[发明专利]一种物体检测方法、装置、网络设备和存储介质

权利要求书

1.一种物体检测方法，其特征在于，包括：

从场景的点云中检测出前景点，其中，点云包括场景或目标表面特性的点集合；

基于前景点和预定尺寸构建所述前景点对应的物体区域，得到候选物体区域的初始定位信息，其中，所述物体初始定位信息包括候选物体区域的位置信息和尺寸信息；

通过第一采样网络的采样层对所述点云中的所有点选择目标点，并通过所述目标点定义所述候选物体区域的质心；

通过所述第一采样网络的多尺度分组层基于所述质心构造局部区域集合；

通过所述第一采样网络的点云网络层将所述局部区域集合编码成初始特征；

通过第二采样网络对所述初始特征进行上采样操作，得到点云的特征集；

在所述候选物体区域中选择多个目标点；

从所述特征集中提取所述目标点的特征，得到所述候选物体区域的第一部分特征信息；

对所述目标点的位置信息进行标准化处理，得到目标点的标准化位置信息；

对所述第一部分特征信息和所述标准化位置信息进行融合，得到目标点的融合后特征信息；

对所述目标点的融合后特征信息进行空间变换，得到变换后位置信息；

基于所述变换后位置信息，对所述目标点的标准化位置信息进行调整，得到候选物体区域的第二部分特征信息;

对所述第一部分特征信息与所述第二部分特征信息进行融合，得到所述候选物体区域的区域特征信息;

通过区域预测网络的特征提取网络对所述区域特征信息进行特征提取，得到候选物体区域的全局特征信息，其中，所述特征提取网络包括多个依次连接的集合抽象层；

基于区域预测网络的分类网络和所述全局特征信息，对所述候选物体区域进行分类，得到候选物体区域的预测类型，其中，所述分类网络包括多个依次连接的全连接层；

基于区域预测网络的回归网络和所述全局特征信息，对所述候选物体区域的进行定位，得到候选物体区域的预测定位信息，其中，所述回归网络包括多个用于回归的全连接层，所述预测定位信息包括预测位置信息和预测尺寸信息；

基于候选物体区域的预测类型对候选物体区域进行筛选，得到筛选后物体区域；

根据筛选后物体区域的预测定位信息对其初始定位信息进行优化调整，得到优化后物体检测区域及其定位信息，其中，所述根据筛选后物体区域的预测定位信息对其初始定位信息进行优化调整，得到优化后物体检测区域及其定位信息，包括：

基于所述预测定位信息与初始定位信息之间的差异信息进行调整，以得到优化后物理检测区域及其定位信息，其中，所述差异信息包括位置差异信息和尺寸差异信息，所述位置差异信息包括三维坐标差异信息。

2.如权利要求1所述的物体检测方法，其特征在于，从场景的点云中检测出前景点，包括：

对场景的图像进行语义分割，得到前景像素；

将场景的点云中与前景像素对应的点确定为前景点。

3.如权利要求1所述的物体检测方法，其特征在于，基于前景点和预定尺寸构建所述前景点对应的物体区域，包括：以前景点为中心点并按照预定尺寸生成所述前景点对应的物体区域。

4.如权利要求1所述的物体检测方法，其特征在于，所述特征提取网络包括：多个依次连接的集合抽象层，所述分类网络包括多个依次连接的全连接层、所述回归网络包括多个依次连接的全连接层；

通过所述特征提取网络对所述区域特征信息进行特征提取，得到候选物体区域的全局特征信息，包括：通过特征提取网络中集合抽象层依次对区域特征信息进行特征提取，得到候选物体区域的全局特征信息。