CN116824533A - 一种基于注意力机制的远小目标点云数据特征增强方法 - Google Patents

一种基于注意力机制的远小目标点云数据特征增强方法 Download PDF

Info

Publication number
CN116824533A
CN116824533A CN202310867367.2A CN202310867367A CN116824533A CN 116824533 A CN116824533 A CN 116824533A CN 202310867367 A CN202310867367 A CN 202310867367A CN 116824533 A CN116824533 A CN 116824533A
Authority
CN
China
Prior art keywords
far
point
point cloud
small target
voxel
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
Application number
CN202310867367.2A
Other languages
English (en)
Inventor
田枫
姜文文
刘芳
张思睿
刘宗堡
赵玲
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Northeast Petroleum University
Original Assignee
Northeast Petroleum University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Northeast Petroleum University filed Critical Northeast Petroleum University
Priority to CN202310867367.2A priority Critical patent/CN116824533A/zh
Publication of CN116824533A publication Critical patent/CN116824533A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V20/00—Scenes; Scene-specific elements
    • G06V20/50—Context or environment of the image
    • G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/40—Extraction of image or video features
    • G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/77—Processing image or video features in feature spaces; using data integration or data reduction, e.g. principal component analysis [PCA] or independent component analysis [ICA] or self-organising maps [SOM]; Blind source separation
    • G06V10/80—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level
    • G06V10/806—Fusion, i.e. combining data from various sources at the sensor level, preprocessing level, feature extraction level or classification level of extracted features
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Evolutionary Computation (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Electromagnetism (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Remote Sensing (AREA)
  • Image Analysis (AREA)

Abstract

本公开涉及一种基于注意力机制的远小目标点云数据特征增强方法，所述方法包括：原始点云数据进行体素化预处理，提取后输入稀疏卷积网络获取多尺度语义体素特征，转换为特征鸟瞰图，输入区域候选网络，生成初始目标分类与候选区域；划分出等比例的远小目标区域，使用并行随机最远点采样算法，获取远小目标区域点云集合，进行线性投影和拓扑结构特征提取操作，得到包含远小目标点云区域各关键点邻域几何信息的局部特征序列；输入双通道注意力模块，使用注意力交叉计算得到强化后的远小目标点云特征；得到最后的融合特征用于对初始目标分类与候选区域锚框进行细化以获取检测结果。本公开提供的方法能够有效强化远小目标点云数据特征，提高三维目标检测算法的精度。

