[發(fā)明專利]一種目標(biāo)檢測(cè)方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110019670.8
• 申請(qǐng)日: 2021-01-07
• 公開（公告）號(hào): CN112734827A
• 公開（公告）日: 2021-04-30
• 發(fā)明（設(shè)計(jì)）人: 白宇
• 申請(qǐng)（專利權(quán)）人: 京東鯤鵬(江蘇)科技有限公司
• 主分類號(hào): G06T7/62
• 分類號(hào): G06T7/62;G06T7/66;G06T7/73;G06N3/08
• 代理公司: 北京品源專利代理有限公司 11332
• 代理人: 孟金喆

本發(fā)明實(shí)施例公開了一種目標(biāo)檢測(cè)方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)，該方法包括：獲取針對(duì)應(yīng)用場(chǎng)景采集的雷達(dá)點(diǎn)云數(shù)據(jù)；將雷達(dá)點(diǎn)云數(shù)據(jù)輸入至預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型中，其中，預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型包括由預(yù)設(shè)大小的預(yù)設(shè)卷積核組成的預(yù)設(shè)卷積層，預(yù)設(shè)卷積核中參與當(dāng)次卷積計(jì)算的有效卷積點(diǎn)是基于預(yù)設(shè)卷積核對(duì)應(yīng)的參數(shù)權(quán)重值確定的，參數(shù)權(quán)重值是通過訓(xùn)練預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型獲得的；根據(jù)預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型的輸出，確定應(yīng)用場(chǎng)景中的目標(biāo)物體信息。通過本發(fā)明實(shí)施例的技術(shù)方案，可以提高目標(biāo)檢測(cè)的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明實(shí)施例涉及計(jì)算機(jī)技術(shù)，尤其涉及一種目標(biāo)檢測(cè)方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)。

背景技術(shù)

隨著計(jì)算機(jī)技術(shù)的快速發(fā)展，可以對(duì)應(yīng)用場(chǎng)景中的目標(biāo)物體進(jìn)行目標(biāo)檢測(cè)，以便獲得應(yīng)用場(chǎng)景中的目標(biāo)物體位置信息等。例如，在無人駕駛場(chǎng)景中，可以對(duì)無人駕駛車輛周圍環(huán)境中的目標(biāo)物體進(jìn)行檢測(cè)。

目前，可以利用普通卷積層或者稀疏卷積層(比如子流形稀疏卷積層)對(duì)采集的雷達(dá)點(diǎn)云數(shù)據(jù)進(jìn)行處理，以便獲得應(yīng)用場(chǎng)景中的目標(biāo)物體。

然而，在實(shí)現(xiàn)本發(fā)明過程中，發(fā)明人發(fā)現(xiàn)現(xiàn)有技術(shù)中至少存在如下問題：

由于采集的雷達(dá)點(diǎn)云數(shù)據(jù)為稀疏數(shù)據(jù)，而普通卷積層通常是用于處理稠密數(shù)據(jù)的，從而普通卷積層在處理雷達(dá)點(diǎn)云數(shù)據(jù)時(shí)無法獲得較好的處理效果，進(jìn)而降低了目標(biāo)檢測(cè)的準(zhǔn)確性。而且，稀疏卷積層在處理稀疏的雷達(dá)點(diǎn)云數(shù)據(jù)時(shí)，雖然一定程度上抑制了雷達(dá)點(diǎn)云數(shù)據(jù)在空間上的膨脹現(xiàn)象的發(fā)生，但同時(shí)也抑制了臨近信息之間的融合過程，導(dǎo)致只能通過池化層或者較大卷積步長(zhǎng)進(jìn)行臨界信息的融合。而使用過多的池化層或者較大卷積步長(zhǎng)無法保證最終特征圖的分辨率，進(jìn)而也降低了目標(biāo)檢測(cè)的準(zhǔn)確性。

發(fā)明內(nèi)容

本發(fā)明實(shí)施例提供了一種目標(biāo)檢測(cè)方法、裝置、電子設(shè)備和存儲(chǔ)介質(zhì)，以提高目標(biāo)檢測(cè)的準(zhǔn)確性。

第一方面，本發(fā)明實(shí)施例提供了一種目標(biāo)檢測(cè)方法，包括：

獲取針對(duì)應(yīng)用場(chǎng)景采集的雷達(dá)點(diǎn)云數(shù)據(jù)；

將所述雷達(dá)點(diǎn)云數(shù)據(jù)輸入至預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型中，其中，所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型包括由預(yù)設(shè)大小的預(yù)設(shè)卷積核組成的預(yù)設(shè)卷積層，所述預(yù)設(shè)卷積核中參與當(dāng)次卷積計(jì)算的有效卷積點(diǎn)是基于所述預(yù)設(shè)卷積核對(duì)應(yīng)的參數(shù)權(quán)重值確定的，所述參數(shù)權(quán)重值是通過訓(xùn)練所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型獲得的；

根據(jù)所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型的輸出，確定所述應(yīng)用場(chǎng)景中的目標(biāo)物體信息。

第二方面，本發(fā)明實(shí)施例還提供了一種目標(biāo)檢測(cè)裝置，包括：

雷達(dá)點(diǎn)云數(shù)據(jù)獲取模塊，用于獲取針對(duì)應(yīng)用場(chǎng)景采集的雷達(dá)點(diǎn)云數(shù)據(jù)；

雷達(dá)點(diǎn)云數(shù)據(jù)輸入模塊，用于將所述雷達(dá)點(diǎn)云數(shù)據(jù)輸入至預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型中，其中，所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型包括由預(yù)設(shè)大小的預(yù)設(shè)卷積核組成的預(yù)設(shè)卷積層，所述預(yù)設(shè)卷積核中參與當(dāng)次卷積計(jì)算的有效卷積點(diǎn)是基于所述預(yù)設(shè)卷積核對(duì)應(yīng)的參數(shù)權(quán)重值確定的，所述參數(shù)權(quán)重值是通過訓(xùn)練所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型獲得的；

目標(biāo)物體信息確定模塊，用于根據(jù)所述預(yù)設(shè)卷積神經(jīng)網(wǎng)絡(luò)模型的輸出，確定所述應(yīng)用場(chǎng)景中的目標(biāo)物體信息。

第三方面，本發(fā)明實(shí)施例還提供了一種電子設(shè)備，所述電子設(shè)備包括：

一個(gè)或多個(gè)處理器；

存儲(chǔ)器，用于存儲(chǔ)一個(gè)或多個(gè)程序；

當(dāng)所述一個(gè)或多個(gè)程序被所述一個(gè)或多個(gè)處理器執(zhí)行，使得所述一個(gè)或多個(gè)處理器實(shí)現(xiàn)如本發(fā)明任意實(shí)施例所提供的目標(biāo)檢測(cè)方法。

第四方面，本發(fā)明實(shí)施例還提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，其上存儲(chǔ)有計(jì)算機(jī)程序，該程序被處理器執(zhí)行時(shí)實(shí)現(xiàn)如本發(fā)明任意實(shí)施例所提供的目標(biāo)檢測(cè)方法。

上述發(fā)明中的實(shí)施例具有如下優(yōu)點(diǎn)或有益效果：