目标检测方法、存储介质、电子设备及车辆技术

本发明专利技术属于电动汽车领域，具体提供一种目标检测方法、存储介质、电子设备及车辆，旨在解决如何提高点云数据处理的速度、泛化性和抗干扰能力，实现快速、准确地三维目标检测的问题。为此目的，本发明专利技术的方法包括：将待处理点云数据体素化，通过依次由稀疏3D卷积网络、二维检测网络、检测头网络组成的目标检测网络，得到目标检测结果。应用本发明专利技术的方法，通过基于体素位置的点云数据体素化，减少了点云数据对绝对距离的依赖，提高了网络的抗干扰性和泛化性；通过优化稀疏3D卷积网络下采用结构，在不增加计算量情况下，扩大高度方向的检测范围；通过引入航向角的第一朝向属性和第二朝向属性，改进了航向角生成方法，提高了航向角检测的准确性。的准确性。的准确性。

【技术实现步骤摘要】
目标检测方法、存储介质、电子设备及车辆


[0001]本专利技术属于电动汽车领域，具体提供一种目标检测方法、存储介质、电子设备及车辆。

技术介绍

[0002]随着计算技术、传感技术、网络技术等的快速发展，众多车企开始探索车辆的辅助驾驶功能，从而可以减少驾驶员的操作，让驾驶过程变得更加轻松和更加安全，使驾驶员充分体验科技进步所带来的便利。在辅助驾驶应用中，车辆需要随时感知周围的环境，收集数据，进行静态、动态物体目标的检测。由于雷达的物理特性，可以较好的捕捉三维目标的形状信息、距离信息等数据，因此基于雷达的目标检测方法也越来越受到关注。同时，基于雷达的目标检测技术也同时被用于机器人自主导航、车辆自动驾驶等应用之中。
[0003]通过雷达获取的点云数据，具有数据量庞大，空间分布不均匀，同时包含大量干扰信息等特点，因此如何提高点云数据处理的速度、泛化性和抗干扰能力，从而实现快速、准确地三维目标检测已成为亟待解决的问题。
[0004]相应地，本领域需要一种新的方案来解决上述问题。

