[發明專利]一種面向三維點云數據的目標分割建模方法和裝置

在審

• 申請號: 201910648302.2
• 申請日: 2019-07-18
• 公開（公告）號: CN112241958A
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 李乃鵬;陳桂琛;韓璐
• 申請（專利權）人: 普天信息技術有限公司
• 主分類號: G06T7/10
• 分類號: G06T7/10;G06T7/521;G06K9/62
• 代理公司: 北京德琦知識產權代理有限公司 11018
• 代理人: 張馳;宋志強

本發明實施方式提出一種面向三維點云數據的目標分割建模方法和裝置。基于雙層K?Means聚類算法實現三維點云目標檢測方案中的物體模板框選取流程。第一層聚類以數據初始大類為單位進行，以與從三維坐標系原點出發向I象限延伸的α條直線之間的距離為距離指標；而第二層聚類應用于第一層聚類得到的數據整體，以交并比為距離指標。能夠高度概括模板框的局部特征，而將其與尺度縮放系數搭配使用便可實現對全局特征的高度概括。本發明實施方式由局部到全局的概括方式更加精確。

技術領域

本發明屬于目標檢測技術領域，特別是一種面向三維點云數據的目標分割建模方法和裝置。

背景技術

智能駕駛及輔助駕駛領域通常使用激光雷達作為目標物檢測的主要傳感器，通常使用的激光雷達目標物檢測方法是在獲取激光雷達點云后，對點云進行統一處理，對數據進行目標檢測和識別。

在目前主流的二維或三維目標檢測算法之中，都會用到兩種物體框，一種為物體邊界框(Bounding Box)，能夠從目標所在圖像或點云的位置，框出目標的邊界；一種為物體模板框(Anchor Box)，它的作用是作為Bounding Box的模板，告訴目標檢測算法所檢測目標的Bounding Box的大致形狀，使得目標檢測算法能夠通過Anchor Box還原出BoundingBox。

三維物體模板框具有長寬高三個維度，是三維目標檢測問題中的一個重要組件，它為所有標出物體邊界的Bounding Box建立一套模板作為其代表，為Bounding Box引入一定的先驗知識，使得模型在訓練時已知曉Bounding Box的大致形狀，從而能夠降低模型學習壓力，提升目標檢測精度。

不同的目標檢測算法對Anchor Box的應用方式亦有所不同，在SSD與Faster R-CNN中，將Anchor Box乘以不同的縮放系數，然后分配到多層特征圖中進行目標檢測。因為隨著網絡加深，特征圖將顯示更多的全局信息而在精細的微小信息上有所缺失，所以使用網絡中較淺較大的特征圖更利于小物體的檢測，而較深的更為抽象的特征圖更利于大物體的檢測。而在將Anchor Box應用在多個特征圖上時，將其乘以不同的縮放系數能夠讓這些Anchor Box更好地適應多尺度下的物體，有效提升網絡檢測精度。

大多數Anchor Box是基于經驗和實驗結果設定的，并未形成一種系統的AnchorBox生成方法，如Faster-RCNN與SSD中Anchor Box的設定。在YOLOv2與YOLOv3中，對二維的Bounding Box數據使用聚類算法來生成Anchor Box，有效提升了Anchor Box的質量，但其生成的Anchor Box并不具備尺度縮放特性，若強行對其進行縮放應用可能會造成目標檢測性能下降。Frustum PointNets將各類別Bounding Box的平均值作為各類物體的AnchorBox。由于同類物體因與數據采集設備的距離不同會形成Bounding Box比例上的差異，若差異過大則會造成Bounding Box尺寸的方差過大，那么此時平均值的數據代表性不高。

發明內容

本發明實施例提出一種面向三維點云數據的目標分割建模方法和裝置。

本發明實施例的技術方案如下：

一種面向三維點云數據的目標分割建模方法，包括：

基于三維物體的三維點云數據獲取三維物體邊界框數據，其中所述三維物體邊界框數據被分為m個大類，m為大于1的正整數；

針對所述m個大類中的每一大類，基于第一層K-means聚類算法，將該大類中的三維物體邊界框數據聚類為α個小類，α為大于1的正整數，其中所述第一層K-means聚類算法中，以與從三維坐標系原點出發向I象限延伸的α條直線之間的距離為距離指標；