CN114384541A - 点云目标检测方法、终端设备及计算机可读存储介质 - Google Patents
点云目标检测方法、终端设备及计算机可读存储介质 Download PDFInfo
- Publication number
- CN114384541A CN114384541A CN202111534895.3A CN202111534895A CN114384541A CN 114384541 A CN114384541 A CN 114384541A CN 202111534895 A CN202111534895 A CN 202111534895A CN 114384541 A CN114384541 A CN 114384541A
- Authority
- CN
- China
- Prior art keywords
- voxel
- point cloud
- voxels
- reference position
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
- G01S17/00—Systems using the reflection or reradiation of electromagnetic waves other than radio waves, e.g. lidar systems
- G01S17/88—Lidar systems specially adapted for specific applications
- G01S17/89—Lidar systems specially adapted for specific applications for mapping or imaging
Abstract
本申请适用于检测技术领域,提供了一种点云目标检测方法、装置、终端设备及计算机可读存储介质,包括:将待处理的三维点云数据划分为多个体素;对于每个所述体素,根据所述体素中的基准位置、以及所述体素中包含的点相对于所述基准位置的相对位置,生成所述体素的表示向量;根据所述多个体素各自的表示向量提取所述多个体素各自的特征信息;根据所述多个体素各自的特征信息检测所述点云数据中的目标对象。通过上述方法,能够提高体素特征信息的细粒度,进而提高点云目标检测的精度。
Description
技术领域
本申请属于检测技术领域,尤其涉及点云目标检测方法、装置、终端设备及计算机可读存储介质。
背景技术
点云数据是通过激光雷达等扫描装置探测到的目标对象表面的点数据的集合。根据点云数据进行目标检测是目前计算机视觉领域中的一项常用技术。现有的点云目标检测方法中,通常是将点云数据划分为多个体素,然后将每个体素中包含的多个点的均值作为每个体素的特征信息,再利用每个体素的特征信息进行目标检测。当体素中包含的点较多时,现有方法提取出的每个体素的特征信息较为粗糙,丢失了较多的特征信息,进而影响后续目标检测的精度。
发明内容
本申请实施例提供了一种点云目标检测方法、装置、终端设备及计算机可读存储介质,可以提高体素特征信息的细粒度,进而提高点云目标检测的精度。
第一方面,本申请实施例提供了一种点云目标检测方法,包括:
将待处理的三维点云数据划分为多个体素;
对于每个所述体素,根据所述体素中的基准位置、以及所述体素中包含的点相对于所述基准位置的相对位置,生成所述体素的表示向量;
根据所述多个体素各自的表示向量提取所述多个体素各自的特征信息;
根据所述多个体素各自的特征信息检测所述点云数据中的目标对象。
在本申请实施例中,在提取每个体素的特征信息时,利用体素中的基准位置、以及体素中包含的点相对于基准位置的相对位置,生成体素的表示向量,再根据体素的表示向量提取体素的特征信息。通过上述方法,当体素中包含的点较多时,能够有效避免丢失较多的特征信息,提高特征信息的细粒度;另外,与采样体素中点的绝对位置相比,采用体素中点的相对位置能够避免特征提取过程中的位置混淆,有效提高了特征提取的准确度,进而提高了点云目标检测的精度。
在第一方面的一种可能的实现方式中,所述将待处理的三维点云数据划分为多个体素,包括:
根据预设的体素尺寸和所述三维点云数据中每个点在三维空间内的坐标,计算所述三维点云数据中每个点对应的体素索引,其中,所述三维空间为所述三维点云数据所属的空间;
