本发明专利技术提供一种目标检测方法、装置、终端及计算机可读存储介质，目标检测方法包括：获取包含目标对象的激光雷达点云数据；对激光雷达点云数据进行自适应调整，得到有效点云数据；有效点云数据为激光雷达点云数据中的设定区域内的点云数据；预设区域根据激光雷达点云数据中各激光位点的位置坐标确定；采用目标检测模型对有效点云数据进行检测，得到目标检测信息，目标检测信息包括目标检测框和目标检测类别。本申请中通过对激光雷达点云数据进行自适应调整，根据场景内的激光雷达点云数据中各激光位点的位置坐标自适应选取预设区域，得到有效点云数据，提高目标检测方法的泛化性能，进而提高目标检测的准确率。进而提高目标检测的准确率。进而提高目标检测的准确率。
【技术实现步骤摘要】
一种目标检测方法、装置、终端及计算机可读存储介质
[0001]本专利技术涉及人工智能
，特别是涉及一种目标检测方法、装置、终端及计算机可读存储介质。
技术介绍
[0002]点云目标检测是自动驾驶、车路协同等领域中的一项重要任务，需要对从激光雷达采集的点云数据进行处理分析，进而获取场景中感兴趣目标的类别以及在3D空间内的位置、尺寸、姿态等相关信息。点云目标检测是感知中的重要一环，对保证道路安全具有重要的意义。
[0003]当前点云目标检测方法大多依赖于场景，需要反复进行数据采集并训练模型，模型训练与推理阶段的实际场景差异使得训练阶段的模型难以直接应用到推理中。
技术实现思路
[0004]本专利技术主要解决的技术问题是提供一种目标检测方法、装置、终端及计算机可读存储介质，解决现有技术中目标检测方法的泛化性能比较低的问题。
[0005]为解决上述技术问题，本专利技术采用的第一个技术方案是：提供一种目标检测方法，目标检测方法包括：
[0006]获取包含目标对象的激光雷达点云数据；
[0007]对激光雷达点云数据进行自适应调整，得到有效点云数据；有效点云数据为激光雷达点云数据中的设定区域内的点云数据；预设区域根据激光雷达点云数据中各激光位点的位置坐标确定；
[0008]采用目标检测模型对有效点云数据进行检测，得到目标检测信息，目标检测信息包括目标检测框和目标检测类别。
[0009]其中，采用目标检测模型对有效点云数据进行检测，得到目标检测信息，目标检测信息包括目标检测框和目标检测类别，包括：
[0010]通过目标检测模型对有效点云数据进行体素化操作和体素特征编码，得到三维特征图；
[0011]对有效点云数据对应的三维特征图进行压缩，得到二维鸟瞰图特征；
[0012]对二维鸟瞰图特征进行多尺度特征提取，得到有效点云数据对应的多个不同分辨率的二维特征图；
[0013]基于二维特征图进行目标类别检测和目标位置回归，得到目标对象对应的目标检测框和目标检测类别。
[0014]其中，基于二维特征图进行目标类别检测和目标位置回归，得到目标对象对应的目标检测框和目标检测类别，包括：
[0015]基于二维特征图进行位置和类别预测，得到各锚框对应的类别概率值以及偏移量；锚框为所述二维特征图中各像素位置配置的框体；
[0016]将最大的类别概率值对应的预设类别作为目标检测类别；
[0017]基于最大类别概率值对应的锚框的位置信息以及偏移量确定目标检测框。
[0018]其中，基于二维特征图进行目标类别检测和目标位置回归，得到目标对象对应的目标检测框和目标检测类别，包括：
[0019]响应于二维鸟瞰特征图中目标对象在二维鸟瞰特征图中的占比超过预设比值，则选取第一分辨率的二维特征图进行目标类别检测和目标位置回归；
[0020]响应于二维鸟瞰特征图中目标对象在二维鸟瞰特征图中的占比未超过预设比值，则选取第二分辨率的二维特征图进行目标类别检测和目标位置回归；其中，第二分辨率高于第一分辨率。
[0021]其中，目标检测方法还包括：
[0022]响应于目标检测框为多个，则基于非极大值抑制的方式对目标检测框进行过滤。
[0023]其中，对激光雷达点云数据进行自适应调整，得到有效点云数据，包括：
[0024]基于激光雷达点云数据中各激光位点的位置坐标，确定雷达点云数据在各预设方向上的点云分布直方图；
[0025]选取各预设方向上距离原点预设范围内的所有点云数据作为有效点云数据；原点为各预设方向的反向延长线的交点。
[0026]其中，采用目标检测模型对有效点云数据进行检测，得到目标检测信息的步骤之前，还包括：
[0027]对目标检测模型进行训练；具体包括：
[0028]获取训练用点云数据；训练用点云数据关联有包含的目标的标注框和标注类别；标注框包括中心点位置、标注框尺寸以及偏航角；
[0029]通过目标检测模型对训练用点云数据依次进行体素化、体素特征编码、压缩，得到训练用点云数据对应的二维特征图；
[0030]对二维特征图中的各像素位置配置锚框；
[0031]基于二维特征图进行位置和类别预测，得到各锚框对应的类别预测值以及预测偏移量；
[0032]基于锚框对应的类别预测值和预测偏移量，确定目标的预测框和预测类别；
[0033]基于训练用点云数据对应的类别预测值计算的类别误差值和预测框和标注框之间的位置误差值迭代训练目标检测模型。
[0034]其中，对目标检测模型进行训练，还包括：
