[發明專利]目標檢測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202211524124.0
• 申請日: 2022-11-29
• 公開（公告）號: CN115830574A
• 公開（公告）日: 2023-03-21
• 發明（設計）人: 李昊
• 申請（專利權）人: 上海高德威智能交通系統有限公司
• 主分類號: G06V20/58
• 分類號: G06V20/58;G06V20/64;G06V10/82;G06V10/25;G06N3/045;G06N3/0464
• 代理公司: 深圳市世紀恒程知識產權代理事務所 44287
• 代理人: 涂超群

本申請公開了一種目標檢測方法、裝置、電子設備及存儲介質，包括：獲取點云數據；執行迭代流程：通過構建的窗口機制，對點云數據進行劃分，得到多個點云窗口，窗口機制基于點云數據中的關鍵點及其鄰近點，確定點云窗口；在每個點云窗口內，基于局部注意力機制，確定每個點云的高維特征；在基于局部注意力機制，確定每個點云的高維特征的迭代流程中，當迭代流程為第一次迭代流程時，相應輸入特征為每個點云的原始點云特征，當迭代流程為其他迭代流程，相應輸入特征為上一次迭代流程所確定的每個點云的高維特征；若滿足預設迭代停止條件，則停止迭代，基于停止迭代時，點云數據中每個點云的高維特征，進行目標檢測。本申請旨在提高目標檢測的精度。

技術領域

本申請涉及計算機技術領域，尤其涉及一種目標檢測方法、裝置、電子設備及存儲介質。

背景技術

感知是自動駕駛系統的基礎與核心，2D(二維)感知對于高級別自動駕駛遠遠不夠，準確的3D(三維)感知尤為重要。

在目前的3D目標檢測方法中，多使用3D稀疏卷積或者是多層感知機對點云數據進行特征提取。在上述特征提取的過程中，均使用了卷積操作和下采樣操作，但是對于自動駕駛場景來說，下采樣操作后得到的特征圖中，非機動車和行人所對應的特征在BEV(鳥瞰)視角下只占據一小部分，導致目標(非機動車和行人)的檢測精度較低。

發明內容

有鑒于此，本申請提供一種目標檢測方法、裝置、電子設備及存儲介質，旨在提高目標的檢測精度，解決現有3D目標檢測方法對目標的檢測精度較低的技術問題。

本申請提供一種目標檢測方法，包括以下步驟：

獲取點云數據；

執行如下迭代流程：通過構建的窗口機制，對所述點云數據進行劃分，得到多個點云窗口，所述窗口機制是基于點云數據中的關鍵點及其鄰近點，確定點云窗口的；在每個點云窗口內，基于局部注意力機制，確定每個點云的高維特征；

其中，在基于局部注意力機制，確定每個點云的高維特征的迭代流程中，當迭代流程為第一次迭代流程時，相應輸入特征為每個點云的原始點云特征，當迭代流程為除所述第一次迭代流程以外的任一次迭代流程，相應輸入特征為上一次迭代流程所確定的每個點云的高維特征；

若滿足預設迭代停止條件，則停止迭代，并基于停止迭代時，所述點云數據中每個點云的高維特征，進行目標檢測。

在本申請的一種可能的實施方式中，所述通過構建的窗口機制，對點云數據進行劃分，得到多個點云窗口的步驟，包括：

通過FPS算法對點云數據進行采樣，得到N個關鍵點；

通過K-近鄰算法對每個關鍵點周圍的鄰近點進行查找并分組，將所述點云數據劃分為N個窗口。

在本申請的一種可能的實施方式中，所述迭代流程中，第j次迭代流程得到的點云窗口中點云的數量，與第j-1次迭代流程得到的點云窗口中點云的數量不相同，其中，j為大于等于2的正整數。

在本申請的一種可能的實施方式中，所述在每個點云窗口內，基于局部注意力機制，確定每個點云的高維特征的步驟，包括：

在每個點云窗口內，利用多層感知器對所述點云窗口中每個點云的輸入特征進行特征映射，得到對應的查詢矩陣、鍵矩陣和值矩陣；

基于所述查詢矩陣、所述鍵矩陣和所述值矩陣，確定每個點云的高維特征。

在本申請的一種可能的實施方式中，所述基于所述查詢矩陣、所述鍵矩陣和所述值矩陣，確定每個點云的高維特征的步驟，包括：

將所述查詢矩陣與所述鍵矩陣相乘，得到相互注意力矩陣；

基于所述相互注意力矩陣中的注意力系數，對所述值矩陣進行加權計算，確定每個點云的高維特征。