将体素索引相同的点划分到同一个体素中,每个体素对应一个体素索引。
在第一方面的一种可能的实现方式中,对于每个所述体素,所述根据所述体素中的基准位置、以及所述体素中包含的点相对于所述基准位置的相对位置,生成所述体素的表示向量,包括:
判断所述体素中包含的点的个数是否大于或等于预设个数;
若所述体素中包含的点的个数大于或等于预设个数,则从所述体素包含的点中获取所述预设个数的目标点;
计算每个所述目标点相对于所述基准位置的相对位置;
根据所述基准位置和每个所述目标点对应的相对位置生成所述体素的表示向量。
在第一方面的一种可能的实现方式中,所述计算每个所述目标点相对于所述基准位置的相对位置,包括:
对于每个所述目标点,计算三维空间内所述目标点对应坐标与所述基准位置对应坐标的坐标差值,其中,所述三维空间为所述三维点云数据所属的空间;
将所述目标点对应的坐标差值确定为所述目标点相对于所述基准位置的相对位置。
在第一方面的一种可能的实现方式中,在判断所述体素中包含的点的个数是否大于或等于预设个数之后,所述方法还包括:
若所述体素中包含的点的个数小于所述预设个数,则根据所述体素中的基准位置、以及所述体素中包含的所有点各自相对于所述基准位置的相对位置,生成所述体素的表示向量;
对所述表示向量进行填充处理,以使填充后的所述表示向量的维度达到预设维度,其中,所述预设维度由所述预设个数确定。
在第一方面的一种可能的实现方式中,对于每个所述体素,所述体素中的基准位置为所述体素的中心点对应的位置。
在第一方面的一种可能的实现方式中,所述根据所述多个体素各自的表示向量提取所述多个体素各自的特征信息,包括:
对于每个体素,对所述体素的表示向量进行稀疏卷积处理,得到所述体素的第一中间特征;
对所述体素的第一中间特征进行归一化处理,得到所述体素的第二中间特征;
将所述体素的第二中间特征输入预设的激活函数,得到所述体素的特征信息。
第二方面,本申请实施例提供了一种点云目标检测装置,包括:
体素划分单元,用于将待处理的三维点云数据划分为多个体素;
向量生成单元,用于对于每个所述体素,根据所述体素中的基准位置、以及所述体素中包含的点相对于所述基准位置的相对位置,生成所述体素的表示向量;
特征提取单元,用于根据所述多个体素各自的表示向量提取所述多个体素各自的特征信息;
目标检测单元,用于根据所述多个体素各自的特征信息检测所述点云数据中的目标对象。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如上述第一方面中任一项所述的点云目标检测方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如上述第一方面中任一项所述的点云目标检测方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的点云目标检测方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请实施例提供的点云目标检测方法的流程示意图;
图2是本申请实施例提供点云目标检测装置的结构示意图;
图3是本申请实施例提供终端设备的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
如在本申请说明书和所附权利要求书中所使用的那样,术语“若”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。
参见图1,是本申请实施例提供的点云目标检测方法的流程示意图,作为示例而非限定,所述方法可以包括以下步骤:
S101,将待处理的三维点云数据划分为多个体素。
本申请实施例中的三维点云数据可以是通过激光雷达等扫描装置获取到的点云数据。
体素是三维空间分割的最小单位,可以看作是三维空间内的一个长方体。本申请实施例中,可以预先设定体素的尺寸。体素的尺寸包括长、宽和高。将三维点云数据划分为多个体素,实质是将三维点云数据所属的三维空间划分为多个体素。由于点云数据的稀疏性,划分后的每个体素中可能包含多个点,也可能不包含任何点。
在一个实施例中,划分体素的一种实现方式包括:
根据预设的体素尺寸和所述三维点云数据中每个点在三维空间内的坐标,计算所述三维点云数据中每个点对应的体素索引,其中,所述三维空间为所述三维点云数据所属的空间;将体素索引相同的点划分到同一个体素中,每个体素对应一个体素索引。
