[发明专利]三维对象检测方法、装置、电子设备及存储介质

权利要求书

1.一种三维对象检测方法，其特征在于，包括以下步骤：

获取未知类别的目标三维对象的点云数据；

根据所述点云数据提取所述目标三维对象的点云视觉特征；以及

将所述点云视觉特征输入至预先训练的三维对象检测模型，得到所述目标三维对象的检测结果，其中，所述三维对象检测模型由已知类的视觉标签和词向量三元组损失训练得到。

2.根据权利要求1所述的方法，其特征在于，在将所述点云视觉特征输入至所述预先训练的三维对象检测模型之前，还包括：

利用预设的所述已知类的视觉标签和词向量三元组损失训练初始三维对象检测模型；

截取已知类别的点云视觉特征，并利用所述初始三维对象检测模型中的点云编码器，对所述已知类别的点云视觉特征依次进行特征编码，得到至少一组已知类别的视觉特征，截取与点云对象分类相关的部分视觉特征；

利用所述部分视觉特征训练点云视觉特征生成网络。

3.根据权利要求2所述的方法，其特征在于，在利用所述部分视觉特征训练所述点云视觉特征生成网络之前，还包括：

利用未知类别的单例视觉标注构建多个虚拟训练数据样例，以线性插值得到的虚拟词向量和虚拟视觉特征进行网络训练。

4.根据权利要求2所述的方法，其特征在于，在将所述点云视觉特征输入至所述预先训练的三维对象检测模型之前，还包括：

利用所述点云视觉特征生成网络以未知类别的词向量和随机生成的隐变量为输入，合成至少一个未知类别视觉特征；

利用所述至少一个未知类别视觉特征微调点云分类器，以对三维对象检测模型中的点云分类器进行微调，得到新的权重；

基于所述新的权重得到所述预先训练的三维对象检测模型。

5.根据权利要求2所述的方法，其特征在于，所述利用预设的所述已知类的视觉标签和词向量三元组损失训练初始三维对象检测模型，包括：

抽取预设视觉特征和预测的语义类别，构建三元组；

基于所述三元组，利用所述预设的已知类的视觉标签和词向量三元组损失训练初始三维对象检测模型。

6.根据权利要求2所述的方法，其特征在于，所述利用所述部分视觉特征训练点云视觉特征生成网络，包括：

利用预设有条件的瓦瑟斯坦生成对抗网络结构建词向量特征空间和点云视觉特征空间的潜在联系，得到伪视觉特征；

评估所述伪视觉特征，并根据所述评估结果和所述部分视觉特征，得到所述点云视觉特征生成网络。

7.一种三维对象检测装置，其特征在于，包括：

获取模块，用于获取未知类别的目标三维对象的点云数据；

提取模块，用于根据所述点云数据提取所述目标三维对象的点云视觉特征；以及

检测模块，用于将所述点云视觉特征输入至预先训练的三维对象检测模型，得到所述目标三维对象的检测结果，其中，所述三维对象检测模型由已知类的视觉标签和词向量三元组损失训练得到。

8.根据权利要求7所述的装置，其特征在于，还包括：

第一训练模块，用于利用预设的所述已知类的视觉标签和词向量三元组损失训练初始三维对象检测模型；

编码模块，用于截取已知类别的点云视觉特征，并利用所述初始三维对象检测模型中的点云编码器，对所述已知类别的点云视觉特征依次进行特征编码，得到至少一组已知类别的视觉特征，截取与点云对象分类相关的部分视觉特征；

第二训练模块，用于利用所述部分视觉特征训练点云视觉特征生成网络。

9.一种电子设备，其特征在于，包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述处理器执行所述程序，以实现如权利要求1-6任一项所述的三维对象检测方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行，以用于实现如权利要求1-6任一项所述的三维对象检测方法。