[發(fā)明專利]一種基于關(guān)鍵點(diǎn)點(diǎn)云局部特征的三維目標(biāo)檢測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202310334824.1
• 申請(qǐng)日: 2023-03-31
• 公開（公告）號(hào): CN116403206A
• 公開（公告）日: 2023-07-07
• 發(fā)明（設(shè)計(jì)）人: 楊慶華;倪金虎;童彥
• 申請(qǐng)（專利權(quán)）人: 上海大學(xué)
• 主分類號(hào): G06V20/64
• 分類號(hào): G06V20/64;G06V10/44;G06V10/80;G06V10/26;G06V10/764;G06V10/82
• 代理公司: 上海恒慧知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙) 31317
• 代理人: 張寧展

1.一種基于關(guān)鍵點(diǎn)點(diǎn)云局部特征的三維目標(biāo)檢測(cè)方法，包括：獲取當(dāng)前時(shí)刻待檢測(cè)的點(diǎn)云數(shù)據(jù)；將獲取的點(diǎn)云數(shù)據(jù)輸入到訓(xùn)練好的多維特征融合的特征編碼網(wǎng)中，得到目標(biāo)檢測(cè)結(jié)果，其特征在于，所述多維特征融合的特征編碼網(wǎng)對(duì)訓(xùn)練樣本中點(diǎn)云數(shù)據(jù)進(jìn)行關(guān)鍵點(diǎn)采樣和特征編碼，得到關(guān)鍵點(diǎn)點(diǎn)云局部特征，具體步驟如下：

S1.獲取N個(gè)原始點(diǎn)云數(shù)據(jù)；

S2.通過空間距離最遠(yuǎn)點(diǎn)采樣法，從N個(gè)點(diǎn)中采樣N’/3個(gè)點(diǎn)，作為關(guān)鍵點(diǎn)；

S3.通過特征距離最遠(yuǎn)點(diǎn)采樣法，從N個(gè)點(diǎn)中采樣N’/3個(gè)點(diǎn)，作為關(guān)鍵點(diǎn)；

S4.將點(diǎn)云坐標(biāo)系轉(zhuǎn)換為以激光雷達(dá)為原點(diǎn)的坐標(biāo)系，計(jì)算逐點(diǎn)距離坐標(biāo)原點(diǎn)的相對(duì)距離，根據(jù)點(diǎn)到坐標(biāo)原點(diǎn)的距離設(shè)置不同的采樣概率，點(diǎn)被隨機(jī)采樣的概率與點(diǎn)到原點(diǎn)的距離成正比，從N個(gè)點(diǎn)中采樣N’/3個(gè)點(diǎn)；

S5.將步驟S2、步驟S3和步驟S4分別采樣得到的點(diǎn)云重新組合成一個(gè)N’個(gè)點(diǎn)的關(guān)鍵點(diǎn)云集合，并通過點(diǎn)集抽象模塊(SA)進(jìn)行特征提取，生成關(guān)鍵點(diǎn)點(diǎn)云局部特征。

2.根據(jù)權(quán)利要求1所述的基于關(guān)鍵點(diǎn)點(diǎn)云局部特征的三維目標(biāo)檢測(cè)方法，其特征在于，所述步驟S2.通過空間距離最遠(yuǎn)點(diǎn)采樣法，從N個(gè)點(diǎn)中采樣N’/3個(gè)點(diǎn)，具體步驟如下：

步驟S2.1輸入點(diǎn)云有N個(gè)點(diǎn)，從點(diǎn)云中選取點(diǎn)P0作為起始點(diǎn)，得到采樣點(diǎn)集合S＝{P0}；

步驟S2.2計(jì)算所有點(diǎn)到點(diǎn)P0的距離，構(gòu)成N維數(shù)組L，并選擇最大值對(duì)應(yīng)的點(diǎn)作為點(diǎn)P1，更新采樣點(diǎn)集合S＝{P0，P1}；

步驟S2.3計(jì)算所有點(diǎn)到點(diǎn)P1的距離，對(duì)于每一個(gè)點(diǎn)Pi，其距離P1的距離如果小于L[i]，則更新L[i]＝d(Pi,P1)，即數(shù)組L中存儲(chǔ)是每一個(gè)點(diǎn)到采樣點(diǎn)集合S的最近距離；