其中,计算每个点对应的体素索引的一种方式为:将每个点在三维空间内的坐标除以预设的体素尺寸,得到每个点对应的体素索引。
示例性的,假设某个点在三维空间内的坐标为[x,y,z],预设的体素尺寸为[voxel_x,voxel_y,voxel_z],则该点对应的体素索引为:
[index_x,index_y,index_z]=[x,y,z]/[voxel_x,voxel_y,voxel_z]。
为了便于计算,可选的,计算每个点对应的体素索引的一种方式为:将每个点在三维空间内的坐标整除预设的体素尺寸,得到每个点对应的体素索引。其中,整除可以是向下取整,也可以向上取整。当向下取整时,体素索引的起始索引为0;当向上取整时,体素索引的起始索引为1。
通过上述体素的划分,每个体素对应一个体素索引,不同的体素对应不同的体素索引,那么具有相同体素索引的点属于同一个体素。这样,就可以得到每个体素中包含的点、包含的点的数量、以及每个体素对应的体素索引。
S102,对于每个所述体素,根据所述体素中的基准位置、以及所述体素中包含的点相对于所述基准位置的相对位置,生成所述体素的表示向量。
现有技术中,生成体素的表示向量的方式为:计算体素中所有点的位置的均值,根据该均值生成体素的表示向量。
使用较大体素尺寸可以降低模型推理所需要的计算量,提升推理速度,降低显存的占用空间。结果如下表:
体素尺寸 | 每个点云有效体素数量 | 推理显存占用 | 推理时间 |
[0.05,0.05,0.1] | 15172 | 1865MiB | 34.75ms |
[0.1,0.1,0.1] | 11108 | 1339MiB | 26.27ms |
按照当前主流的体素尺寸[0.05,0.05,0.1]对点云数据进行划分。对所有点云中体素内点的数量进行统计,得到如下表所示:
体素内点的数量 | 体素数量 | 占比 |
1 | 9.5947e+7 | 82.77% |
2 | 1.6238e+7 | 14.31% |
3 | 2.9098e+6 | 2.56% |
4 | 2.5727e+6 | 0.23% |
5 | 8.2367e+4 | 0.07% |
(5,100] | 7.1087e+4 | 0.06% |
当体素的尺寸为[0.1,0.1,0.1]时,所有点云中的体素统计结果如下表所示:
体素内点的数量 | 体素数量 | 占比 |
1 | 5.3667e+7 | 64.58% |
2 | 1.5906e+7 | 19.14% |
3 | 6.9616e+6 | 8.38% |
4 | 3.8191e+6 | 4.6% |
5 | 1.9711e+6 | 2.37% |
(5,100] | 7.7737e+5 | 0.93% |
上表中,“占比”表示体素内点的数量为X的体素占所有体素的百分比。例如,体素内点的数量为1,对应占比为64.58%,表示体素内点的数量为1的体素占所有体素的百分比为64.58%。
由上述对比可知,随着体素尺寸的增大,体素内部点的数量逐渐增多。当体素中包含的点的个数较多时,现有方式中计算体素内多个点的均值会使单个点的位置信息受影响,生成的体素的表示向量无法准确体现体素的真实位置,进而影响后续目标检测的精度。为了解决上述问题,本申请实施例中,利用体素中的基准位置和多个点来生成体素的表示向量。这样可以提高体素的特征信息的细粒度。
在一个实施例中,生成体素的表示向量的一种实现方式为:对应每个体素,根据所述体素中的基准位置、以及所述体素中包含的点的绝对位置,生成所述体素的表示向量。其中,绝对位置为体素中包含的点在三维空间中的坐标。
如果采用体素中的多个点各自的绝对位置,在后续的特征提取的过程中,可能会造成位置混淆,使得特征提取模型无法分辨出哪些是真实存在的点,哪些是体素中的基准位置。为了解决该问题,本申请实施例中,采用体素中的基准位置和多个点的相对位置生成体素的表示向量,能够避免特征提取过程中的位置混淆,有效提高了特征提取的准确度。
可选的,可以根据体素中每个点的相对位置生成体素的表示向量。但是,当体素中包含的点的个数较多时,数据处理量较大,影响特征提取效率。为了解决该问题,可以取体素中预设个数的点进行计算。预设个数可以根据实际需要人为设定。
在一个实施例中,生成体素的表示向量的另一种实现方式为:
S1021,判断所述体素中包含的点的个数是否大于或等于预设个数.
