【技术实现步骤摘要】
本申请涉及计算机视觉，特别是涉及一种三维目标检测方法、装置、计算机设备、存储介质和计算机程序产品。
技术介绍
1、自动驾驶是指通过人工智能、视觉计算、雷达、监控装置和全球定位系统协同作用，让电脑可以在没有任何人类主动的操作下，自动安全地操作机动车辆。在自动驾驶中，对环境中3d目标的检测是十分重要的一个技术模块。这一技术模块是基于计算机视觉技术实现的，也同样是计算机视觉研究领域的核心基础方向，因此受到了广泛的关注。与图像识别不同，目标检测不仅需要识别出图像上存在的物体，给出对应的类别，还需要将该物体的位置通过最小包围框（bounding box）的方式给出。根据目标检测需要输出结果的不同，一般将使用rgb图像进行目标检测，输出物体类别和在图像上的最小包围框的方式称为2d目标检测，而将使用rgb图像、rgb-d深度图像和激光点云，输出物体类别及在三维空间中的长宽高、旋转角等信息的检测称为3d目标检测。例如在自动驾驶场景下，需要从图像中提供目标物体三维大小及旋转角度等指标，在鸟瞰投影的信息对于后续自动驾驶场景中的路径规划和控制具有至关重要的作用。
2、相关技术中，随着激光雷达传感器等的广泛应用，将3d场景信息捕获为稀疏和不规则的点云，提供了重要的3d场景感知线索。其中，常见的pvrcnn方法中，通过事先手工或聚类方法设定好的具有不同尺寸、宽高比的方框覆盖了整张图像，以防止漏检；centerpoint方法基于center-based的二阶段的检测结合跟踪的模型centerpoint。在第一阶段，使用关键点检测器检测对象的中心
3、然而，目前的目标检测方法，存在如下的技术问题：
4、pvrcnn方法存在中心检测不准，计算效率低的问题，centerpoint方法则是无法适配稀疏点云的计算场景，基于现有的检测方法难以实现高效准确的目标检测。
技术实现思路
1、基于此，有必要针对上述技术问题，提供一种能够提高三维空间中目标检测的精度和检测效率的一种三维目标检测方法、装置、计算机设备、计算机可读存储介质和计算机程序产品。
2、第一方面，本申请提供了一种三维目标检测方法。所述方法包括：
3、获取待检测空间中待测目标的点云数据，对所述点云数据进行体素化处理，得到体素点云数据；
4、利用预构建的第一特征网络对所述体素点云数据进行特征提取，获取与所述体素点云数据对应的三维定位特征以及目标识别特征；
5、基于所述三维定位特征将所述待测目标投影至预设的二维平面内，获取所述待测目标的二维定位特征；
6、基于所述二维定位特征得到与所述待测目标对应的三维检测框的定位参数；
7、基于所述目标识别特征对所述三维检测框进行优化，得到目标检测结果。
8、在其中一个实施例中，所述第一特征网络为稀疏三维卷积网络，所述利用预构建的第一特征网络对所述体素点云数据进行特征提取，获取与所述体素点云数据对应的三维定位特征以及目标识别特征包括：
9、基于所述第一特征网络中的多个卷积层对所述体素点云数据进行多次下采样特征提取，得到所述三维定位特征；
10、通过预设的体素特征抓取网络，在每个所述卷积层中对所述体素点云数据进行特征提取，得到所述目标识别特征。
11、在其中一个实施例中，所述基于所述二维定位特征得到与所述待测目标对应的三维检测框的定位参数包括：
12、根据所述二维定位特征获取与所述待测目标对应的中心目标区域；
13、确定所述中心目标区域与所述待测目标边缘的距离参数，根据所述中心目标区域以及所述距离参数得到所述定位参数。
14、在其中一个实施例中，所述确定所述中心目标区域与所述待测目标边缘的距离参数，根据所述中心目标区域以及所述距离参数得到所述定位参数包括：
15、根据所述中心目标区域以及对应的所述距离参数生成若干组候选定位参数；
16、分别计算所述候选定位参数与预设的所述基准真值之间的损失值，根据所述损失值确定所述定位参数。
17、在其中一个实施例中，所述定位参数包括所述三维检测框的类别、中心位置参数、尺寸参数以及方向参数。
18、在其中一个实施例中，所述基于所述二维定位特征得到与所述待测目标对应的三维检测框的定位参数还包括：
19、通过预设的检测头网络获取所述定位参数，所述检测头网络为基于中心点位的无锚框网络。
20、第二方面，本申请还提供了一种三维目标检测装置。所述装置包括：
21、体素处理模块，用于获取待检测空间中待测目标的点云数据，对所述点云数据进行体素化处理，得到体素点云数据；