步驟S2.4選取數(shù)組L中最大值對(duì)應(yīng)的點(diǎn)作為點(diǎn)P2，更新采樣點(diǎn)集合S＝{P0，P1，P2}；

步驟S2.5重復(fù)步驟S2.2-S2.4，直至采樣到N’/3個(gè)目標(biāo)采樣點(diǎn)。

3.根據(jù)權(quán)利要求1所述的基于關(guān)鍵點(diǎn)點(diǎn)云局部特征的三維目標(biāo)檢測(cè)方法，其特征在于，所述步驟S3.通過特征距離最遠(yuǎn)點(diǎn)采樣法，從N個(gè)點(diǎn)中采樣N’/3個(gè)點(diǎn)，具體步驟如下：

步驟S3.1隨機(jī)選取一個(gè)點(diǎn)作為第一個(gè)采樣點(diǎn)，添加到采樣點(diǎn)集合中；

步驟S3.2對(duì)于剩余點(diǎn)，計(jì)算它們到采樣點(diǎn)集合中所有點(diǎn)的特征距離，選取距離最遠(yuǎn)且特征距離最大的點(diǎn)作為下一個(gè)采樣點(diǎn)，添加到采樣點(diǎn)集合中；

步驟S3.3重復(fù)步驟S3.2，直到采樣點(diǎn)集合中點(diǎn)的數(shù)量達(dá)到指定數(shù)量為止。

4.根據(jù)權(quán)利要求1所述的基于關(guān)鍵點(diǎn)點(diǎn)云局部特征的三維目標(biāo)檢測(cè)方法，其特征在于,所述的步驟S4，基于點(diǎn)到中心距離的不同采樣概率，具體步驟如下：

步驟S4.1以激光雷達(dá)為坐標(biāo)原點(diǎn)即中心點(diǎn)，計(jì)算每個(gè)點(diǎn)到中心點(diǎn)的歐式距離d；

步驟S4.2對(duì)原始點(diǎn)云進(jìn)行采樣，一個(gè)點(diǎn)被采樣的概率與點(diǎn)的歐式距離成正比，概率p＝d/D，其中，D為點(diǎn)到中心的最遠(yuǎn)距離；

步驟S4.3重復(fù)步驟步驟S4.2，直到采樣到指定數(shù)量的點(diǎn)為止。

5.根據(jù)權(quán)利要求1所述的基于關(guān)鍵點(diǎn)點(diǎn)云局部特征的三維目標(biāo)檢測(cè)方法，其特征在于，所述通過點(diǎn)集抽象模塊(SA)進(jìn)行特征提取，具體步驟如下：

步驟S5.1對(duì)輸入點(diǎn)云進(jìn)行區(qū)域分割：點(diǎn)集抽象模塊層首先將輸入點(diǎn)云數(shù)據(jù)按空間位置進(jìn)行分割，將每個(gè)區(qū)域內(nèi)的點(diǎn)看作一個(gè)集合，對(duì)于每個(gè)區(qū)域，點(diǎn)集抽象模塊層使用一個(gè)可學(xué)習(xí)的神經(jīng)網(wǎng)絡(luò)來確定該區(qū)域的中心點(diǎn)，這些中心點(diǎn)用于表示該區(qū)域的整體特征；

步驟S5.2提取區(qū)域的局部特征，將局部特征聚合到中心點(diǎn)：使用最大池化的方法將局部特征聚合到中心點(diǎn)，即將每個(gè)局部特征向量與該區(qū)域的中心點(diǎn)的特征向量進(jìn)行比較，選擇其中的最大值作為該區(qū)域的最終特征向量；

步驟S5.3將每個(gè)區(qū)域的特征向量合并：將每個(gè)區(qū)域的最終特征向量連接起來，形成整個(gè)點(diǎn)云的全局特征向量，該全局特征向量可以傳遞到后續(xù)的網(wǎng)絡(luò)層進(jìn)行分類或者回歸等任務(wù)。