若所述体素中包含的点的个数大于或等于预设个数,执行S1022-S1024;若所述体素中包含的点的个数小于预设个数,执行S1025至S1026。
S1022,从所述体素包含的点中获取所述预设个数的目标点。
可以从体素中随机获取预设个数的目标点,也可以按照预设规则从体素中获取预设个数的目标点,在此不做具体限定。例如,当希望避免因偶然性导致的提取的特征信息的不准确时,可以采用随机获取的方式;当希望提取特定的某种类型的特征信息时,可以采用预设规则的获取方式。
S1023,计算每个所述目标点相对于所述基准位置的相对位置。
可选的,计算体素中的目标点的相对位置的方式为:
计算三维空间内所述目标点对应坐标与所述基准位置对应坐标的坐标差值,其中,所述三维空间为所述三维点云数据所属的空间;将所述目标点对应的坐标差值确定为所述目标点相对于所述基准位置的相对位置。
S1024,根据所述基准位置和每个所述目标点对应的相对位置生成所述体素的表示向量。
S1025,根据所述体素中的基准位置、以及所述体素中包含的所有点各自相对于所述基准位置的相对位置,生成所述体素的表示向量。
S1026,对所述表示向量进行填充处理,以使填充后的所述表示向量的维度达到预设维度,其中,所述预设维度由所述预设个数确定。
实际应用中,点云中的每个点包括4个维度的信息,即该点的三维坐标x、y、z和该点的反射强度。因此,预设个数的目标点对应的数据维度为4N,其中,N为所述预设个数。由于基准位置是预先设定的,该基准位置上可能不包含实际的点,因此,该基准位置仅包括三维坐标这3个维度的信息。综上,体素的表示向量的数据维度为4N+3。
若体素中不包含任何点,则根据体素中的基准位置生成体素的表示向量,再对表示向量进行填充处理,以使填充后的表示向量的维度达到预设维度。
若体素中包含点,但是包含的点的个数小于预设个数,则根据所述体素中的基准位置、以及所述体素中包含的所有点各自相对于所述基准位置的相对位置,生成所述体素的表示向量,再对所述表示向量进行填充处理,以使填充后的所述表示向量的维度达到预设维度。
示例性的,假设预设个数为3,对应的表示向量的维度为15,某个体素中包含的点的个数为1,则根据该体素中的基准位置和包含的1个点生成7维的表示向量,然后对该7维的表示向量进行填充处理,以使填充后的表示向量的维度达到15。
通过上述方法,网络模型既可以感知到当前体素所在的空间位置,也可以知道体素内部点级别的细节特征,可以区分出生成的虚拟点和真实点之间的区别。
可选的,可以利用预设数值进行填充处理。例如,用0进行填充。
可选的,对于每个所述体素,所述体素中的基准位置为所述体素的中心点对应的位置。基准位置还可以是体素的某个顶点对应的位置。在此不做具体限定,可以根据实际需要设定。
S103,根据所述多个体素各自的表示向量提取所述多个体素各自的特征信息。
可选的,可以采用多层感知机的方法提取体素的特征信息。但是,当体素的尺寸较小时,三维空间包含的体素的个数较多,多层感知机的方法需要对三维空间内的每个体素进行计算,数据处理量较大,影响特征提取的效率。
为了提高特征提取的效率,在一个实施例中,S103可以包括:
对于每个体素,对所述体素的表示向量进行稀疏卷积处理,得到所述体素的第一中间特征;对所述体素的第一中间特征进行归一化处理,得到所述体素的第二中间特征;将所述体素的第二中间特征输入预设的激活函数,得到所述体素的特征信息。
示例性的,稀疏卷积处理的步骤可以包括:
稀疏卷积的输入为一个矩阵M和一个哈希表H。矩阵M为输入特征图(由多个体素各自的特征信息构成的特征图)上不为空的部分的特征,大小为a×n,a代表不为空的位置个数,n代表特征维度。哈希表H中的关键字值代表输入中不为空的位置的坐标,关键字的编码值代表这个坐标对应的特征是M中的哪一行特征。计算流程:
1.对H中的关键字值进行遍历,确定卷积输出特征图上不为空的位置的坐标与个数。同时确定规则引擎,规则引擎中的每一行对应计算卷积输出特征图上不为空的某个位置所需要输入特征图上的位置,通过这个位置得到输入哈希表中该位置对应的关键字值,填充到规则引擎中。
2.对规则引擎中的每一行进行并行计算,得到每个不为空的输出位置的输出。
通过稀疏卷积处理,可以将一些不包含点的体素过滤掉,仅计算包含点的体素,从而大大减少了数据处理量。
S104,根据所述多个体素各自的特征信息检测所述点云数据中的目标对象。
可以将多个体素各自的特征信息输入预设的检测模型,获得点云数据中的目标对象的检测框信息。