Description

一种基于注意力机制的远小目标点云数据特征增强方法
技术领域
本公开涉及三维目标检测领域，具体地，涉及一种对远小目标点云数据特征进行增强的方法。
背景技术
近年来，三维目标检测算法在计算机视觉领域取得了很大成就，广泛应用于自动驾驶，增强现实，智能机器人等多个领域。在自动驾驶领域中，自动驾驶系统需要感知周围环境，通过三维目标检测算法可以精准地检测出道路中的行人与车辆目标，方便系统作出合理决策，避免交通事故的发生。在增强现实领域中,通过三维目标检测算法获取周围环境中目标物体的位置信息，根据物体之间的上下文关系放置虚拟物体，从而提升用户的视觉体验。由此可知，三维目标检测算法具有重要的实用价值和广阔的应用前景。
作为自动驾驶系统的基础功能之一，三维目标检测可以认为是环境感知中极为重要的一环，主要是检测场景中的车辆、行人等交通参与者。目前自动驾驶场景下的三维目标检测算法按照输入模态可划分为基于深度图像和点云两大类方法。其中，基于深度图像的方法主要依靠深度相机采集，通过物体到深度相机之间的距离，与RGB图像相结合来获取目标的三维信息，但深度相机在远距离、室外条件下，获取到的图像的深度并不准确，不能达到我们的检测要求。而点云数据由激光雷达反射得到，包含物体的位置和反射强度等信息，能够提供精准的空间位置信息，且较稳定，不会受到天气、光照条件干扰。因此点云数据更适合用于三维目标检测。该功能为自动驾驶车辆后续的规划和控制提供空间障碍物的分布信息，关系到驾驶安全性问题，如果出现错误则有可能造成非常严重的后果。
当前，国内外均对基于点云的三维目标检测算法有了一定的研究，基于点云的方法主要依托激光雷达捕获点云数据进行定位与识别。激光雷达通过发射激光束进行探测，获取具有三维坐标、反射强度等丰富信息的点云，可有效获取被检测目标的深度信息，同时也可有效应对光照变化、恶劣天气等问题，但获取到的点云数据往往具有无序、稀疏、旋转不变等特性，会为检测带来一定难度；同时由于激光雷达采集时距离较远，采集到的点云数据多是残缺不全的，往往容易出现物体间相互遮挡，远距离小目标，采集数量低等共性问题，这些都会造成三维目标检测精度与速度下降。目前已有的三维目标检测算法对近距离三维目标的检测已经较为成熟，若想要继续提高三维目标检测精度，必须更加侧重解决自动驾驶场景中远小目标难以检测的问题。
参见[1]田枫,姜文文,刘芳等.混合体素与原始点云的三维目标检测方法[J].重庆理工大学学报(自然科学),2022,36(11):108-117.和[2]赵世祥.基于注意力机制的三维目标检测算法研究[D].西安电子科技大022.DOI:10.27389/d.cnki.gxadu.2022.002951。三维目标检测技术主要包括人工设计特征为主的传统方法和以深度学习为主的学习方法。基于人工设计特征的方法往往只针对于特定场景，在地形复杂的场景中检测精度较低。而基于深度学习为主的部分算法仍存在不足，仅采用卷积神经网络的方法在检测过程中容易出现远小目标漏检、误检等问题，由于这些算法只考虑点云的局部特征，不能得到完整的目标特征，导致检测效果较差。此外，由于距离点云采集设备较远的目标往往不能获得充足的点云特征，而仅考虑目标特征的算法并未学习这类目标的邻域信息，故该类目标的检测效果较差。
综上所述，准确、快速的三维目标检测对于自动驾驶来说是非常必要的，但由于点云数据本身所具有的无序性、稀疏性会为检测带来困难；此外，由于自动驾驶场景中雷达采集设备持续运动，无可避免的会出现物体间相互遮挡，远距离小目标、采集数据质量低等问题，这些都会影响三维目标检测的精度与速度。因此，需要找到一种方法，能够对远小目标点云数据特征进行增强，从而提高自动驾驶场景下对三维目标检测的精度与速度。
发明内容
本公开提出了一种基于注意力机制的远小目标点云数据特征增强方法、电子设备及存储介质，能够解决背景技术中指出的现有技术问题。
基础方案1：
一种基于注意力机制的远小目标点云数据特征增强方法，所述方法包括：
通过自动驾驶车辆的激光雷达采集原始点云数据；
对采集的原始点云数据进行体素化预处理，得到预处理后的体素；
由体素特征提取器提取预处理后的体素，输入稀疏卷积网络获取多尺度语义体素特征；
将经过稀疏卷积的多尺度语义体素特征转换为特征鸟瞰图，输入区域候选网络，生成初始目标分类与候选区域；
将激光雷达采集的原始点云数据划分出等比例的远小目标区域，再对其使用并行随机最远点采样算法，获取远小目标区域点云集合；
对远小目标区域点云集合进行线性投影、拓扑结构特征提取操作，得到包含远小目标点云区域各关键点邻域几何信息的局部特征序列，然后将包含远小目标点云集合邻域空间信息的局部特征序列输入到双通道注意力模块以获取整体空间结构信息；
将上述提取的局部特征序列通过全局池化恢复点云序列，然后将恢复的点云序列输入双通道注意力模块，使用注意力交叉计算进行远小目标点云特征强化操作，得到强化后的远小目标点云特征；
将多尺度语义体素特征和强化后的远小目标点云特征融合，得到最后的融合特征用于对初始目标分类与候选区域锚框进行细化以获取检测结果。
所述对采集的原始点云数据进行体素化预处理，得到预处理后的体素，具体路径如下：
根据原始点云数据分布的实际情况，将场景空间内划分为立体体素；
对于点云数据，以车辆前进方向为X轴，左右方向为Y轴，垂直于X-Y平面的方向为Z轴，设检测目标场景在三个轴上范围区间为L，单位为m，分别计算出X、Y和Z三个方向点云数据坐标的最大值与最小值的差，然后根据三个差值来确定初始体素的长宽高，计算完成后，得到目标场景的初始体素。
所述由体素特征提取器提取预处理后的体素，输入稀疏卷积网络获取多尺度语义体素特征，具体路径如下：
首先使用体素特征提取器将非空体素的特征直接计算为体素内逐点特征的平均值，再使用逐元素最大池化操作获取每个体素的局部聚集特征，展开获得的特征，再将展开的特征和逐点特征连接在一起，将获取到的体素特征输入三维稀疏卷积网络，获取体素特征，具体三维稀疏卷积操作如下述公式(1)所示：
其中，fj,m表示经三维稀疏卷积操作后的输出，j表示输出索引，m表示输出通道，Wk,l,m表示滤波元素，l表示输入通道，表示稀疏数据的集合矩阵，Rk,j表示规则矩阵，k表示内核偏移量。
所述将经过稀疏卷积的多尺度语义体素特征转换为特征鸟瞰图，输入区域候选网络，生成初始目标分类与候选区域，具体路径如下：