[0035]基于锚框与标注框之间的交并比，确定锚框的类别；锚框的类别包括正样本锚框和负样本锚框；
[0036]基于训练用点云数据对应的类别预测值计算的类别误差值和预测框和标注框之间的位置误差值迭代训练目标检测模型，包括：
[0037]采用Focal Loss损失函数基于各正样本锚框和各负样本锚框的类别预测值确定类别误差值；
[0038]采用Smooth L1损失函数基于目标对应的预测框与标注框之间的位置误差值；
[0039]基于位置误差值和类别误差值的加和对目标检测模型进行迭代训练。
[0040]其中，对目标检测模型进行训练，还包括：
[0041]对训练用点云数据进行数据增强；数据增强的方式包括全局旋转、平移、缩放、掩膜中的至少一种。
[0042]为解决上述技术问题，本专利技术采用的第二个技术方案是：提供一种目标检测装置，目标检测装置包括：
[0043]获取模块，用于获取包含目标对象的激光雷达点云数据；
[0044]预处理模块，用于对激光雷达点云数据进行自适应调整，得到有效点云数据；有效点云数据为激光雷达点云数据中的设定区域内的点云数据；预设区域根据激光雷达点云数据中各激光位点的位置坐标确定；
[0045]检测模块，用于采用目标检测模型对有效点云数据进行检测，得到目标检测信息，目标检测信息包括目标检测框和目标检测类别。
[0046]为解决上述技术问题，本专利技术采用的第三个技术方案是：提供一种终端，该终端包括存储器、处理器以及存储于存储器中并在处理器上运行的计算机程序，处理器用于执行程序数据以实现上述目标检测方法中的步骤。
[0047]为解决上述技术问题，本专利技术采用的第四个技术方案是：提供一种计算机可读存储介质，该计算机可读存储介质上存储有计算机程序，计算机程序被处理器执行时实现上述目标检测方法中的步骤。
[0048]本专利技术的有益效果是：区别于现有技术的情况，提供的一种目标检测方法、装置、终端及计算机可读存储介质，目标检测方法包括：获取包含目标对象的激光雷达点云数据；对激光雷达点云数据进行自适应调整，得到有效点云数据；有效点云数据为激光雷达点云数据中的设定区域内的点云数据；预设区域根据激光雷达点云数据中各激光位点的位置坐标确定；采用目标检测模型对有效点云数据进行检测，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，所述目标检测方法包括：获取包含目标对象的激光雷达点云数据；对所述激光雷达点云数据进行自适应调整，得到有效点云数据；所述有效点云数据为所述激光雷达点云数据中的设定区域内的点云数据；所述预设区域根据所述激光雷达点云数据中各所述激光位点的位置坐标确定；采用目标检测模型对所述有效点云数据进行检测，得到目标检测信息，所述目标检测信息包括目标检测框和目标检测类别。2.根据权利要求1所述的目标检测方法，其特征在于，所述采用目标检测模型对所述有效点云数据进行检测，得到目标检测信息，所述目标检测信息包括目标检测框和目标检测类别，包括：通过所述目标检测模型对所述有效点云数据进行体素化操作和体素特征编码，得到三维特征图；对所述有效点云数据对应的所述三维特征图进行压缩，得到二维鸟瞰图特征；对所述二维鸟瞰图特征进行多尺度特征提取，得到所述有效点云数据对应的多个不同分辨率的二维特征图；基于所述二维特征图进行目标类别检测和目标位置回归，得到所述目标对象对应的所述目标检测框和所述目标检测类别。3.根据权利要求2所述的目标检测方法，其特征在于，所述基于所述二维特征图进行目标类别检测和目标位置回归，得到所述目标对象对应的所述目标检测框和所述目标检测类别，包括：基于所述二维特征图进行位置和类别预测，得到各锚框对应的类别概率值以及偏移量；所述锚框为所述二维特征图中各像素位置配置的框体；将最大的所述类别概率值对应的所述预设类别作为所述目标检测类别；基于最大所述类别概率值对应的所述锚框的位置信息以及所述偏移量确定所述目标检测框。4.根据权利要求2或3所述的目标检测方法，其特征在于，所述基于所述二维特征图进行目标类别检测和目标位置回归，得到所述目标对象对应的所述目标检测框和所述目标检测类别，包括：响应于所述二维鸟瞰特征图中所述目标对象在所述二维鸟瞰特征图中的占比超过预设比值，则选取第一分辨率的二维特征图进行目标类别检测和目标位置回归；响应于所述二维鸟瞰特征图中所述目标对象在所述二维鸟瞰特征图中的占比未超过所述预设比值，则选取第二分辨率的二维特征图进行目标类别检测和目标位置回归；其中，所述第二分辨率高于所述第一分辨率。5.根据权利要求1所述的目标检测方法，其特征在于，所述对所述激光雷达点云数据进行自适应调整，得到有效点云数据，包括：基于所述激光雷达点云数据中各激光位点的位置坐标，确定所述雷达点云数据在各预设方向上的点云分布直方图；选取各所述预设方向上距离原点预设范围内的所有点云数据作为所述有效点云数据；所述原点为各所述预设方向的反向延...
【专利技术属性】
技术研发人员：杨心怡，张凯，李乾坤，
申请(专利权)人：浙江大华技术股份有限公司，
类型：发明
国别省市：
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。