在本申请实施例中,在提取每个体素的特征信息时,利用体素中的基准位置、以及体素中包含的点相对于基准位置的相对位置,生成体素的表示向量,再根据体素的表示向量提取体素的特征信息。通过上述方法,当体素中包含的点较多时,能够有效避免丢失较多的特征信息,提高特征信息的细粒度;另外,与采样体素中点的绝对位置相比,采用体素中点的相对位置能够避免特征提取过程中的位置混淆,有效提高了特征提取的准确度,进而提高了点云目标检测的精度。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的点云目标检测方法,图2是本申请实施例提供的点云目标检测装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参照图2,该装置包括:
体素划分单元21,用于将待处理的三维点云数据划分为多个体素。
向量生成单元22,用于对于每个所述体素,根据所述体素中的基准位置、以及所述体素中包含的点相对于所述基准位置的相对位置,生成所述体素的表示向量。
特征提取单元23,用于根据所述多个体素各自的表示向量提取所述多个体素各自的特征信息。
目标检测单元24,用于根据所述多个体素各自的特征信息检测所述点云数据中的目标对象。
可选的,体素划分单元21还用于:
根据预设的体素尺寸和所述三维点云数据中每个点在三维空间内的坐标,计算所述三维点云数据中每个点对应的体素索引,其中,所述三维空间为所述三维点云数据所属的空间;将体素索引相同的点划分到同一个体素中,每个体素对应一个体素索引。
可选的,向量生成单元22还用于:
判断所述体素中包含的点的个数是否大于或等于预设个数;
若所述体素中包含的点的个数大于或等于预设个数,则从所述体素包含的点中获取所述预设个数的目标点;计算每个所述目标点相对于所述基准位置的相对位置;根据所述基准位置和每个所述目标点对应的相对位置生成所述体素的表示向量;
若所述体素中包含的点的个数小于所述预设个数,则根据所述体素中的基准位置、以及所述体素中包含的所有点各自相对于所述基准位置的相对位置,生成所述体素的表示向量;对所述表示向量进行填充处理,以使填充后的所述表示向量的维度达到预设维度,其中,所述预设维度由所述预设个数确定。
可选的,向量生成单元22还用于:
对于每个所述目标点,计算三维空间内所述目标点对应坐标与所述基准位置对应坐标的坐标差值,其中,所述三维空间为所述三维点云数据所属的空间;
将所述目标点对应的坐标差值确定为所述目标点相对于所述基准位置的相对位置。
可选的,对于每个所述体素,所述体素中的基准位置为所述体素的中心点对应的位置。
可选的,特征提取单元23还用于:
对于每个体素,对所述体素的表示向量进行稀疏卷积处理,得到所述体素的第一中间特征;对所述体素的第一中间特征进行归一化处理,得到所述体素的第二中间特征;将所述体素的第二中间特征输入预设的激活函数,得到所述体素的特征信息。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
另外,图2所示的点云目标检测装置可以是内置于现有的终端设备内的软件单元、硬件单元、或软硬结合的单元,也可以作为独立的挂件集成到所述终端设备中,还可以作为独立的终端设备存在。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
图3是本申请实施例提供的终端设备的结构示意图。如图3所示,该实施例的终端设备3包括:至少一个处理器30(图3中仅示出一个)处理器、存储器31以及存储在所述存储器31中并可在所述至少一个处理器30上运行的计算机程序32,所述处理器30执行所述计算机程序32时实现上述任意各个点云目标检测方法实施例中的步骤。
所述终端设备可以是桌上型计算机、笔记本、掌上电脑及云端服务器等计算设备。该终端设备可包括,但不仅限于,处理器、存储器。本领域技术人员可以理解,图3仅仅是终端设备3的举例,并不构成对终端设备3的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如还可以包括输入输出设备、网络接入设备等。
所称处理器30可以是中央处理单元(Central Processing Unit,CPU),该处理器30还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