将将经过稀疏卷积的多尺度语义体素特征数据在坐标Z轴上进行下采样，由此，稀疏数据被转换成密集的特征图，即三维数据被重塑为类似二维数据的图像；使用RPN检测框架生成初始目标分类和候选区域锚框，每个类有个三维锚框，采用该类别目标的平均三维尺寸，具体回归目标计算公式(2)所示：
其中，x,y,z是中心点的坐标；w,l,h是锚框的长、宽、高；t表示编码值，g表示真值，a表示锚框。
所述将激光雷达采集的原始点云数据划分出等比例的远小目标区域，再对其使用并行随机最远点采样算法，获取远小目标区域点云集合，具体路径如下：
对于输入的原始点云集合P,P＝{py1,py2,...,pyn}，选取n个点做为下一步的关键点：随机选择一个点pi作为起始点，并写入关键点集K＝{pi}中；然后使用剩下n-1个点计算其和pi点的距离，选择最远点pj写入关键点集K＝{pi,pj}中；再选择剩下n-2个点计算和关键点集K中每个点的距离，将最短的距离作为该点到关键点集K的距离，n-2点中选择最远的那个点写入关键点集K＝{pi,pj,pk}，此时剩下n-3个点,如果n＝3则选择完毕；如果n＞3则重复上述步骤直至选到n个起始点。如此，从点云P中采样n个关键点K＝{p1,...,pn}；根据自动驾驶场景点云分布情况，将n设置为2048，以此使用关键点代表整个三维场景，计算如公式(3)所示：
其中，h表示多层感知特征提取层，max(·)表示对称方法最大池化操作，γ表示更高层的特征提取。
所述对远小目标区域点云集合进行线性投影、拓扑结构特征提取操作，得到包含远小目标点云区域各关键点邻域几何信息的局部特征序列，然后将包含远小目标点云集合邻域空间信息的局部特征序列输入到双通道注意力模块以获取整体空间结构信息，具体路径如下：
使用KNN(K最近邻算法)聚类提取关键点与邻域点的拓扑结构特征，得到远小目标区域关键点的特征序列以此学习远小目标区域点云各关键点邻域局部空间内的结构信息；然后将关键点序列pkey线性投影为高维向量，嵌入Fkey，得到包含远小目标点云区域各关键点邻域几何信息的局部特征序列/>将包含远小目标点云集合邻域空间信息的局部特征序列Flkey输入双通道注意力模块，计算远小目标已知区域各关键点的局部邻域特征相关性，以此获取整体空间结构信息、通道注意力和空间注意力特征，计算如公式(4)、公式(5)所示：
其中，Mch(·)、Msp(·)分别表示通道注意力计算和空间注意力计算， 分别表示经通道注意力计算的特征向量和空间注意力计算的特征向量；由此可得到远小目标整体空间结构相关性的输出特征，其中包含了远小目标点云区域精细化结构特征和缺失点云集合结构关联信息。
所述将上述提取的局部特征序列通过全局池化恢复点云序列，然后将恢复的点云序列输入双通道注意力模块，使用注意力交叉计算进行远小目标点云特征强化操作，得到强化后的点云特征序列，具体路径如下：
首先通过全局池化恢复点云序列，接着输入特征进行双通道注意力计算，得到粗略远小目标关键点的邻域结构特征然后与特征提取部分的输出特征/>进行注意力交叉计算，获取粗略远小目标关键点邻域结构特征与远小目标区域精细化结构特征间的结构相关性，融合远小目标关键点的局部结构细节，最终得到精细化的远小目标全局结构特征/>计算如公式(6)所示：
Cro_att(·)表示注意力交叉计算，计算如公式(7)所示：
其中，w是双通道注意力模块输出的投影矩阵，H表示注意力子空间个数，H＝2。
所述将多尺度语义体素特征和强化后的远小目标点云特征融合，得到最后的融合特征用于对初始目标分类与候选区域锚框进行细化以获取检测结果，具体路径如下：
对于将多尺度语义体素特征和强化后的远小目标点云特征融合，首先将多尺度语义体素特征图和强化后的远小目标点云特征输入卷积层，接着传递到自顶向下的路径上，通过反卷积将特征图进行上采样与从上述通过卷积层的特征图连接起来。然后将自上而下路径的特征图变换为相同大小，通过堆叠进行合并得到融合后的特征。最后，通过两个1×1卷积层生成检测结果，具体检测结果如图7所示。
本公开还有另外两个应用方面：
一种电子设备，所述设备包括至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能被被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行后能够实现方案1中所述的方法。
一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现方案1中所述的方法。
本说明书一个或多个实施例采用的上述至少一个技术方案能够达到以下有益效果：
首先，本公开给出的方法是一种对远小目标点云数据特征进行增强方法，一方面融合点云、体素及鸟瞰图的特征，有效提升建议细化效果；另一方面利用双通道注意力机制，对远小目标点云数据进行特征强化，获取更有效的远小目标特征，进而提高三维目标检测的精度。同时通过使用随机并行最远点采样算法，减少了计算资源的消耗，从而提高三维目标检测的速度。
综上所述，本公开给出的方法对目标特征强化操作，采用双通道注意力机制获取远小目标点云之间的相关性特征与点云全局注意力特征；再将远小目标点云的邻域结构特征、精细化结构特征及关键点的局部结构细节连接到一起，最终得到强化后的远小目标全局结构特征，能够有效提高三维目标检测算法的精度。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1是本公开一个具体实施例下的对远小目标点云特征强化的流程图；
图2是本公开一个具体实施例下的基于注意力机制的远小目标点云数据特征增强的三维目标检测网络架构图；
图3是本公开一个具体实施例下的体素特征提取网络结构图；
图4是本公开一个具体实施例下的点云特征提取图；
图5是本公开一个具体实施例下的通道注意力网络结构图；
图6是本公开一个具体实施例下的空间注意力网络结构图；
图7是本公开一个具体实施例下的检测实例图；
图8是根据一示例性实施例示出的电子设备800的框图；
图9是根据一示例性实施例示出电子设备1900的框图；
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
另外，为了更好地说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。下面给出一个具体实施例，意图结合附图和实施例对本公开所给出的技术方案做进一步详细描述，需要指出的是，以下所述实施例旨在便于对本公开的理解，而对其不起任何限定作用。
