[发明专利]一种激光点云3D目标检测方法

权利要求书

1.一种激光点云3D目标检测方法，其特征在于，包括以下步骤：

步骤S1：激光雷达传感器采集点云数据并标注障碍物真值；

步骤S2：基于神经网络构建3D多任务算法模型；

步骤S3：对标注好的点云数据进行在线预处理、体素化、语义真值获取，以及数据增强；

步骤S4：用步骤S3处理后的标注好的点云数据及其对应的语义真值训练3D多任务算法模型；

步骤S5：利用训练好的3D多任务算法模型对点云数据进行检测任务的前向推理。

2.根据权利要求1所述的一种激光点云3D目标检测方法，其特征在于，步骤S3中获取语义真值的具体过程，包括以下步骤：

步骤A1：点云数据体素化后，根据每个体素内是否存在点云生成W*L大小的值为0或1的图S；

步骤A2：初始化W*L大小的值均为0的图S₀，将障碍物真值投影到图S₀获得图S₁；

步骤A3：将图S与图S₁进行与操作获得图S₂；

步骤A4：将图S中的数值1变换为数值n+1；

步骤A5：将变换数值后的图S与图S₂进行异或操作获得语义真值。

3.根据权利要求1所述的一种激光点云3D目标检测方法，其特征在于，所述3D多任务算法模型包括主干网络、语义分割分支和检测分支，所述语义分割分支包括语义分割头，所述检测分支包括检测头，所述主干网络的输出端分别与语义分割头和检测头连接。

4.根据权利要求3所述的一种激光点云3D目标检测方法，其特征在于，所述语义分割分支的中间特征输出给所述检测分支以约束检测分支的检测工作。

5.根据权利要求4所述的一种激光点云3D目标检测方法，其特征在于，所述约束的具体过程为：语义分割头的中间特征F_seg经过Sigmoid激活后，与主干网络的输出F_rpn进行点乘获得F_det，将F_det输入到检测头进行3D目标框的分类与回归。

6.根据权利要求3所述的一种激光点云3D目标检测方法，其特征在于，所述主干网络的输入为经过步骤S3处理后的点云数据及点云数据对应的障碍物真值。

7.根据权利要求3所述的一种激光点云3D目标检测方法，其特征在于，所述语义分割头的监督信号为步骤S3获取的语义真值。