[发明专利]基于点云的目标检测方法

权利要求书

1.一种基于点云的目标检测方法，其特征在于，包括：

采用最远点取样FPS对点云采样得到点的集合A；

采用第一PointSIFT网络提取集合A的特征集合B；

根据所述特征集合B，将所述集合A中的点分为前景点和背景点；

对每一个所述前景点回归一个三维候选框，组成第一候选框集合C₁；

根据所述三维候选框与传感器距离，调整所述三维候选框置信度；

采用NMS算法剔除所述集合C₁中置信度分数低于第一阈值的候选框，合并所述集合C₁中置信度高于第二阈值的候选框，组成第二候选框集合C₂；

将所述集合C₂中所有候选框内的点池化并转换到规范坐标，得到集合D；

将所述集合D与集合B作为第二PointSIFT网络的输入，提取所述集合D中置信度高于第三阈值的候选框作为目标。

2.根据权利要求1所述的方法，其特征在于，所述采用第一PointSIFT网络提取集合A的特征集合B的步骤，包括：

将所述集合A中的点P₀的邻域划分为8个分区；

在所述8个分区半径为r的区域内寻找P₀的最近邻点集合，所述最近邻点集合构成特征向量V，对所述特征向量V沿X、Y、Z轴上进行三阶段卷积，得到特征点f₀，所述f₀为特征集合B₁中的元素；

遍历计算所述集合A中点的特征点，构成所述特征集合B₁；

改变所述半径r若干次，计算得到若干所述特征集合B₁；

所述若干所述特征集合B₁卷积后得到特征集合B。

3.根据权利要求1所述的方法，其特征在于，所述对每一个前景点回归一个三维候选框的步骤，包括：

预测所述三维候选框的中心点位置、尺寸和方向这7维数据；

在二维平面划分若干固定大小的区间，判断所述中心点位置属于哪个区间，采用交叉熵损失函数来计算损失；

所述三维候选框的尺寸和方向采用L1损失函数来进行回归。

4.根据权利要求1所述的方法，其特征在于，还包括：

根据所述三维候选框与传感器距离，采用不同参数的NMS算法。

5.根据权利要求1所述的方法，其特征在于，还包括：

在所述集合D中的点加入与传感器的距离信息，以补偿点云深度信息。