图1示出根据本公开实施例三维目标检测的方法的流程图，如图1所示，所述三维目标检测的方法，包括：步骤S101：通过自动驾驶车辆的激光雷达采集原始点云数据，对采集的原始点云数据进行体素化预处理，得到预处理后的体素；步骤S102：由体素特征提取器提取预处理后的体素，输入稀疏卷积网络获取多尺度语义体素特征；步骤S103：将经过稀疏卷积的多尺度语义体素特征转换为特征鸟瞰图，输入区域候选网络，生成初始目标分类与候选区域；步骤S104：将激光雷达采集的原始点云数据划分出等比例的远小目标区域，再对其使用并行随机最远点采样算法，获取远小目标区域点云集合；步骤S105：对远小目标区域点云集合进行线性投影、拓扑结构特征提取操作，得到包含远小目标点云区域各关键点邻域几何信息的局部特征序列，然后将包含远小目标点云集合邻域空间信息的局部特征序列输入到双通道注意力模块以获取整体空间结构信息；步骤S106：将上述提取的局部特征序列通过全局池化恢复点云序列，然后将恢复的点云序列输入双通道注意力模块，使用注意力交叉计算进行远小目标点云特征强化操作，得到强化后的远小目标点云特征；步骤S107：将多尺度语义体素特征和强化后的远小目标点云特征融合，得到最后的融合特征用于对初始目标分类与候选区域锚框进行细化以获取检测结果。可强化自动驾驶场景下远小目标特征信息，有效提升建议细化效果，减少计算资源的消耗，缩短检测时间，进而提高整体三维目标检测的速度与精度。
步骤S101：通过自动驾驶车辆的激光雷达采集原始点云数据，对采集的原始点云数据进行体素化预处理，得到预处理后的体素；
在本公开的实施例及其他可能的实施例中，利用激光雷达、彩色摄像机、灰度摄像机、GPS导航系统以及光学镜头等装置采集待处理视频图像，所述待处理视频图像包含多时刻视频帧、对应的点云数据以及相关参数文件。
在本公开的实施例及其他可能的实施例中，所述对采集的原始点云数据进行体素化预处理方法，包括：根据原始点云数据分布的实际情况，对于点云数据，以车辆前进方向为X轴，左右方向为Y轴，垂直于X-Y平面的方向为Z轴，设检测目标场景在三个轴上范围区间为L，单位为m，首先根据真实场景数据集与兴趣目标实际情况，将Z×X×Y坐标轴上的点云按照[3,1]×[40,40]×[0,70.4]m范围进行裁剪。划分体素时，按照H＝0.4×L＝0.2×W＝0.2m进行体素化处理；
步骤S102：由体素特征提取器提取预处理后的体素，输入稀疏卷积网络获取多尺度语义体素特征；
在本公开的实施例及其他可能的实施例中，所述由体素特征提取器提取预处理后的体素,输入稀疏卷积网络获取多尺度语义体素特征，如图3所示，包括：使用体素特征提取器将非空体素的特征直接计算为体素内逐点特征的平均值；再使用逐元素最大池化操作获取每个体素的局部聚集特征，展开获得的特征；再将展开的特征和逐点特征连接在一起，将获取到的体素特征输入三维稀疏卷积网络，获取多尺度语义体素特征。
在本公开的实施例及其他可能的实施例中，所述使用体素特征提取器将非空体素的特征直接计算为体素内逐点特征的平均值。其中，体素特征提取器包括：两个VFE(Variational Free Energy，变分自由能)层和一个FCN(Fully Connected Network，全连接网络)层。VFE层将在同一个体素中的点云作为输入并提取特征，然后使用由一个线性层，一个BatchNorm层和一个RELU层组成的全连接FCN层提取点云特征，将非空体素的特征直接计算为体素内逐点特征的平均值。
在本公开的实施例及其他可能的实施例中，所述将获取到的体素特征输入三维稀疏卷积网络，获取多尺度语义体素特征，包括：将获取到的体素特征输入三维稀疏卷积网络，获取体素特征，具体三维稀疏卷积操作如公式(8)所示：
其中，fj,m表示经三维稀疏卷积操作后的输出，j表示输出索引，m表示输出通道，Wk,l,m表示滤波元素，l表示输入通道，表示稀疏数据的集合矩阵，Rk,j表示规则矩阵，k表示内核偏移量。
步骤S103：将经过稀疏卷积的多尺度语义体素特征转换为特征鸟瞰图，输入区域候选网络，生成初始目标分类与候选区域。
在本公开的实施例及其他可能的实施例中，所述将经过稀疏卷积的多尺度语义体素特征转换为特征鸟瞰图，包括：将特征数据在坐标Z轴上进行下采样，使稀疏数据转换成密集的特征图，即三维数据被重塑为类似二维数据的图像。
在本公开的实施例及其他可能的实施例中，所述输入区域候选网络，生成初始目标分类与候选区域，包括：将所述特征鸟瞰图使用RPN检测框架生成初始目标分类和候选区域锚框。每个类有个三维锚框，采用该类别目标的平均三维尺寸。具体回归目标计算如公式(9)所示：
其中，x,y,z是中心点的坐标；w,l,h是锚框的长、宽、高；t表示编码值，g表示真值，a表示锚框。
步骤S104：将激光雷达采集的原始点云数据划分出等比例的远小目标区域，再对其使用并行随机最远点采样算法，获取远小目标区域点云集合。
在本公开的实施例及其他可能的实施例中，所述将激光雷达采集的原始点云数据划分出等比例的远小目标区域，再对其使用并行随机最远点采样算法，获取远小目标区域点云集合，包括对于输入的原始点云集合P,P＝{py1,py2,...,pyn}，选取n个点做为下一步的关键点：随机选择一个点pi作为起始点，并写入关键点集K＝{pi}中；然后使用剩下n-1个点计算其和pi点的距离，选择最远点pj写入关键点集K＝{pi,pj}中；再选择剩下n-2个点计算和关键点集K中每个点的距离，将最短的距离作为该点到关键点集K的距离，n-2点中选择最远的那个点写入关键点集K＝{pi,pj,pk}，此时剩下n-3个点,如果n＝3则选择完毕；如果n＞3则重复上述步骤直至选到n个起始点。如此，从点云P中采样n个关键点K＝{p1,...,pn}；根据自动驾驶场景点云分布情况，将n设置为2048，以此使用关键点代表整个三维场景。具体计算如公式(10)所示：
其中，h表示多层感知特征提取层，max(·)表示对称方法最大池化操作，γ表示更高层的特征提取。具体点云特征提取部分网络结构如图4所示：
步骤S105：对远小目标区域点云集合进行线性投影、拓扑结构特征提取操作，得到包含远小目标点云区域各关键点邻域几何信息的局部特征序列，然后将包含远小目标点云集合邻域空间信息的局部特征序列输入到双通道注意力模块以获取整体空间结构信息；
