[发明专利]一种目标检测方法、装置、设备及存储介质

权利要求书

1.一种目标检测方法，其特征在于，包括：

获取待检测点云数据，各所述待检测点云数据包括位置坐标及运动速度；

对各所述待检测点云数据进行聚类，确定分簇数据；

针对每组分簇数据，基于所述分簇数据结合预确定的目标检测网络模型确定目标点；

根据各所述目标点确定目标对象所对应的目标检测框。

2.根据权利要求1所述的方法，其特征在于，所述对各所述待检测点云数据进行聚类，确定分簇数据，包括：

对各所述位置坐标和运动速度进行归一化及缩放处理，得到目标坐标和目标速度；

对各所述目标坐标和目标速度进行聚类，得到各分簇数据。

3.根据权利要求1所述的方法，其特征在于，所述目标检测网络模型的确定步骤包括：

获取训练样本，各所述训练样本包括至少一个训练点云数据的横坐标、纵坐标、横向速度分量和纵向速度分量，以及各所述训练点云数据对应的标准类别；

将当前迭代下对应的训练样本输入至当前的待训练网络模型中，获得训练预测类别；

采用给定的至少一个损失函数表达式，结合各所述训练预测类别以及对应的标准类别，获得相应的损失函数，并通过对各损失函数的融合处理形成拟合损失函数；

基于所述拟合损失函数对所述待训练网络模型进行反向传播，得到用于下一迭代的待训练网络模型，直至满足迭代收敛条件，得到目标检测网络模型。

4.根据权利要求3所述的方法，其特征在于，所述待训练网络模型包括：第一感知机、第二感知机、池化层、全连接层和第三感知机；

其中，所述第一感知机、第二感知机和第三感知机的参数不同。

5.根据权利要求4所述的方法，其特征在于，所述将当前迭代下对应的训练样本输入至当前的待训练网络模型中，获得训练预测类别，包括：

将各所述训练点云数据的横坐标、纵坐标、横向速度分量和纵向速度分量输入到第一感知机中，得到第一特征数据；

将各所述第一特征数据输入到所述第二感知机中，得到第二特征数据；

将各所述第二特征数据输入到所述池化层中，获得池化数据；

将所述池化数据输入到所述全连接层，得到区域类别概率；

对各所述第一特征数据、池化数据和区域类别概率进行特征拼接，得到拼接特征数据；

将各所述拼接特征数据输入到所述第三感知机，得到预测类型概率；

根据各所述预测类型概率确定各所述训练点云数据的训练预测类别。

6.根据权利要求1所述的方法，其特征在于，所述基于所述分簇数据结合预确定的目标检测网络模型确定目标点，包括：

将所述分簇数据输入至目标检测网络模型中，获得所述目标检测网络模型输出的分簇数据中各待检测点云数据对应的模型预测类别；

对各所述模型预测类别进行筛选，得到目标预测类别；

确定各所述目标预测类别对应的待检测点云数据；

将各所述待检测点云数据对应的坐标点确定为目标点。

7.根据权利要求1所述的方法，其特征在于，所述根据各所述目标点确定目标对象所对应的目标检测框，包括：

确定各所述目标点的位置坐标；

基于各所述位置坐标结合预设的多边形覆盖算法确定目标多边形；

将所述目标多边形确定为目标对象所对应的目标检测框。

8.一种目标检测装置，其特征在于，包括：

获取模块，用于获取待检测点云数据，各所述待检测点云数据包括位置坐标及运动速度；

聚类模块，用于对各所述待检测点云数据进行聚类，确定分簇数据；

目标点确定模块，用于针对每组分簇数据，基于所述分簇数据结合预确定的目标检测网络模型确定目标点；

检测框确定模块，用于根据各所述目标点确定目标对象所对应的目标检测框。