专利交易市场

本发明提供一种基于距离视图的三维目标检测方法和装置，其方法包括：将激光雷达采集的三维点云数据通过球面坐标系投影到二维距离视图格式，通过现有成熟的二维目标检测网络YOLOX对距离视图进行处理；根据真实三维包围框的尺度和位置信息生成在距离视图上的二维包围框，制作成数据集后对网络进行训练，得到网络进行三维目标检测的预训练权重；对二维目标检测网络的预测分支，标签分配损和失函数进行一定修改，监督网络进行三维包围框的回归。最后利用投影为二维格式的距离视图，实现了激光雷达高效三维目标检测。

本发明公开了一种基于稀疏多尺度体素特征融合的三维目标检测方法，将原始点云采用三种不同尺度的体素进行体素化，获得三种不同尺度的体素化三维模型，分别对三种不同尺度的体素化三维模型进行注意力特征提取和平均特征提取，将注意力特征和平均特征进行联接操作融合为三维稀疏特征图；将三种不同尺度的三维稀疏特征图进行多尺度特征融合并压缩至鸟瞰图，得到多尺度融合的伪图像特征图，采用训练好的由浅至深回归网络对所述多尺度融合的伪图像特征图进行多重聚合，输出目标检测结果。本发明提高了定位和三维框估计的准确性，消耗了更少的资源开销。

本发明属于目标检测技术领域，公开了一种面向移动环境实时感知的三维目标检测方法，包括移动设备多视角图像输入图像骨干网络提取得到图像二维特征；将图像二维特征输入深度预测网络和语义预测网络，得到深度预测值和语义预测值，对深度预测值进行多级深度监督，对语义预测值进行语义监督；将图像二维特征投影至三维空间中得到BEV特征；采用混合分辨率网格对BEV特征进行双线性插值采样，形成新的BEV特征；将新的BEV特征输入BEV特征编码网络，再通过3D检测头得到三维目标检测结果；对三维目标检测结果进行检测监督，并结合所有监督更新网络参数。本发明充分利用深度信息提升检测效果，且通过混合分辨率网格适配实际检测需求。

本发明提出了一种基于多尺度差异分配策略的三维目标检测方法，涉及3D点云处理领域；具体包括以下步骤，S1、引入稀疏张量和点云体素化操作进行预处理：S2、将步骤S1预处理后的数据送入稀疏神经网络3D‑MSDA，稀疏神经网络包括CNN的骨干网络、颈部和头部；S3、设计多尺度差异分配赋值器，设计包括粗分配和细分配的赋值器策略；S4、计算损失函数，并使用损失函数的网络在相应数据集上进行目标检测。本发明中赋值器使用一组全局参数来分配点云中的点到不同的目标；针对每个尺度，在粗分配的基础上调用多个赋值器，并根据特定尺度的特征图和目标的精细位置信息，进行更细致的分配，在处理具有多尺度或多层次目标的情况下有助于提高三维目标检测的性能。