在本公开的实施例及其他可能的实施例中，所述对远小目标区域点云集合进行线性投影、拓扑结构特征提取操作，得到包含远小目标点云区域各关键点邻域几何信息的局部特征序列，包括：使用KNN聚类提取关键点与邻域点的拓扑结构特征，得到远小目标区域关键点的特征序列以此学习远小目标区域点云各关键点邻域局部空间内的结构信息。然后将关键点序列Pkey线性投影为高维向量，嵌入Fkey，得到包含远小目标点云区域各关键点邻域几何信息的局部特征序列/>具体计算如公式(11)所示：
Flkey＝L(Fkey+wiPkey) 公式(11)
其中，L(·)表示线性投影计算，wi表示权重矩阵。
在本公开的实施例及其他可能的实施例中，所述将包含远小目标点云集合邻域空间信息的局部特征序列输入到双通道注意力模块以获取整体空间结构信息，包括：通道注意力主要寻找输入特征向量中“重要”的部分，为了提高计算通道注意力的效率，对输入向量的空间维度进行压缩，再分别采用最大池化和平均池化聚合特征向量的空间信息，然后将信息输入由多层感知机组成的共享网络层，之后使用逐元素相加的方法，输出合并后的特征向量；空间注意力，利用通道注意力处理后的特征向量内部空间关系产生空间注意力，空间注意力主要关注数据信息的具体位置，是对通道注意力的补充。经过通道注意力处理后的特征向量依次进行最大池化和平均池化，生成2个三维特征向量，然后将其输入卷积层，生成空间注意力特征。通道注意力与空间注意力网络结构分别如图5和图6所示：
通道注意力和空间注意力特征，计算如公式(12)、(13)所示：
其中，Mch(·)、Msp(·)分别表示通道注意力计算和空间注意力计算， 分别表示经通道注意力计算的特征向量和空间注意力计算的特征向量。由此可得到远小目标整体空间结构相关性的输出特征，其中包含了远小目标点云区域精细化结构特征和缺失点云集合结构关联信息；
步骤S106：将上述提取的局部特征序列通过全局池化恢复点云序列，然后将恢复的点云序列输入双通道注意力模块，使用注意力交叉计算进行远小目标点云特征强化操作，得到强化后的远小目标点云特征。
在本公开的实施例及其他可能的实施例中，所述将上述提取的局部特征序列通过全局池化恢复点云序列，包括：将上一部分提取的特征序列进行最大池化，提取全局信息，并将其重塑为包含缺失点云集合的远小目标关键点中心序列和包含了全局特征结构关联性的特征序列/>然后将Pkey'嵌入Fglo中构成远小目标特征强化部分的输入特征序列，再传入后续神经网络，进行以Pkey'为主的特征强化。
在本公开的实施例及其他可能的实施例中，所述将恢复的点云序列输入双通道注意力模块，使用注意力交叉计算进行远小目标点云特征强化操作，得到强化后的远小目标点云特征，包括：输入特征进行双通道注意力计算，计算过程与公式(12)、(13)类似，得到粗略远小目标关键点的邻域结构特征然后与特征提取部分的输出特征/>进行注意力交叉计算，获取粗略远小目标关键点邻域结构特征与远小目标区域精细化结构特征间的结构相关性，融合远小目标关键点的局部结构细节，最终得到精细化的远小目标全局结构特征/>具体计算如公式(14)所示：
Cro_att(·)表示注意力交叉计算，具体计算方法公式(15)所示：
其中，w是双通道注意力模块输出的投影矩阵，H表示注意力子空间个数，H＝2。
步骤S107：将多尺度语义体素特征和强化后的远小目标点云特征融合，得到最后的融合特征用于对初始目标分类与候选区域锚框进行细化以获取检测结果。
在本公开的实施例及其他可能的实施例中，所述将多尺度语义体素特征和强化后的远小目标点云特征融合，首先将多尺度语义体素特征图和强化后的远小目标点云特征输入卷积层，接着传递到自顶向下的路径上，通过反卷积将特征图进行上采样与从上述通过卷积层的特征图连接起来。然后将自上而下路径的特征图变换为相同大小，通过堆叠进行合并得到融合后的特征。最后，通过两个1×1卷积层生成检测结果，具体检测结果如图7所示。在图7(a)、(b)中，可以看到目标之间较为稀疏且距离激光雷达点云数据采集设备较远，可见本公开对较远距离的小目标也具有较好的检测结果。因此本算法面向自动驾驶场景时，具有较好的检测能力。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
对本公开进行实验，在64位的Ubuntu18.0.04操作系统下，所有的模型均使用4块GeForce RTX 2080Ti GPU和Intel i7 CPU进行训练和测试，对于模型参数配置如下表所示，划分点云区域时，在X轴方向上范围为[0,70.4m],在Y轴方向上范围为[-40,40m],在Z轴方向上范围为[-3,1m]。模型训练时，使用adam_onecycle优化器,即在adam优化器基础上添加onecycle学习率调整策略进行端到端的训练，批大小为16，设置初始学习率为0.01，学习率衰减采用余弦退火策略，共迭代100次，所有实验均在PyTorch 1.7深度学习框架上进行，Python版本为3.6。
表1模型参数配置表
性能评价标准：为了判断检测框是否正确，我们通过评估置信度和IoU来计算检测框和目标框之间的体积重叠程度，具体计算方法如公式(16)所示：
在检测过程中会出现四种情况，即检测结果与真值框之间的对比，具体包括TP(TruePositive)表示预测结果与标注一致，TN(True Negative)表示正确预测出该位置为背景，FP(False Positive)表示预测结果与标注不一致，FN(False Negative)表示在该位置有真实目标但检测模型没有预测出来。
通过统计上面四种情况的数量，就可以计算三维目标检测的准确率和召回率。准确率是指在所有被识别为正样本的数据中，真正的正样本所占的比例，召回率是被正确识别的正样本占所有正样本的比例，具体计算方法如公式(17)、公式(18)如下：
表2为本公开的改进网络模型，与基础网络进行对比实验。基础网络是PV-RCNN，该网络简单使用点云数据做特征信息补充进行三维目标检测，而改进网络是基础网络的基础上加入基于注意力机制的远小目标点云特征强化模块。表2中基于注意力机制的远小目标点云特征强化相较基础网络在车辆与自行车类别上平均有1.40％的提升，因此改进网络相较于基础网络有较好的提升效果。
表2
