[發明專利]目標檢測方法、裝置及電子設備

在審

• 申請號: 202011259312.6
• 申請日: 2020-11-12
• 公開（公告）號: CN112364775A
• 公開（公告）日: 2021-02-12
• 發明（設計）人: 游佳麗;錢少華;韓志華;張旭
• 申請（專利權）人: 蘇州摯途科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/46;G06K9/62;G06T7/00;G01S17/931
• 代理公司: 北京超凡宏宇專利代理事務所(特殊普通合伙) 11463
• 代理人: 榮穎佳

1.一種目標檢測方法，其特征在于，所述方法包括：

獲取待檢測的點云數據；所述點云數據為車端激光雷達掃描得到的；

對所述點云數據分別進行俯視圖特征提取和環視圖特征提取，得到俯視圖特征和環視圖特征；

基于預設的俯視圖與環視圖的對應關系，確定所述環視圖特征在俯視圖上的映射特征；

將所述俯視圖特征和所述映射特征進行拼接，得到所述待檢測的點云數據對應的目標檢測結果。

2.根據權利要求1所述的方法，其特征在于，對所述點云數據分別進行俯視圖特征提取和環視圖特征提取，得到俯視圖特征和環視圖特征的步驟，包括：

對所述點云數據分別進行BEV編碼和RV編碼，得到俯視圖點云數據和環視圖點云數據；

對所述俯視圖點云數據和所述環視圖點云數據分別進行柵格化處理，得到柵格點云數據；

將所述俯視圖點云數據和所述環視圖點云數據分別對應的柵格點云數據輸入預設點云特征提取模型，得到所述俯視圖點云數據對應的俯視圖特征和所述環視圖點云數據對應的環視圖特征。

3.根據權利要求2所述的方法，其特征在于，將所述俯視圖點云數據對應的柵格點云數據輸入預設點云特征提取模型，得到所述俯視圖點云數據對應的俯視圖特征的步驟，包括：

針對所述俯視圖點云數據中每個柵格，均執行以下步驟：

將所述柵格中每個點對應的特征值輸入所述預設點云特征提取模型，得到所述柵格對應的64維特征；其中，所述每個點對應的特征值包括稀疏因子在內的11個特征；

將各個所述柵格分別對應的64維特征作為所述俯視圖點云數據對應的俯視圖特征。

4.根據權利要求3所述的方法，其特征在于，所述稀疏因子a如下：

其中，x、y、z表示點的在三維空間坐標系中的三維坐標值。

5.根據權利要求2所述的方法，其特征在于，將所述環視圖點云數據對應的柵格點云數據輸入預設點云特征提取模型，得到所述環視圖點云數據對應的環視圖特征的步驟之前，還包括：

對所述環視圖點云數據對應的柵格點云數據進行柵格篩選，得到2D空間柵格點云數據；

將所述2D空間柵格點云數據作為新的柵格點云數據，繼續執行所述將所述環視圖點云數據對應的柵格點云數據輸入預設點云特征提取模型，得到所述環視圖點云數據對應的環視圖特征的步驟。

6.根據權利要求5所述的方法，其特征在于，所述環視圖點云數據對應的柵格點云數據以柱面坐標系中的角度、半徑和高度來表征；

對所述環視圖點云數據對應的柵格點云數據進行篩選，得到2D空間柵格點云數據的步驟，包括：

針對每個具有相同角度坐標和高度坐標的柵格序列中，篩選出包含的點云數量最大的目標柵格；

由篩選出的各個目標柵格在以角度和高度為橫縱坐標的坐標系中組成2D空間柵格點云數據。

7.根據權利要求1所述的方法，其特征在于，所述俯視圖與環視圖對應關系預存于哈希表中；

基于預設的俯視圖與環視圖的對應關系，確定所述環視圖特征在俯視圖上的映射特征的步驟，包括：

根據所述哈希表中俯視圖與環視圖的對應關系，將所述環視圖特征映射于俯視圖中，得到所述環視圖特征在俯視圖上的映射特征。

8.一種目標檢測裝置，其特征在于，所述裝置包括：

數據獲取模塊，用于獲取待檢測的點云數據；所述點云數據為車端激光雷達掃描得到的；

特征提取模塊，用于對所述點云數據分別進行俯視圖特征提取和環視圖特征提取，得到俯視圖特征和環視圖特征；

特征映射模塊，用于基于預設的俯視圖與環視圖的對應關系，確定所述環視圖特征在俯視圖上的映射特征；

特征拼接模塊，用于將所述俯視圖特征和所述映射特征進行拼接，得到所述待檢測的點云數據對應的目標檢測結果。