目标检测方法、装置、电子设备及存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115830574A(43)申请公布日2023.03.21(21)申请号202211524124.0G06N3/0464(2023.01)(22)申请日2022.11.29(71)申请人上海高德威智能交通系统有限公司地址201821上海市嘉定区云谷路599弄6号620室J1452(72)发明人李昊(74)专利代理机构深圳市世纪恒程知识产权代理事务所44287专利代理师涂超群(51)Int.Cl.G06V20/58(2022.01)G06V20/64(2022.01)G06V10/82(2022.01)G06V10/25(2022.01)G06N3/045(2023.01)权利要求书3页说明书10页附图2页(54)发明名称目标检测方法、装置、电子设备及存储介质(57)摘要本申请公开了一种目标检测方法、装置、电子设备及存储介质，包括：获取点云数据；执行迭代流程：通过构建的窗口机制，对点云数据进行划分，得到多个点云窗口，窗口机制基于点云数据中的关键点及其邻近点，确定点云窗口；在每个点云窗口内，基于局部注意力机制，确定每个点云的高维特征；在基于局部注意力机制，确定每个点云的高维特征的迭代流程中，当迭代流程为第一次迭代流程时，相应输入特征为每个点云的原始点云特征，当迭代流程为其他迭代流程，相应输入特征为上一次迭代流程所确定的每个点云的高维特征；若满足预设迭代停止条件，则停止迭代，基于停止迭代时，点云数据中每个点云的高维特征，进行目标检测。本申请旨在提高目标检测的精度。CN115830574ACN115830574A权利要求书1/3页1.一种目标检测方法，其特征在于，所述目标检测方法包括以下步骤：获取点云数据；执行如下迭代流程：通过构建的窗口机制，对所述点云数据进行划分，得到多个点云窗口，所述窗口机制是基于点云数据中的关键点及其邻近点，确定点云窗口的；在每个点云窗口内，基于局部注意力机制，确定每个点云的高维特征；其中，在基于局部注意力机制，确定每个点云的高维特征的迭代流程中，当迭代流程为第一次迭代流程时，相应输入特征为每个点云的原始点云特征，当迭代流程为除所述第一次迭代流程以外的任一次迭代流程，相应输入特征为上一次迭代流程所确定的每个点云的高维特征；若满足预设迭代停止条件，则停止迭代，并基于停止迭代时，所述点云数据中每个点云的高维特征，进行目标检测。2.如权利要求1所述的目标检测方法，其特征在于，所述通过构建的窗口机制，对点云数据进行划分，得到多个点云窗口的步骤，包括：通过FPS算法对点云数据进行采样，得到N个关键点；通过K‑近邻算法对每个关键点周围的邻近点进行查找并分组，将所述点云数据划分为N个窗口。3.如权利要求1所述的目标检测方法，其特征在于，所述迭代流程中，第j次迭代流程得到的点云窗口中点云的数量，与第j‑1次迭代流程得到的点云窗口中点云的数量不相同，其中，j为大于等于2的正整数。4.如权利要求1所述的目标检测方法，其特征在于，所述在每个点云窗口内，基于局部注意力机制，确定每个点云的高维特征的步骤，包括：在每个点云窗口内，利用多层感知器对所述点云窗口中每个点云的输入特征进行特征映射，得到对应的查询矩阵、键矩阵和值矩阵；基于所述查询矩阵、所述键矩阵和所述值矩阵，确定每个点云的高维特征。5.如权利要求4所述的目标检测方法，其特征在于，所述基于所述查询矩阵、所述键矩阵和所述值矩阵，确定每个点云的高维特征的步骤，包括：将所述查询矩阵与所述键矩阵相乘，得到相互注意力矩阵；基于所述相互注意力矩阵中的注意力系数，对所述值矩阵进行加权计算，确定每个点云的高维特征。6.如权利要求1所述的目标检测方法，其特征在于，所述基于停止迭代时，所述点云数据中每个点云的高维特征，进行目标检测的步骤，包括：将停止迭代时，所述点云数据中每个点云的高维特征投影至鸟瞰图；通过卷积神经网络对所述鸟瞰图进行特征提取，生成3D检测框；通过卷积神经网络对所述3D检测框的类别和尺度进行预测，得到目标检测结果。7.如权利要求6所述的目标检测方法，其特征在于，所述通过卷积神经网络对所述鸟瞰图进行特征提取，生成3D检测框的步骤：对输入的鸟瞰图图像特征依次进行卷积操作，得到多个尺度的鸟瞰图图像特征；分别对多个尺度的鸟瞰图图像特征进行反卷积操作，得到多个尺度相同的鸟瞰图图像特征；2CN115830574A权利要求书2/3页将多个尺度相同的鸟瞰图像特征进行级联，得到级联鸟瞰图图像特征，并生成3D检测框。8.一种目标检测装置，其特征在于，所述目标检测装置包括：数据获取模块，用于获取点云数据；窗口划分模块，用于执行如下迭代流程：通过构建的窗口机制，对点云数据进行划分，得到多个点云窗口，所述窗口机制是基于点云数据中的关键点及其邻近点，