将所述第二数据和所述第三数据输入初始判别模型，得到第一判别结果；基于所述第一识别标签、所述第二识别标签和所述第一判别结果得到所述初始判别模型的判别精度；基于所述判别精度不断调整所述初始判别模型的参数，直至所述判别精度达到设定阈值，得到目标判别模型；将所述第二识别标签分配给所述第二数据；将分配有所述第二识别标签的所述第二数据输入所述目标判别模型，得到第二判别结果；根据所述第二判别结果不断调整所述初始补全模型的参数，直至所述目标判别模型输出的第二判断结果满足预设条件，得到所述预设补全模型。可选地，所述初始补全模型的结构为生成对抗网络的生成器模型的结构，所述初始判别模型的结构为生成对抗网络的判别器模型的结构。一种基于激光雷达的目标检测系统，包括：生成模块，用于对激光雷达采集到的点云体素化后，通过特征提取和候选区域提取生成多个候选区域；补全模块，用于分别将每个所述候选区域通过点云补全网络进行补全，得到补全后的候选区域，所述候选区域与所述补全后的候选区域一一对应；预测模块，用于分别对每个所述补全后的候选区域进行特征提取后，预测出与所述补全后的候选区域一一对应的候选区域特征信息，所述候选区域特征信息包括：候选区域类别和候选区域边框位置和候选区域尺寸信息。可选地，所述生成模块包括：体素化单元，用于利用点云的空间信息将所述激光雷达采集到的点云划分为一个3D体素网格，其中，所述3D体素网格中包括多个相同大小的体素；编码单元，用于针对每个非空体素，将其中的点云通过神经网络全连接层编码成一个k维的特征向量，其中，所述非空体素为包含点云的体素；深层特征提取单元，用于将所有编码得到的特征向量全部输入到3D特征金字塔网络中进行深层特征的提取，得到点云的深层特征；候选区域生成单元，用于将所述点云的深层特征送入候选区域提取网络，生成多个候选区域。可选地，所述补全模块包括：第一获取单元，用于获取每个所述候选区域的数据，其中，每个所述候选区域的数据包括：点云个数p，以及每个点云的三维坐标和反射强度；第二获取单元，用于获取第一噪声数据，其中，所述第一噪声数据包括：点云个数q，以及每个点云的三维坐标和反射强度；第一补全单元，用于每个所述候选区域的数据和所述第一噪声数据基于预先训练生成的预设补全模型进行补全，得到补全后的候选区域。可选地，还包括用于训练生成所述预设补全模型的训练模块，所述训练模块包括：处理单元，用于对激光雷达采集到的样品部分区域的点云进行处理，得到所述样品的候选区域的数据，其中，所述样品的候选区域的数据包括：点云个数m，以及每个点云的三维坐标和反射强度；第三获取单元，用于获取第二噪声数据，所述第二噪声数据包括：点云个数n，以及每个点云的三维坐标和反射强度；第二补全单元，用于所述样品的候选区域的数据和所述第二噪声数据基于初始补全模型进行补全，得到第一数据；第一采样单元，用于对所述第一数据进行采样，得到第二数据，其中，所述第二数据包括：点云个数t，以及每个点云的三维坐标和反射强度；第二采样单元，用于对所述样品对应的完整区域进行采样，得到第三数据，其中，所述第三数据包括：点云个数t，以及每个点云的三维坐标和反射强度；设置单元，用于为所述第二数据设置第一识别标签，为所述第三数据设置第二识别标签；第一判别单元，用于将所述第二数据和所述第三数据输入初始判别模型，得到第一判别结果；计算单元，用于基于所述第一识别标签、所述第二识别标签和所述第一判别结果得到所述初始判别模型的判别精度；本文档来自技高网...

