[发明专利]车辆目标检测模型的生成方法、车辆目标检测方法及装置

权利要求书

1.一种车辆目标检测模型的生成方法，其特征在于，所述方法包括：

对所获取的点云样本进行特征提取，得到原始特征；

将所述原始特征输入至点云分割网络，检测出所述点云样本中的前景点；

对所述前景点的原始特征进行融合，生成浅层特征；

将根据所述浅层特征生成的多尺度特征进行重复融合，生成深层特征；

将所述深层特征输入至区域候选网络，输出回归结果和分类结果；

根据所述回归结果和分类结果对车辆目标检测模型进行训练，生成训练好的车辆目标检测模型。

2.根据权利要求1所述的方法，其特征在于，将所述原始特征输入至点云分割网络，检测出所述点云样本中的前景点，包括：

对点云的鸟瞰图平面进行划分，得到多个网格；

将所述原始特征映射到所述鸟瞰图平面中，得到每个网格中的原始特征，将每个网格中的原始特征进行融合，得到每个网格的局部特征；

根据所述原始特征和所述局部特征，采用所述点云分割网络检测出所述点云样本中的前景点。

3.根据权利要求2所述的方法，其特征在于，所述根据所述原始特征和所述局部特征，采用所述点云分割网络检测出所述点云样本中的前景点，包括：

将所述原始特征进行融合，生成全场景特征；

根据所述局部特征、所述全场景特征和所述原始特征，检测出所述点云样本中的前景点。

4.根据权利要求3所述的方法，其特征在于，所述根据所述局部特征、所述全场景特征和所述原始特征，检测出所述点云样本中的前景点，包括：

根据每个网格内点云样本中点的数量，对每个网格的局部特征进行复制；

根据所述点云样本中点的数量，对所述全场景特征进行复制；

将复制后的所述局部特征和所述全场景特征，以及所述原始特征进行拼接生成拼接特征；

对所述拼接特征进行卷积处理，输出所述点云样本中的前景点。

5.根据权利要求2所述的方法，其特征在于，所述对所述前景点的原始特征进行融合，生成浅层特征，包括：

对所述每个网格的前景点的原始特征进行融合，并对不包含所述前景点的每个网格进行数据填充，生成所述浅层特征。

6.根据权利要求1所述的方法，其特征在于，所述将所述深层特征输入至区域候选网络，输出回归结果和分类结果，包括：

通过所述区域候选网络将所述深层特征上预先标注好的每个锚点框和车辆目标的真实值进行比较，输出回归结果；

对所述每个锚点框的车辆类别进行预测，输出车辆分类结果；

通对所述每个锚点框的偏航角类别进行预测，输出偏航角分类结果。

7.一种车辆目标检测方法，其特征在于，所述方法包括：

获取待检测点云；

将所述待检测点云输入车辆目标车检模型，生成车辆目标的检测结果，所述车辆目标检测模型采用权利要求1至6任一项所述的方法生成。

8.一种车辆目标模型的生成装置，其特征在于，所述装置包括：

特征提取模块，用于对所获取的点云样本进行特征提取，得到原始特征；

点云分割模块，用于将所述原始特征输入至点云分割网络，检测出所述点云样本中的前景点；

浅层特征生成模块，用于对所述前景点的原始特征进行融合，生成浅层特征；

深层特征生成模块，用于将根据所述浅层特征生成的多尺度特征进行重复融合，生成深层特征；

训练数据生成模块，用于将所述深层特征输入至区域候选网络，输出回归结果和分类结果；

模型训练模块，用于根据所述回归结果和分类结果对车辆目标检测模型进行训练，生成训练好的车辆目标检测模型。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。