[发明专利]目标识别方法、装置及设备

说明书

本申请公开了目标识别方法和装置，所述方法包括：获取目标环境下当前帧点云数据、及多帧历史点云数据；获得所述当前帧点云数据以及所述多帧历史点云数据中每个点的点特征，以及，根据所述当前帧点云数据以及所述多帧历史点云数据获得多视角特征；根据所述每个点的点特征和所述多视角特征，获得所述目标环境下的点维度描述特征；根据所述目标环境下的点维度描述特征，对所述目标环境下的目标进行识别。采用这种处理方式，使得根据多帧点云获得多视角的点维度描述特征，由此保证了激光点云感知性能，因此，可以有效兼顾较高的目标识别准确度及较快的识别速度。

技术领域

本申请涉及自动驾驶技术领域，具体涉及目标识别方法、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，常用的利用激光点云实现目标识别的方法包括：基于传统分割检测方法、基于激光点云投影的深度学习方法、基于体素化的3D激光点云检测方法、基于点维度特征的点云3D检测方法等。然而，在实现本发明过程中，发明人发现上述方法均存在无法兼顾较高的目标识别准确度及较快的目标识别速度的问题，难以达到自动驾驶车辆系统对目标检测的实时性和准确性的要求，无法确保复杂路况下自动驾驶的安全性。

发明内容

本申请提供目标识别方法，以解决现有技术存在的无法兼顾较高的目标识别准确度及较快的目标识别速度的问题。本申请另外提供目标识别装置及设备，车辆。

本申请提供一种目标识别方法，包括：

获取目标环境下当前帧点云数据、及多帧历史点云数据；

获得所述当前帧点云数据以及所述多帧历史点云数据中每个点的点特征，以及，根据所述当前帧点云数据以及所述多帧历史点云数据获得多视角特征；

根据所述每个点的点特征和所述多视角特征，获得所述目标环境下的点维度描述特征；

根据所述目标环境下的点维度描述特征，对所述目标环境下的目标进行识别。

可选的，所述根据所述当前帧点云数据以及所述多帧历史点云数据获得多视角特征，包括：

将所述多帧历史点云数据通过定位对齐到所述当前帧点云数据的坐标系上；

对所述多帧历史点云数据中的每一帧点云数据，提取俯视图的特征；

将所述当前帧点云数据投景到前视图的视角里，提取前视角的特征。

可选的，所述对所述多帧历史点云数据中的每一帧点云数据，提取俯视图的特征，包括：

将所述多帧历史点云数据中的每一帧点云数据体素化；

提取每一帧点云数据中非空体素内的特征；

将全部非空体素内的特征进行拼接，得到多帧积累的俯视图的特征。

可选的，还包括：

针对所述历史点云数据和所述当前帧点云数据中的同一个激光点，获得该同一个激光点对应的俯视图的特征和前视图的特征；

将所述同一个激光点对应的俯视图的特征和前视图的特征进行拼接，得到所述同一个激光点对应的多视角特征。

可选的，所述根据所述每个点的点特征和所述多视角特征，获得所述目标环境下的点维度描述特征，包括：

将同一个激光点的点特征与同一个激光点对应的多视角特征进行拼接，得到所述同一个激光点对应的点维度描述特征。

可选的，所述根据所述目标环境下的点维度描述特征，对所述目标环境下的目标进行识别，包括：

对每个激光点的点维度描述特征做多任务学习，所述多任务学习包括但不限于中心点、尺寸和方向监督，以实现所述目标环境下的目标识别任务。