[发明专利]点云数据中目标的检测方法、装置和计算机可读存储介质

说明书

本公开涉及一种点云数据中目标的检测方法、装置和计算机可读存储介质，涉及计算机技术领域。本公开的方法包括：将点云数据输入点云特征提取网络，得到输出的点云数据中的多个关键点，以及各个关键点的特征信息；针对每个关键点，根据该关键点与该关键点预设范围内的其他关键点之间的关联性，对该关键点的特征信息进行编码，得到该关键点的第一特征编码；对各个关键点进行分类，确定分类为目标中心的点，作为参考中心点；针对每个参考中心点，根据该参考中心点与其他参考中心点之间的关联性，对该参考中心点的第一特征编码进行编码，得到该参考中心点的第二特征编码；根据各个参考中心点的第二特征编码，预测点云数据中各个目标的位置和类别。

技术领域

本公开涉及计算机技术领域，特别涉及一种点云数据中目标的检测方法、装置和计算机可读存储介质。

背景技术

3D(3-dimension，三维)目标检测的目的是识别并定位3D点云中出现的物体，已经在自动驾驶和增强现实等领域获得了广泛应用。与2D图像相比，3D点云可以提供物体的几何形状并捕获场景的3D结构。

发明内容

发明人发现：由于点云的三维特征以及不规则性，无法使用卷积神经网络等强大的深度学习模型直接处理，因此需要专门的3D特征学习技术，以识别点云数据中的目标。

本公开所要解决的一个技术问题是：提出一种点云数据中目标的检测方法，提高点云数据中目标检测的准确性。

根据本公开的一些实施例，提供的一种点云数据中目标的检测方法，包括：将点云数据输入点云特征提取网络，得到输出的点云数据中的多个关键点，以及各个关键点的特征信息；针对每个关键点，根据该关键点与该关键点预设范围内的其他关键点之间的关联性，对该关键点的特征信息进行编码，得到该关键点的第一特征编码；对各个关键点进行分类，确定分类为目标中心的点，作为参考中心点；针对每个参考中心点，根据该参考中心点与其他参考中心点之间的关联性，对该参考中心点的第一特征编码进行编码，得到该参考中心点的第二特征编码；根据各个参考中心点的第二特征编码，预测点云数据中各个目标的位置和类别。

在一些实施例中，针对每个关键点，根据该关键点与该关键点预设范围内的其他关键点之间的关联性，对该关键点的特征信息进行编码，得到该关键点的第一特征编码包括：针对每个关键点，根据该关键点的特征信息，该关键点预设范围内的其他关键点的特征信息，以及该关键点与该关键点预设范围内的其他关键点之间相对位置关系，基于自注意力机制确定该关键点的第一特征编码。

在一些实施例中，针对每个关键点，根据该关键点的特征信息，该关键点预设范围内的其他关键点的特征信息，以及该关键点与该关键点预设范围内的其他关键点之间相对位置关系，基于自注意力机制确定该关键点的第一特征编码包括：针对每个关键点，将该关键点的特征信息和位置信息，该关键点预设范围内的其他关键点的特征信息和位置信息输入第一转换模型中编码器的第一自注意力模块；在第一自注意力模块中，将该关键点预设范围内的其他关键点作为相对点，针对每个相对点，将该关键点的位置信息与该相对点的位置信息分别输入第一位置编码层、第二位置编码层和第三位置编码层，确定该关键点与该相对点的第一相对位置编码，第二相对位置编码和第三相对位置编码；根据该相对点的特征信息分别与第一自注意力模块中键矩阵和值矩阵的乘积，确定该相对点的键向量和值向量；根据该关键点的特征信息与第一自注意力模块中查询矩阵的乘积，确定该关键点的查询向量；根据该关键点与每个相对点的第一相对位置编码，第二相对位置编码和第三相对位置编码、每个相对点的键向量、每个相对点的值向量和该关键点的查询向量，确定该关键点的第一特征编码。