[发明专利]三维目标检测方法、装置、计算机设备及存储介质

权利要求书

1.一种三维目标检测方法，其特征在于，所述方法包括：

采用三维目标检测模型检测待检测点云，得到多个检测框；

扩张所述多个检测框，将扩张后的各检测框中激光点的坐标转换至以所述激光点所在的检测框中心点为原点的局部坐标系下，得到局部坐标系下的待检测点云；

将所述局部坐标系下的待检测点云映射至体素空间，根据所述局部坐标系下的待检测点云的坐标以及所述待检测点云的体素空间位置坐标，生成体素特征；

采用稀疏卷积网络对所述体素特征进行特征提取，得到目标特征；

采用区域候选网络检测所述目标特征，得到目标物体的检测结果。

2.根据权利要求1所述的方法，其特征在于，所述稀疏卷积网络包括依次连接的多个稀疏卷积特征提取网络；所述采用稀疏卷积网络对所述体素特征进行特征提取，得到目标特征，包括：

采用第一个稀疏卷积特征提取网络对所述体素特征进行特征提取，得到中间特征，将所述中间特征依次输入至下一个稀疏卷积特征提取网络，直至得到所述目标特征。

3.根据权利要求2所述的方法，其特征在于，每个所述稀疏卷积特征提取网络包括稀疏卷积层和多个子流形稀疏卷积层；所述采用第一个稀疏卷积特征提取网络对所述体素特征进行特征提取，得到中间特征，将所述中间特征输入至下一个稀疏卷积特征提取网络，直至得到所述目标特征，包括：

采用所述第一个稀疏卷积特征提取网络中的所述多个子流形稀疏卷积层，确定活动点位置；

通过所述稀疏卷积层，根据所述活动点位置对所述体素特征进行特征提取，得到所述中间特征；

将所述中间特征依次输入至所述下一个稀疏卷积特征提取网络进行处理，直至得到所述目标特征。

4.根据权利要求1所述的方法，其特征在于，所述根据所述局部坐标系下的待检测点云的坐标以及所述待检测点的体素空间位置坐标，生成体素特征，包括：

将所述体素空间划分成多个体素网格；

根据各体素网格中包含的激光点的局部坐标系下的坐标平均值，以及所述激光点所在的体素网格在所述体素空间中的位置坐标，生成所述体素特征。

5.根据权利要求1所述的方法，其特征在于，所述采用区域候选网络检测所述目标特征，得到目标物体的检测结果，包括：

通过所述区域候选网络中的多个卷积层对所述目标特征进行下采样处理；

将下采样后的所述目标特征调整至一维向量；

将所述一维向量输入至全连接层中，输出预设长度的一维向量，根据所述预设长度的一维向量得到所述目标物体的位置信息和类别。

6.根据权利要求1～5任一项所述的方法，其特征在于，所述稀疏卷积网络的生成方式，包括：

获取点云样本对应的多个原始检测框，从所述多个原始检测框中确定多个正样本框和多个负样本框；

扩张所述多个正样本框和所述多个负样本框；

将各正样本框和各负样本框中包含的激光点样本的坐标，转换至以所述激光点样本所在的正样本框中心点或负样本框中心点为原点的局部坐标系下，得到局部坐标系下的点云样本；

将所述局部坐标系下的点云样本映射至体素空间，根据所述局部坐标系下的点云样本的坐标以及所述点云样本的体素空间位置坐标，生成样本体素特征；

采用待训练稀疏卷积网络对所述样本体素特征进行特征提取，得到样本目标特征；

采用区域候选网络检测所述样本目标特征，得到回归结果和分类结果；

使用所述回归结果和所述分类结果对所述待训练稀疏卷积网络进行训练，得到训练好的稀疏卷积网络。