目标检测方法、装置、设备以及存储介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113111787A(43)申请公布日2021.07.13(21)申请号202110404253.5(22)申请日2021.04.15(71)申请人北京沃东天骏信息技术有限公司地址100176北京市大兴区经济技术开发区科创十一街18号院2号楼4层A402室申请人北京京东世纪贸易有限公司(72)发明人康志恒何刚安山(74)专利代理机构北京英赛嘉华知识产权代理有限责任公司11204代理人王达佐马晓亚(51)Int.Cl.G06K9/00(2006.01)G06K9/40(2006.01)G06K9/46(2006.01)G06N3/04(2006.01)权利要求书2页说明书9页附图3页(54)发明名称目标检测方法、装置、设备以及存储介质(57)摘要本申请公开了目标检测方法、装置、设备以及存储介质，涉及目标检测、深度学习领域。具体实现方案为：获取点云数据；根据点云数据中点云点的位置，将点云数据划分为多个点云点集合；分别提取各点云点集合中点云点的特征，确定点云数据的特征图；根据特征图以及预先训练的目标检测模型，确定点云数据中的对象。本实现方式可以准确快速地对点云数据进行目标检测。CN113111787ACN113111787A权利要求书1/2页1.一种目标检测方法，包括：获取点云数据；根据所述点云数据中点云点的位置，将所述点云数据划分为多个点云点集合；分别提取各点云点集合中点云点的特征，确定所述点云数据的特征图；根据所述特征图以及预先训练的目标检测模型，确定所述点云数据中的对象。2.根据权利要求1所述的方法，其中，所述根据所述点云数据中点云点的位置，将所述点云数据划分为多个点云点集合，包括：根据所述点云数据中点云点的位置，将位于预设空间内的点云点划分为多个点云点集合。3.根据权利要求2所述的方法，其中，所述预设空间为长方体；以及所述将位于预设空间内的点云点划分为多个点云点集合，包括：将预设空间划分为多个柱状体，将单个柱状体中的点云点作为单个点云点集合。4.根据权利要求3所述的方法，其中，所述点云数据由激光雷达采集得到，所述预设空间的底面平行于激光雷达坐标系的y‑z平面；以及所述将预设空间划分为多个柱状体，包括：按至少一个预设尺寸将所述底面划分为多个单元格；将每个单元格作为柱状体的底面，将预设空间的高作为柱状体的高，划分得到多个柱状体。5.根据权利要求1所述的方法，其中，所述分别提取各点云点集合中点云点的特征，确定所述点云数据的特征图，包括：对于每个点云点集合，提取该点云点集合中各点云点的特征，得到该点云点集合对应的特征子图；融合各特征子图，得到所述点云数据的特征图。6.根据权利要求1所述的方法，其中，所述目标检测模型为卷积神经网络，所述卷积神经网络包括多个尺寸不同的卷积核；以及所述根据所述特征图以及预先训练的目标检测模型，确定所述点云数据中的对象，包括：利用所述卷积神经网络中多个尺寸不同的卷积核对所述特征图进行卷积运算，得到融合特征图；基于所述融合特征图，确定所述点云数据中的对象。7.根据权利要求1所述的方法，其中，所述方法还包括：对检测出的对象进行可视化处理。8.根据权利要求1所述的方法，其中，所述方法还包括：过滤所述点云数据中的低质量点云点。9.一种目标检测装置，包括：点云获取单元，被配置成获取点云数据；点云划分单元，被配置成根据所述点云数据中点云点的位置，将所述点云数据划分为多个点云点集合；特征提取单元，被配置成分别提取各点云点集合中点云点的特征，确定所述点云数据2CN113111787A权利要求书2/2页的特征图；目标检测单元，被配置成根据所述特征图以及预先训练的目标检测模型，确定所述点云数据中的对象。10.根据权利要求9所述的装置，其中，所述点云划分单元进一步被配置成：根据所述点云数据中点云点的位置，将位于预设空间内的点云点划分为多个点云点集合。11.根据权利要求10所述的装置，其中，所述预设空间为长方体；以及所述点云划分单元进一步被配置成：将预设空间划分为多个柱状体，将单个柱状体中的点云点作为单个点云点集合。12.根据权利要求11所述的装置，其中，所述点云数据由激光雷达采集得到，所述预设空间的底面平行于激光雷达坐标系的y‑z平面；以及所述点云划分单元进一步被配置成：按至少一个预设尺寸将所述底面划分为多个单元格；将每个单元格作为柱状体的底面，将预设空间的高作为柱状体的高，划分得到多个柱状体。13.根据权利要求9所述的装置，其中，所述特征提取单元进一步被配置成：对于每个点云点集合，提取该点云点集合中各点云点的特征，得到该点云点集合对应的特征子图；融合各特征子图，得到所述点云数据的特征图。14.根据权利要求9所述的装置，其中，所述目标检测模型为卷积神经