[发明专利]一种无需数据标注的开放点云目标检测方法及系统

权利要求书

1.一种无需数据标注的开放点云目标检测方法，其特征在于：包括以下步骤：

S1，建立数据集D；

S2，建立双检测头的开放场景点云前景目标检测网络；

S3，基于数据集D对开放场景点云前景目标检测网络进行训练；

S4，基于对比损失增大前景和背景类各自的类内相似度，减小类间相似度；

S5，基于组合预测策略预测未知障碍物。

2.根据权利要求1所述的无需数据标注的开放点云目标检测方法，其特征在于：S1的建立数据集D具体包括以下步骤：

S101：采集点云数据，利用点云聚类算法对铁轨两旁出现的障碍物进行聚类，得到障碍物的位置，截取聚类得到的障碍物，放置在铁轨周边，模拟铁轨上的障碍物，得到聚类目标数据集D_sur，聚类目标数据集D_sur包括2类目标；

S102：基于历史数据的自动驾驶数据集的标注框截取具体的目标点云，并将目标点云随机放在铁轨周边，得到C类目标数据集D_gen，C类目标数据集D_gen中的数据有具体类别，每一个数据表示一类目标；

S103：集合聚类目标数据集D_sur和C类目标数据集D_gen，获得数据集D＝{D_sur,D_gen}；数据集D中类别一共是C+2类，其中聚类目标数据集D_sur有2个类别，C类目标数据集D_gen的前景类别数是有C类，前景包括C类目标。

3.根据权利要求1所述的无需数据标注的开放点云目标检测方法，其特征在于：S2中，双检测头的开放场景点云前景目标检测网络，包括：点云预处理单元、主干网单元和检测头单元，其中检测头单元包括前景预测网络和多类别目标检测网络；

点云预处理单元基于激光雷达采集的数据生成伪二维的图像；

主干网单元基于伪二维的图像输出中间特征；

多类别目标检测网络包括2层卷积和4个属性预测分支，属性预测分支分别预测障碍物类别、3D框中心点位置、3D框大小和偏航角；

前景预测网络以中间特征作为输入，中间特征经过一层卷积将特征通道维度降为1，经过softmax函数得到障碍物类别分类概率，获得最高的N个障碍物类别分类概率的概率值对应的像素位置；同时，中间特征经过调制卷积得到调制特征，以最高的N个障碍物类别分类概率的概率值对应的像素位置为位置索引，提取出对应的局部特征，局部特征组成新的特征向量，新的特征向量经全连接层调制后，同时送入4个属性预测分支，分别得到障碍物类别分类概率、3D框中心点位置、3D框长宽高和偏航角。