表3为将改进网络模型与其他相关经典算法在KITTI数据集上进行对比试验，检测类别包括车辆与自行车。其中包括主要使用体素进行检测的SECOND、PointPillars算法，直接使用原始点云进行目标检测的PointRCNN、STD算法，修改了点云采样方法的3DSSD算法，将点云场景编码成pillar图结构参与计算的Point-GNN算法以及本公开的基础网络PV-RCNN。
表3
从以上表2可以看出，改进网络模型加入了使用远小目标点云特征强化模块，使得改进模型的精度均高于其他实验中提到的三维目标检测算法，可充分证明该算法模型的有效性。检测目标是车辆困难与自行车困难类别，即检测远小目标时，本模型的检测精度分别为80.35％、59.17％，本文所提出的模型与3DSSD算法比较，在车辆与自行车类别上分别有2.98％和0.65％的提升，与PV-RCNN算法比较，本文提出的模型在车辆与自行车类别上分别有0.97％和1.82％的提升。由此可见，本章模型的精度均高于其他实验中提到的三维目标检测算法，可充分证明改进模型的有效性。
使用改进网络模型的实际检测效果如图7所示。各图中上半部分为真实场景下的相机图片，下半部分为本文算法检测的真实情况。检测时，绿色边界框为检测到的车辆，黄色边界框为检测到的自行车，蓝色边界框为检测到的行人。边界框立方体有交叉线的一面表示该目标前进方向。从检测效果图中可以看出，在图7(a)和图7(b)中，目标之间较为稀疏且距离激光雷达点云数据采集设备较远，本算法对较远距离的小目标具有较好的检测结果，因此本算法面向自动驾驶场景时，具有较好的检测能力。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述目标跟踪的方法以及/或上述的行为检测的方法。计算机可读存储介质可以是非易失性计算机可读存储介质。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述目标跟踪的方法以及/或上述的行为检测的方法。其中，电子设备可以被提供为终端、服务器或其它形态的设备。
图8是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图8，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(I/O)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(SRAM)，电可擦除可编程只读存储器(EEPROM)，可擦除可编程只读存储器(EPROM)，可编程只读存储器(PROM)，只读存储器(ROM)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(LCD)和触摸面板(TP)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(MIC)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
I/O接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如CMOS或CCD图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如WiFi，2G或3G，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(NFC)模块，以促进短程通信。例如，在NFC模块可基于射频识别(RFID)技术，红外数据协会(IrDA)技术，超宽带(UWB)技术，蓝牙(BT)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(ASIC)、数字信号处理器(DSP)、数字信号处理设备(DSPD)、可编程逻辑器件(PLD)、现场可编程门阵列(FPGA)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图9是根据一示例性实施例示出的一种电子设备1900的框图。例如，电子设备1900可以被提供为一服务器。参照图7，电子设备1900包括处理组件1922，其进一步包括一个或多个处理器，以及由存储器1932所代表的存储器资源，用于存储可由处理组件1922的执行的指令，例如应用程序。存储器1932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件1922被配置为执行指令，以执行上述方法。
电子设备1900还可以包括一个电源组件1926被配置为执行电子设备1900的电源管理，一个有线或无线网络接口1950被配置为将电子设备1900连接到网络，和一个输入输出(I/O)接口1958。电子设备1900可以操作基于存储在存储器1932的操作系统，例如Windows ServerTM，Mac OS XTM，UnixTM,LinuxTM，FreeBSDTM或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器1932，上述计算机程序指令可由电子设备1900的处理组件1922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、静态随机存取存储器(SRAM)、便携式压缩盘只读存储器(CD-ROM)、数字多功能盘(DVD)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(ISA)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如Smalltalk、C++等，以及常规的过程式编程语言—诸如“C”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(LAN)或广域网(WAN)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(FPGA)或可编程逻辑阵列(PLA)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
以上已经描述的本公开实施例，是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中的技术进行改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。

