[发明专利]一种三维目标检测方法

说明书

本发明公开了一种三维目标检测方法，包括如下步骤：S1、基于语义分割获得目标在二维图像上的二维掩码；S2、将二维掩码投射至三维空间中；S3、通过孤立森林算法计算三维空间中的非目标点云并将其剔除；S4、确定所述目标的位置。本方法解决了单独使用激光雷达处理数据量大且无法实现实时运算的问题；还解决了单独使用摄像头时对于三维目标的距离、姿态信息估算准确率不足的问题，通过本方法可以准确估算出目标的位置姿态。

技术领域

本发明属于图像检测领域，尤其涉及一种三维目标检测方法。

背景技术

三维目标检测是环境感知、目标检测、自动驾驶、自动导航、无人机器人领域中的关键问题。目前在自动驾驶领域主要使用两种传感器，相机和激光雷达。单独使用激光雷达处理数据量大，即使在雷达帧率低的情况下也无法实现实时运算；单独使用摄像头时对于三维目标的距离、姿态信息估算准确率不足。

发明内容

本发明为解决上述问题，提供一种三维目标检测方法，通过预测二维掩码和剔除非目标点云，准确估算出目标的位置姿态。

一种三维目标检测方法，包括如下步骤：

S1、基于语义分割获得目标在二维图像上的二维掩码；

S2、将二维掩码投射至三维空间中；

S3、通过孤立森林算法计算三维空间中的非目标点云并将其剔除；

S4、确定目标的位置。

优选的，步骤S1中获取二维掩码的方式包括：通过神经网络分割分支预测二维图像的二维掩码，在神经网络分割分支时，将ROI Pooling层替换成ROI Align层。

优选的，步骤S2包括：

S201、分割二维掩码形成的边界框；

S202、通过视椎体结构形式将边界框内的二维空间映射到三维空间中；

S203、将三维空间内所有的点云作为目标的点集合。

优选的，步骤S3中的孤立森林包括t个孤立树，每棵孤立树都为二叉树结构，目标的点集合为X，其中，x_i为目标的点集合X的子集，x_i＝{x_i1,x_i2,x_i3…,x_im}，n为目标的点集合中点的个数；m为X子集中点的个数。

优选的，步骤S3包括如下步骤：

S301、从检测数据集X中随机选取Ψ个子样本点形成X的子集x_i，并放入孤立树的根节点；

S302、随机在m维度中选则一个指定维度q，在指定维度q的节点数据中随机选择一个在指定维度q的最大值和最小值之间的切割点p，即：

min(q)pmax(q) (1)；

S303、将指定维度q里面小于分割点p的数据划分到当前节点的左孩子，将指定维度q里面大于分割点p的数据划分到当前节点的右孩子；

S304、递归步骤S303和S304，不断构造新的孩子节点，直到孩子节点中只有一个数据或孩子节点已到达限定高度或孩子节点上的样本特征完全相同。

优选的，步骤S4为：通过轴向平行包围盒AAB法或有朝向包围盒OBB法得到目标点云的外包围立方体，根据外包围立方体确定目标的位置。

一种三维目标检测系统，包括：语义分割模块、投射模块、计算模块、位置确定模块；

语义分割模块用于获得目标在二维图像上的二维掩码，并将二维掩码传送至投射模块中；