[發明專利]三維目標檢測方法及檢測裝置

有效

• 申請號: 202110282039.7
• 申請日: 2021-03-16
• 公開（公告）號: CN113011317B
• 公開（公告）日: 2022-06-14
• 發明（設計）人: 李輝;王俊印;于新;崔雪紅;呂祥聰;徐凌偉
• 申請（專利權）人: 青島科技大學
• 主分類號: G06V20/64
• 分類號: G06V20/64;G06V10/80;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 青島聯智專利商標事務所有限公司 37101
• 代理人: 李升娟

本發明公開了一種三維目標檢測方法及檢測裝置，所述方法包括：獲取待檢測目標的原始點云數據和原始RGB圖像；利用所述原始點云數據重構鳥瞰圖，獲得地面特征信息增強的鳥瞰圖；將所述原始點云數據、所述原始RGB圖像和所述鳥瞰圖進行特征持續融合，獲得融合特征；將所述融合特征輸入目標檢測器，獲得目標檢測結果。應用本發明，通過對待檢測目標的原始點云數據進行地面信息增強后重構鳥瞰圖，基于重構的鳥瞰圖、原始點云數據及待檢測目標的原始RGB圖像進行數據融合，基于融合后的數據完成三維目標檢測，提高目標檢測精度。

技術領域

本發明屬于計算機視覺技術領域，具體地說，是涉及基于計算機視覺技術的目標檢測，更具體地說，是涉及三維目標檢測方法及檢測系統。

背景技術

在目標自動檢測領域，隨著三維采集技術的快速發展，三維傳感器正變得越來越有用。三維傳感器獲取的三維數據可以提供豐富的幾何、形狀和尺度信息，與二維圖像相輔相成，為機器更好地了解周圍環境提供了機會。三維數據在不同的領域有很多應用，包括自動駕駛、機器人技術、遙感、醫學和設計行業等。三維數據通常可以用不同的格式表示，包括深度圖像、點云、網格和體積網格。其中，點云表示是一種常用的格式，在三維空間中保留了原始的幾何信息，不進行離散化。因此，它是許多場景領域的應用如自動駕駛領域和機器人領域的首選表示。

隨著多目標檢測技術的廣泛推廣，多目標檢測成為了計算機視覺中一個非常活躍的領域，尤其是多模態融合的多目標檢測，更是成為了目標檢測領域研究的熱點。

現有三維目標檢測技術中，為提高多目標檢測的準確性，通常將圖像采集設備采集的RGB圖像數據和激光雷達采集設備采集的點云數據進行融合，基于融合后的數據完成三維目標檢測。通過融合RGB圖像數據和點云數據，可以充分融合點云數據的精確范圍視圖和RGB圖像的細粒度的紋理和顏色信息，從而提高目標檢測精度。但是，現有激光雷達采集設備在采集過程中受地面灰塵的影響，采集到的點云數據對三維目標檢測存在很強的干擾性，直接使用激光雷達采集設備采集的點云數據進行融合，影響三維目標檢測精度。

發明內容

本發明的目的在于提供一種三維目標檢測方法及檢測裝置，通過對待檢測目標的原始點云數據進行地面信息增強后重構鳥瞰圖，基于重構的鳥瞰圖、原始點云數據及待檢測目標的原始RGB圖像進行數據融合，基于融合后的數據完成三維目標檢測，提高目標檢測精度。

為實現上述發明目的，本發明提供的方法采用下述技術方案予以實現：

一種三維目標檢測方法，包括：

獲取待檢測目標的原始點云數據和原始RGB圖像；

利用所述原始點云數據重構鳥瞰圖，獲得地面特征信息增強的鳥瞰圖；

將所述原始點云數據、所述原始RGB圖像和所述鳥瞰圖進行特征持續融合，獲得融合特征；

將所述融合特征輸入目標檢測器，獲得目標檢測結果。

在其中一個優選實施例中，利用所述原始點云數據重構鳥瞰圖，獲得地面特征信息增強的鳥瞰圖，具體包括：

將所述原始點云數據轉換為體素空間內的原始數據；

采用線性插值方法對所述體素空間內的每一個原始數據進行處理，獲得體素空間特征；

將所述體素空間特征輸入至全卷積網絡中進行特征學習，輸出體素空間內原始數據點相對于地面點的高度預測數據；

對所述原始點云數據和所述高度預測數據進行處理，獲得去除地面點信息的點云數據；

將所述去除地面點信息的點云數據進行體素處理，重構鳥瞰圖，獲得地面特征信息增強的鳥瞰圖。

在其中一個優選實施例中，對所述原始點云數據和所述高度預測數據進行處理，獲得去除地面點信息的點云數據，具體包括：