【技术保护点】
1.一种基于激光雷达的目标检测方法，其特征在于，包括：/n对激光雷达采集到的点云体素化后，通过特征提取和候选区域提取生成多个候选区域；/n分别将每个所述候选区域通过点云补全网络进行补全，得到补全后的候选区域，所述候选区域与所述补全后的候选区域一一对应；/n分别对每个所述补全后的候选区域进行特征提取后，预测出与所述补全后的候选区域一一对应的候选区域特征信息，所述候选区域特征信息包括：候选区域类别和候选区域边框位置和候选区域尺寸信息。/n

【技术特征摘要】
1.一种基于激光雷达的目标检测方法，其特征在于，包括：
对激光雷达采集到的点云体素化后，通过特征提取和候选区域提取生成多个候选区域；
分别将每个所述候选区域通过点云补全网络进行补全，得到补全后的候选区域，所述候选区域与所述补全后的候选区域一一对应；
分别对每个所述补全后的候选区域进行特征提取后，预测出与所述补全后的候选区域一一对应的候选区域特征信息，所述候选区域特征信息包括：候选区域类别和候选区域边框位置和候选区域尺寸信息。


2.根据权利要求1所述的方法，其特征在于，所述对激光雷达采集到的点云体素化后，通过特征提取和候选区域提取生成多个候选区域，包括：
利用点云的空间信息将所述激光雷达采集到的点云划分为一个3D体素网格，其中，所述3D体素网格中包括多个相同大小的体素；
针对每个非空体素，将其中的点云通过神经网络全连接层编码成一个k维的特征向量，其中，所述非空体素为包含点云的体素；
将所有编码得到的特征向量全部输入到3D特征金字塔网络中进行深层特征的提取，得到点云的深层特征；
将所述点云的深层特征送入候选区域提取网络，生成多个候选区域。


3.根据权利要求1所述的方法，其特征在于，所述分别将每个所述候选区域通过点云补全网络进行补全，得到补全后的候选区域包括：
获取每个所述候选区域的数据，其中，每个所述候选区域的数据包括：点云个数p，以及每个点云的三维坐标和反射强度；
获取第一噪声数据，其中，所述第一噪声数据包括：点云个数q，以及每个点云的三维坐标和反射强度；
每个所述候选区域的数据和所述第一噪声数据基于预先训练生成的预设补全模型进行补全，得到补全后的候选区域。


4.根据权利要求3所述的方法，其特征在于，所述预设补全模型的训练过程包括：
对激光雷达采集到的样品部分区域的点云进行处理，得到所述样品的候选区域的数据，其中，所述样品的候选区域的数据包括：点云个数m，以及每个点云的三维坐标和反射强度；
获取第二噪声数据，所述第二噪声数据包括：点云个数n，以及每个点云的三维坐标和反射强度；
所述样品的候选区域的数据和所述第二噪声数据基于初始补全模型进行补全，得到第一数据；
对所述第一数据进行采样，得到第二数据，其中，所述第二数据包括：点云个数t，以及每个点云的三维坐标和反射强度；
对所述样品对应的完整区域进行采样，得到第三数据，其中，所述第三数据包括：点云个数t，以及每个点云的三维坐标和反射强度；
为所述第二数据设置第一识别标签，为所述第三数据设置第二识别标签；
将所述第二数据和所述第三数据输入初始判别模型，得到第一判别结果；
基于所述第一识别标签、所述第二识别标签和所述第一判别结果得到所述初始判别模型的判别精度；
基于所述判别精度不断调整所述初始判别模型的参数，直至所述判别精度达到设定阈值，得到目标判别模型；
将所述第二识别标签分配给所述第二数据；
将分配有所述第二识别标签的所述第二数据输入所述目标判别模型，得到第二判别结果；
根据所述第二判别结果不断调整所述初始补全模型的参数，直至所述目标判别模型输出的第二判断结果满足预设条件，得到所述预设补全模型。


5.根据权利要求4所述的方法，其特征在于，所述初始补全模型的结构为生成对抗网络的生成器模型的结构，所述初始判别模型的结构为生成对抗网络的判别器模型的结构。


6.一种基于激光雷达的目标检测系统，其特征在于，包括：
生成模块，用于对激光雷达采集到的点云体素化后，通过特征提取和候选...

【专利技术属性】
技术研发人员：宋红丽，
申请(专利权)人：北京经纬恒润科技有限公司，
类型：发明
国别省市：北京;11