Claims (10)

1.一种基于注意力机制的远小目标点云数据特征增强方法，所述方法包括：
通过自动驾驶车辆的激光雷达采集原始点云数据；
对采集的原始点云数据进行体素化预处理，得到预处理后的体素；
由体素特征提取器提取预处理后的体素，输入稀疏卷积网络获取多尺度语义体素特征；
将经过稀疏卷积的多尺度语义体素特征转换为特征鸟瞰图，输入区域候选网络，生成初始目标分类与候选区域；
将激光雷达采集的原始点云数据划分出等比例的远小目标区域，再对其使用并行随机最远点采样算法，获取远小目标区域点云集合；
对远小目标区域点云集合进行线性投影和拓扑结构特征提取操作，得到包含远小目标点云区域各关键点邻域几何信息的局部特征序列，然后将包含远小目标点云集合邻域空间信息的局部特征序列输入到双通道注意力模块以获取整体空间结构信息；
将上述提取的局部特征序列通过全局池化恢复点云序列，然后将恢复的点云序列输入双通道注意力模块，使用注意力交叉计算进行远小目标点云特征强化操作，得到强化后的远小目标点云特征；
将多尺度语义体素特征和强化后的远小目标点云特征融合，得到最后的融合特征用于对初始目标分类与候选区域锚框进行细化以获取检测结果。
2.根据权利要求1所述的一种基于注意力机制的远小目标点云数据特征增强方法，其特征在于，所述对采集的原始点云数据进行体素化预处理，得到预处理后的体素，具体路径如下：
根据原始点云数据分布的实际情况，将场景空间内划分为立体体素；
对于点云数据，以车辆前进方向为X轴，左右方向为Y轴，垂直于X-Y平面的方向为Z轴，设检测目标场景在三个轴上范围区间为L，单位为m，分别计算出X、Y和Z三个方向点云数据坐标的最大值与最小值的差，然后根据三个差值来确定初始体素的长宽高，计算完成后，得到目标场景的初始体素。
3.根据权利要求2所述的一种基于注意力机制的远小目标点云数据特征增强方法，其特征在于，所述由体素特征提取器提取预处理后的体素，输入稀疏卷积网络获取多尺度语义体素特征，具体路径如下：
首先使用体素特征提取器将非空体素的特征直接计算为体素内逐点特征的平均值，再使用逐元素最大池化操作获取每个体素的局部聚集特征，展开获得的特征，再将展开的特征和逐点特征连接在一起，将获取到的体素特征输入三维稀疏卷积网络，获取体素特征，具体三维稀疏卷积操作如下述公式(1)所示：
其中，fj,m表示经三维稀疏卷积操作后的输出，j表示输出索引，m表示输出通道，Wk,l,m表示滤波元素，l表示输入通道，表示稀疏数据的集合矩阵，Rk,j表示规则矩阵，k表示内核偏移量。
4.根据权利要求3所述的一种基于注意力机制的远小目标点云数据特征增强方法，其特征在于，所述将经过稀疏卷积的多尺度语义体素特征转换为特征鸟瞰图，输入区域候选网络，生成初始目标分类与候选区域，具体路径如下：
将经过稀疏卷积的多尺度语义体素特征数据在坐标Z轴上进行下采样，由此，稀疏数据被转换成密集的特征图，即三维数据被重塑为类似二维数据的图像；使用RPN检测框架生成初始目标分类和候选区域锚框，每个类有个三维锚框，采用该类别目标的平均三维尺寸，具体回归目标计算公式(2)所示：
其中，x,y,z是中心点的坐标；w,l,h是锚框的长、宽、高；t表示编码值，g表示真值，a表示锚框。
5.根据权利要求4所述的一种基于注意力机制的远小目标点云数据特征增强方法，其特征在于，所述将激光雷达采集的原始点云数据划分出等比例的远小目标区域，再对其使用并行随机最远点采样算法，获取远小目标区域点云集合，具体路径如下：
对于输入的原始点云集合P,P＝{py1,py2,...,pyn}，选取n个点做为下一步的关键点：随机选择一个点pi作为起始点，并写入关键点集K＝{pi}中；然后使用剩下n-1个点计算其和pi点的距离，选择最远点pj写入关键点集K＝{pi,pj}中；再选择剩下n-2个点计算和关键点集K中每个点的距离，将最短的距离作为该点到关键点集K的距离，n-2点中选择最远的那个点写入关键点集K＝{pi,pj,pk}，此时剩下n-3个点,如果n＝3则选择完毕；如果n＞3则重复上述步骤直至选到n个起始点；如此，从点云P中采样n个关键点K＝{p1,...,pn}；根据自动驾驶场景点云分布情况，将n设置为2048，以此使用关键点代表整个三维场景，计算如公式(3)所示：
其中，h表示多层感知特征提取层，max(·)表示对称方法最大池化操作，γ表示更高层的特征提取。
6.根据权利要求5所述的一种基于注意力机制的远小目标点云数据特征增强方法，其特征在于，所述对远小目标区域点云集合进行线性投影、拓扑结构特征提取操作，得到包含远小目标点云区域各关键点邻域几何信息的局部特征序列，然后将包含远小目标点云集合邻域空间信息的局部特征序列输入到双通道注意力模块以获取整体空间结构信息，具体路径如下：
使用KNN，K最近邻算法，聚类提取关键点与邻域点的拓扑结构特征，得到远小目标区域关键点的特征序列以此学习远小目标区域点云各关键点邻域局部空间内的结构信息；然后将关键点序列pkey线性投影为高维向量，嵌入Fkey，得到包含远小目标点云区域各关键点邻域几何信息的局部特征序列/>将包含远小目标点云集合邻域空间信息的局部特征序列Flkey输入双通道注意力模块，计算远小目标已知区域各关键点的局部邻域特征相关性，以此获取整体空间结构信息、通道注意力和空间注意力特征，计算如公式(4)、公式(5)所示：
其中，Mch(·)、Msp(·)分别表示通道注意力计算和空间注意力计算， 分别表示经通道注意力计算的特征向量和空间注意力计算的特征向量；由此可得到远小目标整体空间结构相关性的输出特征，其中包含了远小目标点云区域精细化结构特征和缺失点云集合结构关联信息。
7.根据权利要求6所述的一种基于注意力机制的远小目标点云数据特征增强方法，其特征在于，所述将上述提取的局部特征序列通过全局池化恢复点云序列，然后将恢复的点云序列输入双通道注意力模块，使用注意力交叉计算进行远小目标点云特征强化操作，得到强化后的点云特征序列，具体路径如下：
首先通过全局池化恢复点云序列，接着输入特征进行双通道注意力计算，得到粗略远小目标关键点的邻域结构特征然后与特征提取部分的输出特征/>进行注意力交叉计算，获取粗略远小目标关键点邻域结构特征与远小目标区域精细化结构特征间的结构相关性，融合远小目标关键点的局部结构细节，最终得到精细化的远小目标全局结构特征/>计算如公式(6)所示：
Cro_att(·)表示注意力交叉计算，计算如公式(7)所示：
其中，w是双通道注意力模块输出的投影矩阵，H表示注意力子空间个数，H＝2。
8.根据权利要求7所述的一种基于注意力机制的远小目标点云数据特征增强方法，其特征在于，所述将多尺度语义体素特征和强化后的远小目标点云特征融合，得到最后的融合特征用于对初始目标分类与候选区域锚框进行细化以获取检测结果，具体路径如下：
对于将多尺度语义体素特征和强化后的远小目标点云特征融合，首先将多尺度语义体素特征图和强化后的远小目标点云特征输入卷积层，接着传递到自顶向下的路径上，通过反卷积将特征图进行上采样与从上述通过卷积层的特征图连接起来；然后将自上而下路径的特征图变换为相同大小，通过堆叠进行合并得到融合后的特征；最后，通过两个1×1卷积层生成检测结果。
9.一种计算机设备，所述设备包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能被被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行后能够实现权利要求1至8任一项所述的方法。
10.一种计算机可读存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
当所述计算机可执行指令被处理器执行时能够实现权利要求1至8任一项所述的方法。
CN202310867367.2A 2023-07-14 2023-07-14 一种基于注意力机制的远小目标点云数据特征增强方法 Pending CN116824533A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310867367.2A CN116824533A (zh) 2023-07-14 2023-07-14 一种基于注意力机制的远小目标点云数据特征增强方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310867367.2A CN116824533A (zh) 2023-07-14 2023-07-14 一种基于注意力机制的远小目标点云数据特征增强方法

