【技术实现步骤摘要】
本申请实施例涉及人工智能领域，尤其涉及一种目标检测方法、装置、自动驾驶设备及存储介质。
技术介绍
1、随着科技水平和社会需求的不断发展，自动驾驶技术近年来得到了越来越多的关注和飞速的发展，逐渐向着实用化、产品化的方向迈步。自动驾驶技术是一种依靠计算机与人工智能来操控相应的设备自主行驶的一种技术，也称无人驾驶技术。
2、随着硬件和软件技术的不断迭代，环境感知技术也成为了自动驾驶
的重要组成部分。在环境感知技术中，在进行数据采集的多种传感器中，激光雷达以其高探测精度、可以准确地感知到自动驾驶设备周围的环境三维信息等，被广泛应用于环境感知场景中，以期通过激光雷达采集的点云数据和进行目标检测的模型，获得较为准确的目标检测结果，实现对环境的准确感知。目前自动驾驶的环境感知技术的主要研究场景为城市道路场景，而在复杂自然地形下行驶的自主越野车辆可使包括国防、农业和搜索救援在内的广泛应用领域受益，因此针对越野场景的自动驾驶系统的研究具有一定的意义。
3、相关技术中，其中一种利用点云数据进行目标检测的方式，是将点云数据于笛卡尔坐标系进行栅格划分并分配给各栅格，再在基于各栅格进行目标检测，这种目标检测方式的虽然检测效率较高，但是检测精度较低，难以满足复杂场景(包括但不限于越野场景等)下的自动驾驶系统的目标检测需求。
技术实现思路
1、有鉴于此，本申请实施例提供一种目标检测方法、装置、自动驾驶设备及存储介质，以至少部分解决上述问题。
2、根据本申请实施例的第一方
3、获取自动驾驶设备所处环境的三维点云；
4、通过极坐标系对所述三维点云进行栅格划分，得到包括多个第一栅格区块的第一特征图，其中，所述三维点云分布于至少一个所述第一栅格区块中；
5、根据所述第一特征图中的多个第一栅格区块的特征信息，从所述三维点云中确定包括待检测目标的至少部分前景点；
6、根据所述至少部分前景点，对所述待检测目标进行目标检测。
7、在一些可选的实施例中，所述通过极坐标系对所述三维点云进行栅格划分，得到包含多个第一栅格区块的第一特征图，包括：生成所述三维点云的鸟瞰图，通过极坐标系对所述鸟瞰图进行栅格划分，得到第一栅格图，其中，所述第一栅格图包括所述多个第一栅格区块；对于所述第一栅格图中的每个所述第一栅格区块，根据该第一栅格区块中包括的三维点云的点，生成该第一栅格区块的特征信息；根据各所述第一栅格区块的特征信息以及所述第一栅格图，确定所述第一特征图。
8、在一些可选的实施例中，所述第一栅格区块的特征信息以特征向量进行表示，且各第一栅格区块的特征信息的向量维数相同。
9、在一些可选的实施例中，所述根据所述第一特征图中的多个第一栅格区块的特征信息，从所述三维点云中确定包括待检测目标的至少部分前景点，包括：根据所述第一特征图中的多个第一栅格区块的特征信息，对极坐标系下的第一特征图进行环卷积处理；根据所述环卷积处理的结果，从所述三维点云中确定包括待检测目标的至少部分前景点。
10、在一些可选的实施例中，所述根据所述至少部分前景点，对所述待检测目标进行目标检测，包括：根据所述至少部分前景点，将环卷积处理前或者环卷积处理后的第一特征图转换为笛卡尔坐标系下的第二特征图，其中，所述第二特征图包括多个矩形栅格样式的第二栅格区块；根据所述第二特征图，对所述待检测目标进行目标检测。
11、在一些可选的实施例中，所述根据所述至少部分前景点，将环卷积处理前或者环卷积处理后的第一特征图转换为笛卡尔坐标系下的第二特征图，包括：对环卷积处理前或者环卷积处理后的第一特征图进行升维处理；根据所述至少部分前景点，将升维处理后的第一特征图转换为笛卡尔坐标系下的第二特征图。
12、在一些可选的实施例中，所述对环卷积处理前或者环卷积处理后的第一特征图进行升维处理，包括：对环卷积处理前或者环卷积处理后的第一特征图中的每个第一栅格图的特征信息进行卷积，以完成升维处理。
13、在一些可选的实施例中，所述根据所述至少部分前景点，将升维处理后的第一特征图转换为笛卡尔坐标系下的第二特征图，包括：以升维处理后的第一特征图为背景，于笛卡尔坐标系下建立空白图，并对所述空白图进行栅格划分，得到包括多个矩形栅格样式的第二栅格区块的第二栅格图，其中，所述空白图与该第一特征图同尺寸，或者，所述空白图的尺寸大于该第一特征图的尺寸；确定所述至少部分前景点所分布的各第一栅格区块，并对于该各第一栅格区块中的每个第一栅格区块，于所述第二栅格图中寻找与该第一栅格区块重叠度大于预定重叠度阈值的第二栅格区块，若存在，则将该第一栅格区块的特征信息赋值给该第二栅格区块；根据各所述第二栅格区块的特征信息以及所述第二栅格图，确定所述第二特征图。
14、在一些可选的实施例中，所述目标检测方法通过训练后的分割模型执行，所述分割模型包括划分部分和分割部分；其中，
15、所述划分部分，用于通过极坐标系对所述三维点云进行栅格划分，得到包括多个第一栅格区块的第一特征图，其中，所述三维点云分布于至少一个所述第一栅格区块中；
