【技术实现步骤摘要】
本专利技术涉及3d目标检测领域，具体涉及一种基于级联特征融合的3d目标检测方法及模型。
技术介绍
1、随着传感器设备的进步和计算能力的不断提高，基于深度学习的目标检测算法近年来在自动驾驶上取得了重大进展。目标检测在自动驾驶中扮演着至关重要的角色，负责识别和定位道路上的各类目标，如行人、车辆和障碍物。通过实时捕捉并分析周围环境的目标信息，自动驾驶系统能够做出实时决策，有效规避潜在的危险和优化行车路径。
2、基于图像的二维检测算法发展愈发成熟，已经能够达到与人眼相当的性能水平。然而，这类算法容易受到光照变化、恶劣天气等因素的影响，这限制了它们在复杂环境中的应用能力。相比之下，基于3d点云的检测算法对光照变化的敏感度较低，且能提供深度信息和准确的空间信息，可以准确地表达周围场景的几何信息。然而，由于点云的稀疏性和不规则性，在3d场景中，行人的尺度较小，形状和姿态变化较大，同时点云数据中可能存在遮挡和噪声。这些因素限制了行人检测的准确性和稳定性，导致基于lidar的3d检测算法在行人检测方面仍然面临挑战。与此同时，研究发现，现有的3d检测算法对车辆等大型目标的检测效果要优于对行人、骑行者等小型目标的检测效果。这一现象在自动驾驶中可能导致对行人的保护不够有效。因此，亟需针对现有3d检测算法在行人检测方面准确性不足的问题，设计一种新的检测方法。
技术实现思路
1、本专利技术要解决的技术问题是克服现有技术的缺陷，提供一种基于级联特征融合的3d目标检测方法，它可以提高3d检测中行人检测
2、为了解决上述技术问题，本专利技术的技术方案是：一种基于级联特征融合的3d目标检测方法，方法包括：
3、方法包括：
4、获取待检测区域的点云数据；
5、对点云数据进行预处理，将点云数据转化为多个点柱；
6、提取多个点柱中的稀疏特征，从稀疏特征中提取多层次的密集特征；
7、对至少一层稀疏特征及至少两层次的密集特征进行级联融合，得到融合特征；
8、基于融合特征检测目标。
9、进一步，从稀疏特征中提取多层次的密集特征，具体为：
10、对最后一层稀疏特征进行密集卷积，得到第一层次的密集特征；
11、对第一层次的密集特征进行密集卷积操作，得到第二层次的密集特征；
12、对所第二层次的密集特征进行密集卷积操作，得到第三层次的密集特征。
13、进一步，对至少一层稀疏特征及至少两层次的密集特征进行级联融合，具体为：
14、步骤a，将第三层次的密集特征进行第一次反卷积后与第二层次的密集特征进行第一次contact连接操作；
15、步骤b，将第一次contact连接结果进行第二次反卷积后与最后一层次的稀疏特征进行第二次contact连接操作，得到融合特征。
16、进一步，在目标检测过程中，采用的损失函数为：
17、ltotal＝λ1lcld+λ2liou+λ3(lod-iou+lreg)+λ4ldir；
18、式中，λ1、λ2、λ3、λ4分别表示相应损失的权重。
19、本专利技术还提供了一种基于级联特征融合的3d目标检测模型，包括：
20、点云数据获取模块，用于获取待检测区域的点云数据；
21、预处理模块，用于对点云数据进行预处理，以将点云数据转化为多个点柱；
22、sdfnet编码器模块，用于提取多个点柱中的特征，sdfnet编码器包括级联的稀疏特征编码器和密集特征编码器，稀疏特征编码器用于提取多个点柱中的稀疏特征，密集特征编码器用于从稀疏特征中提取多层次的密集特征；
23、cffnet级联特征融合模块，用于对至少一层稀疏特征及至少两层次的密集特征进行级联融合，以得到融合特征；
24、centerhead密集检测头，用于基于融合特征检测目标。
25、进一步，sdfnet编码器模块包括依次连接的第一稀疏卷积层、第二稀疏卷积层、第三稀疏卷积层、第四稀疏卷积层、第一密集卷积层、第二密集卷积层和第三密集卷积层。
26、进一步，cffnet级联特征融合模块包括：
27、第一反卷积层，用于对第三密集卷积层提取的特征进行第一次反卷积操作；
28、第一连接层，用于对第一反卷积层得到的特征及第二密集卷积层提取的特征进行第一次contact连接操作；
29、第二反卷积层，用于对第一连接层得到的特征进行第二次反卷积操作；
30、第二连接层，用于对第二反卷积层得到的特征与第四稀疏卷积层提取的特征进行第二次contact连接操作。
31、采用上述技术方案后，本专利技术提出一个新的特征提取方式，以增强对小目标的局部特征表示能力；其次，提出了级联特征融合方案，以实现多特征的互补，更好地捕捉目标的形状和结构信息。本专利技术中的方法应用在移动机器人平台上实现目标检测，可以提高3d检测中行人检测的准确性，以更好地保障自动驾驶过程中的行人安全。
本文档来自技高网...【技术保护点】
1.一种基于级联特征融合的3D目标检测方法，其特征在于，
2.根据权利要求1所述的基于级联特征融合的3D目标检测方法，其特征在于，
3.根据权利要求2所述的基于级联特征融合的3D目标检测方法，其特征在于，
4.根据权利要求1所述的基于级联特征融合的3D目标检测方法，其特征在于，
5.一种基于级联特征融合的3D目标检测模型，其特征在于，
6.根据权利要求5所述的基于级联特征融合的3D目标检测模型，其特征在于，
7.根据权利要求6所述的基于级联特征融合的3D目标检测模型，其特征在于，
【技术特征摘要】
1.一种基于级联特征融合的3d目标检测方法，其特征在于，
2.根据权利要求1所述的基于级联特征融合的3d目标检测方法，其特征在于，
3.根据权利要求2所述的基于级联特征融合的3d目标检测方法，其特征在于，
4.根据权利要求1所述的基于级联特征...
【专利技术属性】
技术研发人员：杨彪，慕言，倪蓉蓉，陈阳，俞至韬，杨长春，
申请(专利权)人：常州大学，
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。