[发明专利]目标检测模型的训练方法、装置及目标检测方法、装置

权利要求书

1.一种目标检测模型的训练方法，其中，所述目标检测模型的训练方法包括：

获取用于训练的激光点云数据，并利用目标检测模型中的点云特征处理网络对所述激光点云数据进行处理，得到处理后的点云特征；

利用所述目标检测模型中的点云特征提取网络对所述处理后的点云特征进行特征提取，得到点云特征提取结果，所述点云特征提取网络通过在原始的特征金字塔网络中的低层尺度空间增加卷积层得到；

利用所述目标检测模型中的检测头网络对所述点云特征提取结果进行目标检测，得到目标检测结果；

利用预设损失函数确定所述目标检测结果的损失值，并根据所述目标检测结果的损失值更新所述目标检测模型的参数，得到训练后的目标检测模型。

2.如权利要求1所述目标检测模型的训练方法，其中，所述利用目标检测模型中的点云特征处理网络对所述激光点云数据进行处理，得到处理后的点云特征包括：

将所述激光点云数据对应的点云空间进行划分，得到多个相同大小的柱状体；

利用最远点采样算法对各个柱状体中的点进行采样处理，得到采样处理后的多个柱状体；

对所述采样处理后的多个柱状体对应的激光点云数据进行点云特征处理，得到所述处理后的点云特征。

3.如权利要求1所述目标检测模型的训练方法，其中，所述利用目标检测模型中的点云特征处理网络对所述激光点云数据进行处理，得到处理后的点云特征包括：

将所述激光点云数据对应的点云空间进行划分，得到多个相同大小的柱状体；

利用多个点云特征提取策略分别对各个柱状体进行点云特征提取，得到各个柱状体对应的多个点云特征；

分别对各个柱状体对应的多个点云特征进行拼接，得到各个柱状体对应的处理后的点云特征。

4.如权利要求3所述目标检测模型的训练方法，其中，所述多个点云特征包括第一点云特征、第二点云特征和第三点云特征，所述利用多个点云特征提取策略分别对各个柱状体进行点云特征提取，得到各个柱状体对应的多个点云特征包括：

利用所述点云特征处理网络中的全连接层将各个柱状体中的点进行升维，并利用所述点云特征处理网络中的最大池化层将各个柱状体中的点数进行压缩，得到各个柱状体对应的第一点云特征；

将各个柱状体中的点拼接成一个矩阵，并利用所述点云特征处理网络中的第一卷积层对各个柱状体对应的矩阵进行卷积，得到各个柱状体对应的第二点云特征；

利用所述点云特征处理网络中的第二卷积层对各个柱状体中的各个点对应的多维特征进行卷积，得到各个柱状体对应的第三点云特征。

5.如权利要求1所述目标检测模型的训练方法，其中，所述原始的特征金字塔网络包括低层尺度的卷积层和对应的反卷积层，以及高层尺度的卷积层和对应的反卷积层，所述利用所述目标检测模型中的点云特征提取网络对所述处理后的点云特征进行特征提取，得到点云特征提取结果包括：

在所述低层尺度的卷积层和对应的反卷积层之间增加预设卷积层；

利用所述低层尺度的卷积层对所述处理后的点云特征进行卷积处理，得到低层尺度的卷积层的第一卷积结果；

利用所述预设卷积层对所述低层尺度的卷积层的第一卷积结果进行卷积处理，得到低层尺度的卷积层的第二卷积结果；

利用所述高层尺度的卷积层对所述低层尺度的卷积层的第一卷积结果进行卷积处理，得到高层尺度的卷积层的卷积结果；

将所述低层尺度的卷积层的第二卷积结果和所述高层尺度的卷积层的卷积结果进行拼接，得到所述点云特征提取结果。