22、特征提取模块，用于利用预构建的第一特征网络对所述体素点云数据进行特征提取，获取与所述体素点云数据对应的三维定位特征以及目标识别特征；
23、特征投影模块，用于基于所述三维定位特征将所述待测目标投影至预设的二维平面内，获取所述待测目标的二维定位特征；
24、检测定位模块，用于基于所述二维定位特征得到与所述待测目标对应的三维检测框的定位参数；
25、目标优化模块，用于基于所述目标识别特征对所述三维检测框进行优化，得到目标检测结果。
26、在其中一个实施例中，所述第一特征网络为稀疏三维卷积网络，所述特征提取模块包括：
27、多级下采样模块，用于基于所述第一特征网络中的多个卷积层对所述体素点云数据进行多次下采样特征提取，得到所述三维定位特征；
28、体素特征模块，用于通过预设的体素特征抓取网络，在每个所述卷积层中对所述体素点云数据进行特征提取，得到所述目标识别特征。
29、在其中一个实施例中，所述检测定位模块包括：
30、中心检测模块，用于根据所述二维定位特征获取与所述待测目标对应的中心目标区域；
31、边界距离模块，用于确定所述中心目标区域与所述待测目标边缘的距离参数，根据所述中心目标区域以及所述距离参数得到所述定位参数。
32、在其中一个实施例中，所述边界距离模块包括：
33、候选参数模块，用于根据所述中心目标区域以及对应的所述距离参数生成若干组候选定位参数；
34、筛选确定模块，用于分别计算所述候选定位参数与预设的所述基准真值之间的损失值，根据所述损失值确定所述定位参数。
35、在其中一个实施例中，所述定位参数包括所述三维检测框的类别、中心位置参数、尺寸参数以及方向参数。
36、在其中一个实施例中，所述检测定位模块还包括：
37、检测头模块，用于通过预设的检测头网络获取所述定位参数，所述检测头网络为基于中心点位的无锚框网络。
38、第三方面，本申请还提供了一种计算机设备。所本文档来自技高网...
【技术保护点】
1.一种三维目标检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第一特征网络为稀疏三维卷积网络，所述利用预构建的第一特征网络对所述体素点云数据进行特征提取，获取与所述体素点云数据对应的三维定位特征以及目标识别特征包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述二维定位特征得到与所述待测目标对应的三维检测框的定位参数包括：
4.根据权利要求3所述的方法，其特征在于，所述确定所述中心目标区域与所述待测目标边缘的距离参数，根据所述中心目标区域以及所述距离参数得到所述定位参数包括：
5.根据权利要求1至4任意一项所述的方法，其特征在于，所述定位参数包括所述三维检测框的类别、中心位置参数、尺寸参数以及方向参数。
6.根据权利要求3所述的方法，其特征在于，所述基于所述二维定位特征得到与所述待测目标对应的三维检测框的定位参数还包括：
7.一种三维目标检测装置，其特征在于，所述装置包括：
8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在
9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
10.一种计算机程序产品，包括计算机程序，其特征在于，该计算机程序被处理器执行时实现权利要求1至6中任一项所述的方法的步骤。
...【技术特征摘要】
1.一种三维目标检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述第一特征网络为稀疏三维卷积网络，所述利用预构建的第一特征网络对所述体素点云数据进行特征提取，获取与所述体素点云数据对应的三维定位特征以及目标识别特征包括：
3.根据权利要求1所述的方法，其特征在于，所述基于所述二维定位特征得到与所述待测目标对应的三维检测框的定位参数包括：
4.根据权利要求3所述的方法，其特征在于，所述确定所述中心目标区域与所述待测目标边缘的距离参数，根据所述中心目标区域以及所述距离参数得到所述定位参数包括：
5.根据权利要求1至4任意一项所述的方法，其特征在于，所述定位参数包括所述三维检测框的类别、中心位置参...
【专利技术属性】
技术研发人员：鲍文博，
申请(专利权)人：中汽创智科技有限公司，
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。