[发明专利]三维运动目标检测方法、装置和设备

权利要求书

1.一种三维运动目标检测方法，其特征在于，所述方法包括：

获取场景中待检测运动目标的原始点云；

对所述原始点云中的背景信息和小目标信息进行数据增强，得到点云增强数据；

通过数据精简结构突出所述点云增强数据的局部特征，过滤无关信息，得到点云精简数据；所述数据精简结构包括Focus结构；所述Focus结构对所述点云增强数据进行切片操作，得到点云精简数据；

通过特征提取网络提取所述点云精简数据中的点云特征，根据所述点云特征，通过梯度集成网络将梯度的变化集成到包含所述点云特征的特征图中，得到点云集成特征；所述特征提取网络包括PointNet++；所述PointNet++在输入的点云精简数据中选择一系列点，得到多个局部区域的中心，根据所述局部区域的中心构建局部区域，进而提取每一所述局部区域的点云特征；所述梯度集成网络包括跨阶段局部网络；所述跨阶段局部网络对梯度流进行分割，使梯度流通过不同的网络路径传播，并将网络优化中的特征梯度变化信息集成到包含所述点云特征的特征图中，得到点云集成特征；

对所述原始点云进行俯瞰视角伪图像处理，得到目标伪图像，通过对象识别框架检测所述目标伪图像，将得到的检测结果作为参考指标，将所述点云集成特征和所述参考指标输入预训练的三维目标识别网络，得到运动目标识别结果。

2.根据权利要求1所述的方法，其特征在于，所述获取场景中待检测目标的原始点云包括：

通过三维点云数据采集设备对待检测目标所在场景进行数据采集，加入负样本剔除所述场景中的无关目标，得到待检测目标的原始点云。

3.根据权利要求1所述的方法，其特征在于，所述点云特征包括：前景点、背景点分类结果和所述前景点、背景点对目标初始候选框的初始回归结果；

所述通过特征提取网络提取所述点云精简数据中的点云特征包括：

通过特征提取网络提取所述点云精简数据中的前景点、背景点分类结果和所述前景点、背景点对目标初始候选框的初始回归结果。

4.根据权利要求3所述的方法，其特征在于，将所述点云集成特征和所述参考指标输入预训练的三维目标识别网络包括：

将所述点云集成特征输入预训练的区域生成网络，得到目标初始候选框；

对所述前景点分类结果进行sigmoid评分，根据sigmoid评分结果得到前景点掩膜；

将所述前景点掩膜、所述参考指标和所述目标初始候选框输入预训练的三维目标识别网络，得到运动目标识别结果。

5.根据权利要求4所述的方法，其特征在于，在将所述点云集成特征和所述参考指标输入预训练的目标识别网络之前，包括：

根据所述点云精简数据，生成储存真值信息的数据集，所述数据集包括真值框的文件名、目标物类别、目标物3D信息、真值框中的点云数据信息；所述真值框对应于第一候选框。

6.根据权利要求5所述的方法，其特征在于，在将所述前景点掩膜、所述参考指标和所述目标初始候选框输入预训练的三维目标识别网络，得到运动目标识别结果包括：

根据所述初始回归结果通过基于区间的精选化操作处理所述目标初始候选框，得到第一候选框；

联合比对所述第一候选框与所述真值框，筛选得到第二候选框；

根据所述前景点掩膜、所述参考指标和所述第二候选框输入预训练的三维目标识别网络，得到运动目标识别结果。

7.根据权利要求4所述的方法，其特征在于，所述前景点掩膜是所述sigmoid评分结果大于阈值的前景点。