Publications (1)

Publication Number Publication Date
CN116824533A true CN116824533A (zh) 2023-09-29

Family

ID=88120240

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310867367.2A Pending CN116824533A (zh) 2023-07-14 2023-07-14 一种基于注意力机制的远小目标点云数据特征增强方法

Country Status (1)

Country Link
CN (1) CN116824533A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117406754A (zh) * 2023-12-01 2024-01-16 湖北迈睿达供应链股份有限公司 一种物流机器人环境感知与避障方法及系统
CN117649530A (zh) * 2024-01-30 2024-03-05 武汉理工大学 基于语义级拓扑结构的点云特征提取方法、系统及设备

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117406754A (zh) * 2023-12-01 2024-01-16 湖北迈睿达供应链股份有限公司 一种物流机器人环境感知与避障方法及系统
CN117406754B (zh) * 2023-12-01 2024-02-20 湖北迈睿达供应链股份有限公司 一种物流机器人环境感知与避障方法及系统
CN117649530A (zh) * 2024-01-30 2024-03-05 武汉理工大学 基于语义级拓扑结构的点云特征提取方法、系统及设备
CN117649530B (zh) * 2024-01-30 2024-04-23 武汉理工大学 基于语义级拓扑结构的点云特征提取方法、系统及设备

Similar Documents

Publication Publication Date Title
US20210248718A1 (en) Image processing method and apparatus, electronic device and storage medium
EP3467707A1 (en) System and method for deep learning based hand gesture recognition in first person view
CN111340766A (zh) 目标对象的检测方法、装置、设备和存储介质
CN116824533A (zh) 一种基于注意力机制的远小目标点云数据特征增强方法
Vaidya et al. Real-time object detection for visually challenged people
Bertoni et al. Perceiving humans: from monocular 3d localization to social distancing
CN112200129A (zh) 一种基于深度学习的三维目标检测方法、装置及终端设备
JP2022522551A (ja) 画像処理方法及び装置、電子機器並びに記憶媒体
CN112906484B (zh) 一种视频帧处理方法及装置、电子设备和存储介质
CN111476057B (zh) 车道线获取方法及装置、车辆驾驶方法及装置
WO2023168957A1 (zh) 姿态确定方法、装置、电子设备、存储介质及程序
CN114267041B (zh) 场景中对象的识别方法及装置
CN115035158B (zh) 目标跟踪的方法及装置、电子设备和存储介质
CN114519853A (zh) 一种基于多模态融合的三维目标检测方法及系统
CN111339880A (zh) 一种目标检测方法及装置、电子设备和存储介质
Kaur et al. Scene perception system for visually impaired based on object detection and classification using multimodal deep convolutional neural network
CN113450459B (zh) 目标物的三维模型构建方法及装置
CN115965935B (zh) 目标检测方法、装置、电子设备、存储介质和程序产品
CN112036307A (zh) 图像处理方法及装置、电子设备和存储介质
Zhou et al. Underwater occlusion object recognition with fusion of significant environmental features
CN111178115B (zh) 对象识别网络的训练方法及系统
CN111310595A (zh) 用于生成信息的方法和装置
CN115035596B (zh) 行为检测的方法及装置、电子设备和存储介质
WO2023155350A1 (zh) 一种人群定位方法及装置、电子设备和存储介质
CN115223143A (zh) 用于自动驾驶车辆的图像处理方法、装置、设备及介质

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