[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

说明书

本发明公开了一种无需数据标注的开放点云目标检测方法及系统，方法包括以下步骤：建立数据集；建立双检测头的开放场景点云前景目标检测网络；基于数据集对开放场景点云前景目标检测网络进行训练；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；基于组合预测策略预测未知障碍物；本发明通过训练策略在障碍物已知的数据集上拉大前景背景目标的分布差异，结合多头输出融合策略来预测障碍物，包含已知和未知的障碍物。

技术领域

本发明涉及自动驾驶领域，尤其涉及一种无需数据标注的开放点云目标检测方法及系统。

背景技术

目标跟踪在自动驾驶以及安防系统里有着重要的应用价值。但目前的目标检测不论是基于2Drgb图像还是点云，都极度依赖于数据标注。这对一些特殊场景存在挑战，比如铁轨上的障碍物检测，出于运行安全考虑，铁轨上是不允许有障碍物出现的，这会影响到火车的行驶安全。常用的检测方法需要数据标注，且只能识别出数据标注里限定的目标类别。因此常用的检测方法在铁轨障碍物检测上存在2个问题：

铁轨上出现障碍物属于小概率异常事件，据粗略统计每千万公里出现一个障碍物，因此这对需要大量数据训练的传统检测模型带来挑战，这导致的直接结果就是采集不到足够的数据来训练模型。

识别类别数量的有限性与真实世界目标无限性的冲突，通过数据标注得到的数据类别必然是有限的，假设标注得到100类目标，但由于铁轨上可能出现的目标时现实世界里的所有目标，这些没有出现在标注得到的100类目标中的物体将会无法被模型检测出来，从而漏检并在障碍物出现时带来交通事故。

目前业界还没有针对铁轨场景下任意目标识别的端到端3D障碍物检测方法，现在主要通过驾驶员人工实现，由于人不可避免的会有疲劳，寻找一种可靠高效的替代方案尤为迫切。另外现有技术的轨道交通自动驾驶只能检测出有限类别，超过类别的障碍物无法识别，例如对比文件CN 114119729 A障碍物识别方法及装置，CN 114862957 A一种基于3D激光雷达的地铁车底定位方法。

发明内容

本发明的目的是为了提供一种无需数据标注的开放点云目标检测方法及系统，在没有数据额外标注的前提下，实现任意障碍物识别的点云目标检测，无需数据标注的开放点云目标检测，实现无限类别障碍物的检测。

为解决以上技术问题，本发明的技术方案为：

第一方面，提供一种无需数据标注的开放点云目标检测方法，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(constrastive loss)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。

优选地，S1的建立数据集D具体包括以下步骤：

S101：在火车行进过程中进行点云数据采集，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，放置在铁轨上方或者铁轨周边，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；