所述存储器31在一些实施例中可以是所述终端设备3的内部存储单元,例如终端设备3的硬盘或内存。所述存储器31在另一些实施例中也可以是所述终端设备3的外部存储设备,例如所述终端设备3上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。进一步地,所述存储器31还可以既包括所述终端设备3的内部存储单元也包括外部存储设备。所述存储器31用于存储操作系统、应用程序、引导装载程序(Boot Loader)、数据以及其他程序等,例如所述计算机程序的程序代码等。所述存储器31还可以用于暂时地存储已经输出或者将要输出的数据。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述各个方法实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行时实现可实现上述各个方法实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/终端设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/终端设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种点云目标检测方法,其特征在于,包括:
将待处理的三维点云数据划分为多个体素;
对于每个所述体素,根据所述体素中的基准位置、以及所述体素中包含的点相对于所述基准位置的相对位置,生成所述体素的表示向量;
根据所述多个体素各自的表示向量提取所述多个体素各自的特征信息;
根据所述多个体素各自的特征信息检测所述点云数据中的目标对象。
2.如权利要求1所述的点云目标检测方法,其特征在于,所述将待处理的三维点云数据划分为多个体素,包括:
根据预设的体素尺寸和所述三维点云数据中每个点在三维空间内的坐标,计算所述三维点云数据中每个点对应的体素索引,其中,所述三维空间为所述三维点云数据所属的空间;
将体素索引相同的点划分到同一个体素中,每个体素对应一个体素索引。
3.如权利要求1所述的点云目标检测方法,其特征在于,对于每个所述体素,所述根据所述体素中的基准位置、以及所述体素中包含的点相对于所述基准位置的相对位置,生成所述体素的表示向量,包括:
判断所述体素中包含的点的个数是否大于或等于预设个数;
若所述体素中包含的点的个数大于或等于预设个数,则从所述体素包含的点中获取所述预设个数的目标点;
计算每个所述目标点相对于所述基准位置的相对位置;
根据所述基准位置和每个所述目标点对应的相对位置生成所述体素的表示向量。
4.如权利要求3所述的点云目标检测方法,其特征在于,所述计算每个所述目标点相对于所述基准位置的相对位置,包括:
对于每个所述目标点,计算三维空间内所述目标点对应坐标与所述基准位置对应坐标的坐标差值,其中,所述三维空间为所述三维点云数据所属的空间;
将所述目标点对应的坐标差值确定为所述目标点相对于所述基准位置的相对位置。
5.如权利要求3所述的点云目标检测方法,其特征在于,在判断所述体素中包含的点的个数是否大于或等于预设个数之后,所述方法还包括:
若所述体素中包含的点的个数小于所述预设个数,则根据所述体素中的基准位置、以及所述体素中包含的所有点各自相对于所述基准位置的相对位置,生成所述体素的表示向量;
对所述表示向量进行填充处理,以使填充后的所述表示向量的维度达到预设维度,其中,所述预设维度由所述预设个数确定。
6.如权利要求1至5任一项所述的点云目标检测方法,其特征在于,对于每个所述体素,所述体素中的基准位置为所述体素的中心点对应的位置。
7.如权利要求6所述的点云目标检测方法,其特征在于,所述根据所述多个体素各自的表示向量提取所述多个体素各自的特征信息,包括:
对于每个体素,对所述体素的表示向量进行稀疏卷积处理,得到所述体素的第一中间特征;
对所述体素的第一中间特征进行归一化处理,得到所述体素的第二中间特征;
将所述体素的第二中间特征输入预设的激活函数,得到所述体素的特征信息。
8.一种点云目标检测装置,其特征在于,包括:
体素划分单元,用于将待处理的三维点云数据划分为多个体素;
向量生成单元,用于对于每个所述体素,根据所述体素中的基准位置、以及所述体素中包含的点相对于所述基准位置的相对位置,生成所述体素的表示向量;
特征提取单元,用于根据所述多个体素各自的表示向量提取所述多个体素各自的特征信息;