16、所述分割部分，用于根据所述第一特征图中的多个第一栅格区块的特征信息，从所述三维点云中确定包括待检测目标的至少部分前景点。
17、在一些可选的实施例中，所述分割模型通过多个样本点云进行训练；至少部分样本点云中包括携带第一标签的点以及携带第二标签的点，其中，所述第一标签用于指示该点为前景点，所述第二标签用于指示该点为背景点，所述背景点不包括待检测目标。
18、在一些可选的实施例中，所述前景点至少来源于所述自动驾驶设备所处环境中的车辆、人员、动物中的至少之一；和/或，所述背景点至少来源于所述自动驾驶设备所处环境中的扬尘。
19、根据本申请实施例的第二方面，提供了一种目标检测装置，包括：
20、获取模块，用于获取自动驾驶设备所处环境的三维点云；
21、划分模块，用于通过极坐标系对所述三维点云进行栅格划分，得到包括多个第一栅格区块的第一特征图，其中，所述三维点云分布于至少一个所述第一栅格区块中；
22、确定模块，用于根据所述第一特征图中的多个第一栅格区块的特征信息，从所述三维点云中确定包括待检测目标的至少部分前景点；
23、检测模块，用于根据所述至少部分前景点，对所述待检测目标进行目标检测。
24、根据本申请实施例的第三方面，提供了一种自动驾驶设备，包括：处理器，所述处理器，用于执行如第一方面所述的方法。
25、根据本申请实施例的第四方面，提供了一种计算机存储介质，其上存储有计算机程序，该程序被处理器执行时实现如第一方面所述的方法。
26、根据本申请实施例的第五方面，提供了一种计算机程序产品，包括计算机程序，所述计算机程序在被处理器执行时实现如第一方面所述的方法。
27、本申请实施本文档来自技高网...
【技术保护点】
1.一种目标检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述通过极坐标系对所述三维点云进行栅格划分，得到包含多个第一栅格区块的第一特征图，包括：
3.根据权利要求2所述的方法，其特征在于，所述第一栅格区块的特征信息以特征向量进行表示，且各第一栅格区块的特征信息的向量维数相同。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述根据所述第一特征图中的多个第一栅格区块的特征信息，从所述三维点云中确定包括待检测目标的至少部分前景点，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述至少部分前景点，对所述待检测目标进行目标检测，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述至少部分前景点，将环卷积处理前或者环卷积处理后的第一特征图转换为笛卡尔坐标系下的第二特征图，包括：
7.根据权利要求6所述的方法，其特征在于，所述对环卷积处理前或者环卷积处理后的第一特征图进行升维处理，包括：
8.根据权利要求6所述的方法，其特征在于，所述根据所述至少部分前
9.根据权利要求1所述的方法，其特征在于，所述目标检测方法通过训练后的分割模型执行，所述分割模型包括划分部分和分割部分；
10.根据权利要求9所述的方法，其特征在于，所述分割模型通过多个样本点云进行训练；
11.根据权利要求10所述的方法，其特征在于，所述前景点至少来源于所述自动驾驶设备所处环境中的车辆、人员、动物中的至少之一；和/或，
12.一种目标检测装置，其特征在于，包括：
13.一种自动驾驶设备，其特征在于，包括：处理器；
14.一种计算机存储介质，其特征在于，其上存储有计算机程序，该程序被处理器执行时实现如权利要求1-11中任一所述的方法。
...【技术特征摘要】
1.一种目标检测方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述通过极坐标系对所述三维点云进行栅格划分，得到包含多个第一栅格区块的第一特征图，包括：
3.根据权利要求2所述的方法，其特征在于，所述第一栅格区块的特征信息以特征向量进行表示，且各第一栅格区块的特征信息的向量维数相同。
4.根据权利要求1-3中任一项所述的方法，其特征在于，所述根据所述第一特征图中的多个第一栅格区块的特征信息，从所述三维点云中确定包括待检测目标的至少部分前景点，包括：
5.根据权利要求4所述的方法，其特征在于，所述根据所述至少部分前景点，对所述待检测目标进行目标检测，包括：
6.根据权利要求5所述的方法，其特征在于，所述根据所述至少部分前景点，将环卷积处理前或者环卷积处理后的第一特征图转换为笛卡尔坐标系下的第二特征图，包括：
7.根据权利要求6所述的方法，其特征在于...
【专利技术属性】
技术研发人员：黄瀚霖，任巨龙，邵枭虎，
申请(专利权)人：重庆兰德适普信息科技有限公司，
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。