技术实现思路

[0005]本专利技术旨在解决或部分解决上述技术问题，即，如何提高点云数据处理速度、泛化性和抗干扰能力，实现快速、准确地三维目标检测的问题。
[0006]在第一方面，本专利技术提供一种目标检测方法，其特征在于，所述方法包括：
[0007]获取点云数据；
[0008]将所述点云数据体素化，得到体素化点云数据；
[0009]根据所述体素化点云数据，通过三维特征提取网络获取三维点云特征图；
[0010]根据所述三维点云特征图，通过二维检测网络获取二维点云特征图；
[0011]根据所述二维点云特征图，通过检测头网络获取目标类别和包含航向角的三维检测框，其中所述航向角基于航向角数值和航向角朝向属性生成。
[0012]在上述目标检测方法的一个实施方式中，“根据所述二维点云特征图，通过检测头网络获取目标类别和包含航向角的三维检测框”包括：
[0013]根据所述二维点云特征图得到所述目标类别、所述三维检测框、所述航向角数值和所述航向角朝向特征；
[0014]根据所述航向角朝向特征得到所述航向角朝向属性，所述航向角朝向属性包括第一朝向属性和第二朝向属性；
[0015]根据所述航向角数值、所述第一朝向属性以及所述第二朝向属性，得到所述航向角。
[0016]在上述目标检测方法的一个实施方式中，所述第一朝向属性包括方向前和方向后，所述第二朝向属性包括方向左和方向右；
[0017]“根据所述航向角数值、所述第一朝向属性以及所述第二朝向属性，得到所述航向角”包括：
[0018]当所述航向角数值位于第一角度范围时，根据所述第一朝向属性得到所述航向角；
[0019]当所述航向角数值位于第二角度范围时，根据所述第二朝向属性得到所述航向角；
[0020]当所述航向角数值位于第三角度范围时，根据所述第二朝向属性得到所述航向角；
[0021]当所述航向角数值为第一边界角度或第二边界角度时，所述航向角为所述航向角数值所对应的位置；
[0022]其中所述航向角数值为平面直角坐标系(x，y)下的取值，x轴正方向的所述航向角数值为0，以顺时针旋转方向为负，以逆时针旋转方向为正，所述第一角度范围为[
‑
45
°
,45
°
]，所述第二角度范围为(45
°
,90
°
)，所述第三角度范围为(
‑
90
°
,
‑
45
°
)，所述第一边界角度为
‑
90
°
，所述第二边界角度为90
°
。
[0023]在上述目标检测方法的一个实施方式中，“将所述点云数据体素化，得到体素化点云数据”包括：
[0024]获取每个体素内全部点云点的每一维度的坐标均值；
[0025]将所述坐标均值减去对应体素的中心位置的该维度坐标，得到体素化点云维度特征；
[0026]获取所述每一维度的坐标均值与该维度所对应的雷达检测范围最小值的差值，将该差值除以对应维度的体素尺寸，得到体素化点云坐标。
[0027]在上述目标检测方法的一个实施方式中，所述三维特征提取网络为稀疏3D卷积网络，所述稀疏3D卷积网络在高度维度使用卷积核大小为3、步长为3以及填充为0的卷积层进行下采样。
[0028]在上述目标检测方法的一个实施方式中，所述方法还包括：
[0029]基于反射率、脉宽、回波ID中的至少一项，对所述目标检测结果进行分析，过滤掉不符合预设标准的所述目标检测结果。
[0030]在上述目标检测方法的一个实施方式中，所述方法还包括：
[0031]利用点云训练集对由所述三维特征提取网络、所述二维检测网络以及所述检测头网络构成的目标检测网络进行训练；
[0032]基于IOU的标签分配策略划分所述点云训练集中的正样本和负样本。
[0033]在第二方面，本专利技术提出了一种存储介质，所述存储介质适于存储多条程序代码，所述程序代码适于由处理器加载并运行以执行上述任一项方案所述的目标检测方法。
[0034]在第三方面，本专利技术提出了一种电子设备，包括处理器，所述处理器执行指令以实现上述任一项方案所述的目标检测方法。
[0035]在第四方面，本专利技术提出了一种车辆，所述车辆包括上述的电子设备。
[0036]在采用上述技术方案的情况下，本专利技术通过对点云数据体素化分配同时，对每个体素内的点云数据进行归一化处理，从而减少了目标检测网络对绝对距离的依赖，提高网络的抗干扰性和泛化性；通过优化稀疏3D卷积网络的下采样结构，使网络在计算量不变的
情况下，扩大了高度方向的检测范围；通过使用两个二分类网络进一步细化航向角的方向属性，改进了航向角的生成方法，提高了航向角检测的准确性。同时，将基于点云传感器坐标系的点云数据转换到基于应用对象坐标系的点云数据，这样可以使本专利技术的方法适用于不同类型的雷达传感器，提高了本专利技术方法的实用性，同时也扩大了可用于训练本专利技术的目标检测模型的数据来源，有助于进一步改善模型中各网络的参数，提高目标检测的准确性。
附图说明
[0037]下面结合附图来描述本专利技术的实施方式，附图中：
[0038]图1是本专利技术的实施例的目标检测方法的主要步骤流程图。
[0039]图2是本专利技术的实施例的检测头网络结构示意图。
[0040]图3是本专利技术的实施例的第一朝向属性和第二朝向属性位置示意图。
具体实施方式
[0041]为使本专利技术实施例的目的、技术方案和优点更加清楚，下面将参照附图，对本专利技术实施例的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术的一部分实施例，而不是全部实施例。基于本专利技术的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例本文档来自技高网...

【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，所述方法包括：获取点云数据；将所述点云数据体素化，得到体素化点云数据；根据所述体素化点云数据，通过三维特征提取网络获取三维点云特征图；根据所述三维点云特征图，通过二维检测网络获取二维点云特征图；根据所述二维点云特征图，通过检测头网络获取目标类别和包含航向角的三维检测框，其中所述航向角基于航向角数值和航向角朝向属性生成。2.根据权利要求1所述的目标检测方法，其特征在于，“根据所述二维点云特征图，通过检测头网络获取目标类别和包含航向角的三维检测框”包括：根据所述二维点云特征图得到所述目标类别、所述三维检测框、所述航向角数值和所述航向角朝向特征；根据所述航向角朝向特征得到所述航向角朝向属性，所述航向角朝向属性包括第一朝向属性和第二朝向属性；根据所述航向角数值、所述第一朝向属性以及所述第二朝向属性，得到所述航向角。3.根据权利要求2所述的目标检测方法，其特征在于，所述第一朝向属性包括方向前和方向后，所述第二朝向属性包括方向左和方向右；“根据所述航向角数值、所述第一朝向属性以及所述第二朝向属性，得到所述航向角”包括：当所述航向角数值位于第一角度范围时，根据所述第一朝向属性得到所述航向角；当所述航向角数值位于第二角度范围时，根据所述第二朝向属性得到所述航向角；当所述航向角数值位于第三角度范围时，根据所述第二朝向属性得到所述航向角；当所述航向角数值为第一边界角度或第二边界角度时，所述航向角为所述航向角数值所对应的位置；其中，所述航向角数值为平面直角坐标系(x，y)下的取值，x轴正方向的所述航向角数值为0，以顺时针旋转方向为负，以逆时针旋转方向为正，所述第一角度范围为[
‑
45
°
,45
°
]，所述第二角度范围为(45
°
,90
°
)...

【专利技术属性】
技术研发人员：何欣栋，任广辉，秦欢，彭超，
申请(专利权)人：安徽蔚来智驾科技有限公司，
类型：发明
国别省市：