[发明专利]物体检测方法、装置及设备

说明书

本申请公开了物体检测方法、装置及设备，车辆行驶信息确定方法、装置及设备。其中，物体检测方法包括：根据环境点云数据，确定目标空间内与第一空间分辨率对应的多个第一体素的第一特征数据和第一体素中与至少一个第二空间分辨率分别对应的多个第二体素的第二特征数据，将第一特征数据和第二特征数据作为第一体素的第三特征数据；通过网络深度与第一空间分辨率对应的二维特征提取模型，根据第三特征数据生成目标空间的二维特征图像；根据包括第一体素间相邻信息和第二体素间相邻信息的二维特征图像，确定目标空间内的物体信息。采用这种处理方式，可以有效兼顾较高的物体检测准确度及较快的检测速度。

技术领域

本申请涉及图像处理技术领域，具体涉及物体检测方法、装置及设备，车辆行驶信息确定方法、装置及设备，病灶检测方法、装置及设备，虚拟购物方法、装置及设备，天气预测方法、装置及设备。

背景技术

在无人驾驶及机器人等领域中，机器感知是重要组成部分，感知传感器包括激光雷达，摄像头，超声波，毫米波雷达等等。相比于摄像头、超声波、毫米波雷达等传感器，多线激光雷达的激光点云信号包含精确的目标位置信息以及目标的几何形状信息，因此在无人驾驶及机器人的感知中起到重要的作用。

目前，一种典型的利用激光点云实现目标识别的方法的处理过程包括如下步骤：1)不同于直接将激光点云投影到一个或多个平面的目标检测算法，3D体素化的方法将激光点云分成多个等体积的体素；2)针对每个体素，利用MLP+pooling等方法从该体素的点云数据中提取得到体素特征；3)通过多层的3D卷积将空间3D信息降维为空间2D信息；4)基于降维后的空间2D信息进行目标检测。相比于目前基于激光点云投影的深度学习(直接将点云投影到一个特定平面)的方法，由于该方法利用3D卷积充分提取了体素之间的相邻信息，因此提升了激光雷达的感知性能。

综上所述，现有技术存在无法兼顾较高的物体检测准确度及较快的检测速度的问题。如何在不降低物体检测速度的前提下，提升物体检测准确度成为本领域技术人员迫切需要解决的问题。

发明内容

本申请提供物体检测方法，以解决现有技术存在的无法兼顾较高的物体检测准确度及较快的检测速度的问题。本申请另外提供物体检测装置及设备，车辆行驶信息确定方法、装置及设备，病灶检测方法、装置及设备，虚拟购物方法、装置及设备，天气预测方法、装置及设备。

本申请提供一种物体检测方法，包括：

根据环境点云数据，确定目标空间内与第一空间分辨率对应的多个第一体素的第一特征数据和所述第一体素中与至少一个第二空间分辨率分别对应的多个第二体素的第二特征数据，将所述第一特征数据和所述第二特征数据作为所述第一体素的第三特征数据；

将所述第一体素的第三特征数据作为网络深度与第一空间分辨率对应的二维特征提取模型的输入数据，通过所述二维特征提取模型生成目标空间的二维特征图像；

根据包括第一体素间相邻信息和第二体素间相邻信息的二维特征图像，确定目标空间内的物体信息。

可选的，所述第一特征数据和所述第二特征数据，采用如下步骤确定：

根据环境点云数据，将目标空间划分为多个第一体素；

将所述第一体素划分为多个第二体素；

根据所述第一体素的点云数据，确定所述第一特征数据；以及，根据所述第二体素的点云数据，确定第二特征数据。

可选的，还包括：

确定所述目标空间内的感兴趣区域；

清除所述环境点云数据中感兴趣区域外的点云数据。

可选的，所述通过所述二维特征提取模型生成目标空间的二维特征图像，包括：

将基于流形稀疏卷积的图像特征提取层的三维卷积核拆分为多个单卷积核；