目标检测单元,用于根据所述多个体素各自的特征信息检测所述点云数据中的目标对象。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111534895.3A CN114384541A (zh) | 2021-12-15 | 2021-12-15 | 点云目标检测方法、终端设备及计算机可读存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111534895.3A CN114384541A (zh) | 2021-12-15 | 2021-12-15 | 点云目标检测方法、终端设备及计算机可读存储介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114384541A true CN114384541A (zh) | 2022-04-22 |
Family
ID=81198148
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111534895.3A Pending CN114384541A (zh) | 2021-12-15 | 2021-12-15 | 点云目标检测方法、终端设备及计算机可读存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114384541A (zh) |
-
2021
- 2021-12-15 CN CN202111534895.3A patent/CN114384541A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112488297B (zh) | 一种神经网络剪枝方法、模型生成方法及装置 | |
CN111915657A (zh) | 一种点云配准方法、装置、电子设备及存储介质 | |
CN112561940A (zh) | 密集多目标参数提取的方法、装置及终端设备 | |
CN112825199B (zh) | 碰撞检测方法、装置、设备及存储介质 | |
CN112819199A (zh) | 降水量的预测方法、装置、设备和存储介质 | |
CN111488810A (zh) | 人脸识别方法、装置、终端设备及计算机可读介质 | |
CN113256755B (zh) | 图像的渲染方法、智能终端以及存储装置 | |
CN111159481A (zh) | 图数据的边预测方法、装置及终端设备 | |
CN113052892A (zh) | 一种车辆货物体积计算方法、装置及存储介质 | |
CN112037174A (zh) | 染色体异常检测方法、装置、设备及计算机可读存储介质 | |
CN114384541A (zh) | 点云目标检测方法、终端设备及计算机可读存储介质 | |
CN114463512B (zh) | 点云数据的处理方法、矢量化方法及装置 | |
CN108510636B (zh) | 图像分割方法、图像分割装置及终端设备 | |
CN116137061A (zh) | 数量统计模型的训练方法、装置、电子设备及存储介质 | |
CN115761425A (zh) | 目标检测方法、装置、终端设备及计算机可读存储介质 | |
CN114821272A (zh) | 图像识别方法、系统、介质、电子设备及目标检测模型 | |
CN114116799A (zh) | 异常交易环路的识别方法、装置、终端及存储介质 | |
CN111597096B (zh) | 一种基准测试方法、系统及终端设备 | |
CN109670976B (zh) | 特征因子确定方法及设备 | |
CN112906652A (zh) | 一种人脸图像的识别方法、装置、电子设备及存储介质 | |
CN111027824A (zh) | 一种风险评分的方法及装置 | |
CN110647805A (zh) | 一种网纹图像识别方法、装置及终端设备 | |
CN111309285A (zh) | 多媒体数据排序方法、装置、终端设备及存储介质 | |
CN110794994A (zh) | 真实触点的确定方法及装置 | |
CN115035322A (zh) | 图像特征提取方法、装置、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |