【技术实现步骤摘要】
本专利技术属于计算机视觉领域以及自动驾驶感知领域，涉及一种3d目标检测方法，具体涉及一种点云立柱三维目标检测方法及装置。
技术介绍
1、自动驾驶汽车需要通过车辆上配备的多种传感器，如相机、激光雷达、毫米波雷达等，对车辆周围环境进行感知，为车辆提供准确的驾驶环境信息。目标检测是感知中非常重要的一个任务，它帮助智能车在复杂的道路场景中感知周围物体的位置和语义信息，并预测准确的目标框，主要是对自动驾驶场景中常见的人、车、骑行者三类物体进行边界框的预测。
2、自动驾驶汽车依赖于多个传感器，其中激光雷达对于自动驾驶场景的三维环境感知是非常重要的，它具有图像所缺乏的丰富的几何信息。随着计算机视觉领域深度学习方法的巨大进步，大量文献研究了如何将该技术用在激光雷达点云的目标检测上，并取得了不断的改进和进步，在自动驾驶场景的多目标三维目标检测中得到了广泛的应用。
3、但是，现有技术中通过点云数据进行目标检测，还存在准确度较低的问题。
技术实现思路
1、本专利技术是为了解决上述问题而进行的，目的在于提供一种点云立柱三维目标检测方法及装置。
2、本专利技术提供了一种点云立柱三维目标检测方法，用于根据目标的点云数据得到对应的目标检测结果，具有这样的特征，包括以下步骤：步骤s1，对点云数据进行预处理，得到预处理点云；步骤s2，将预处理点云输入三维目标检测模型，得到目标检测结果，其中，三维目标检测模型包括：立柱特征编码模块，用于对预处理点云进行立柱特征提取，得到伪图像；伪图
3、在本专利技术提供的点云立柱三维目标检测方法中，还可以具有这样的特征：其中，预处理用于筛除点云数据中的离群噪点。
4、在本专利技术提供的点云立柱三维目标检测方法中，还可以具有这样的特征：其中，立柱特征编码模块包括：尺寸张量生成单元，用于对预处理点云进行网格化和采样，得到尺寸张量；特征提取单元，用于对尺寸张量进行特征提取，得到张量；max池化单元，用于对张量进行max池化操作，得到输出张量；转换单元，用于根据立柱索引对输出张量进行坐标转换，得到伪图像。
5、在本专利技术提供的点云立柱三维目标检测方法中，还可以具有这样的特征：其中，下采样单元包括顺次连接的第一卷积子单元、第二卷积子单元、第一se子单元、第三卷积子单元和第二se子单元，伪图像经过第一卷积子单元处理，得到第一下采样特征图，第一下采样特征图依次经过第二卷积子单元和第一se子单元处理，得到第二下采样特征图，第二下采样特征图依次经过第三卷积子单元和第二se子单元处理，得到第三采样特征图，第一下采样特征图、第二下采样特征图和第三下采样特征图为不同尺寸的下采样特征图，第三下采样特征图为最小尺寸的下采样特征图。
6、在本专利技术提供的点云立柱三维目标检测方法中，还可以具有这样的特征：其中，第一上采样单元包括第一反卷积子单元和第二反卷积子单元，第三下采样特征图经过第一反卷积子单元的上采样处理得到的特征图，与第二下采样特征图拼接得到第一上采样特征图，第一上采样特征图经过第二反卷积子单元的上采样处理得到的特征图，与第一下采样特征图拼接得到第二上采样特征图，第一上采样特征图和第二上采样特征图为不同尺寸的上采样特征图。
7、在本专利技术提供的点云立柱三维目标检测方法中，还可以具有这样的特征：其中，边界框预测模块通过ssd检测头进行3d目标检测，并采用nms方法消除多余的三维检测框。
8、在本专利技术提供的点云立柱三维目标检测方法中，还可以具有这样的特征：其中，三维目标检测模型的训练过程包括以下步骤：步骤t1，根据现有点云数据构建训练数据集；步骤t2，构建初始三维目标检测模型；步骤t3，从训练数据集选取多帧点云作为一个批次，输入初始三维目标检测模型，得到训练目标检测结果；步骤t4，根据训练目标检测结果计算得到损失误差；步骤t5，根据损失误差更新初始三维目标检测模型的参数；步骤t6，重复步骤t3至步骤t5，直至达到训练完成条件，则将训练好的初始三维目标检测模型作为三维目标检测模型。
9、在本专利技术提供的点云立柱三维目标检测方法中，还可以具有这样的特征：其中，损失误差包括类别损失、位置损失和方向分类损失，类别损失通过focal loss损失函数计算得到，位置损失通过smoothl1损失函数计算得到。
10、本专利技术还提供了一种点云立柱三维目标检测装置，用于根据目标的点云数据得到对应的目标检测结果，具有这样的特征，包括：预处理部，用于对点云数据进行预处理，得到预处理点云；检测部，包含三维目标检测模型，用于根据预处理点云得到目标检测结果，其中，三维目标检测模型包括：立柱特征编码模块，用于对预处理点云进行立柱特征提取，得到伪图像；伪图像特征提取模块，用于对伪图像进行特征提取，得到特征向量；边界框预测模块，用于根据特征向量得到三维检测框作为目标检测结果，伪图像特征提取模块包括：下采样单元，用于对伪图像进行多次下采样，得到多个不同尺寸的下采样特征图；第一上采样单元，用于对最小尺寸的下采样特征图进行多次上采样，并将每次上采样得到的特征图与对应尺寸的下采样特征图进行拼接，得到多个不同尺寸的上采样特征图；第二上采样单元，用于分别将最小尺寸的下采样特征图和各个上采样特征图上采样至预设维度，分别得到对应的采样特征图；连接单元，用于将所有采样特征图进行串联，得到特征向量。
11、专利技术的作用与效果
12、根据本专利技术所涉及的点云立柱三维目标检测方法及装置，因为，通过对点云数据进行预处理筛除离群噪点，减小数据噪声对检测结果的影响；通过下采样单元利用通道注意力自适应地调整不同通道的权重大小，从而获取更高质量的特征；通过第一上采样单元将上采样的特征图与对应的下采样特征图拼接，进行多尺度特征融合，能够实现特征提取过程中不同尺度特征图信息的相互传递、补充与整合，从而有效地增强模型特征提取的能力和对小目标的感知能力，达到信息的利用最大化，得到更加准确与全面的目标检测结果。所以，本专利技术的点云立柱三维目标检测方法及装置能够提高根据点云数据进行目标检测的准确率。
本文档来自技高网...【技术保护点】
1.一种点云立柱三维目标检测方法，用于根据目标的点云数据得到对应的目标检测结果，其特征在于，包括以下步骤：
2.根据权利要求1所述的点云立柱三维目标检测方法，其特征在于：
3.根据权利要求1所述的点云立柱三维目标检测方法，其特征在于：
4.根据权利要求1所述的点云立柱三维目标检测方法，其特征在于：
5.根据权利要求4所述的点云立柱三维目标检测方法，其特征在于：
6.根据权利要求1所述的点云立柱三维目标检测方法，其特征在于：
7.根据权利要求1所述的点云立柱三维目标检测方法，其特征在于：
8.根据权利要求7所述的点云立柱三维目标检测方法，其特征在于：
9.一种点云立柱三维目标检测装置，用于根据目标的点云数据得到对应的目标检测结果，其特征在于，包括：
【技术特征摘要】
1.一种点云立柱三维目标检测方法，用于根据目标的点云数据得到对应的目标检测结果，其特征在于，包括以下步骤：
2.根据权利要求1所述的点云立柱三维目标检测方法，其特征在于：
3.根据权利要求1所述的点云立柱三维目标检测方法，其特征在于：
4.根据权利要求1所述的点云立柱三维目标检测方法，其特征在于：
5.根据权利要求4所述的点云...
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。