CN115984637B 时序融合的点云3d目标检测方法、系统、终端及介质 （上海交通大学）

本发明提供一种时序融合的点云3D目标检2在目标检测模型的训练过程中，使用时序一致的数据增强方将数据增强后的所述点云数据编码成鸟瞰图特征图后，使用可变形所述在目标检测模型的训练过程中，使用时序一致的数据增强方法对首先，从训练数据集中生成一个数据库，其中包含所有人工标注然后，在目标检测模型训练过程中从该数据库中为在时序的设定下，训练场景序列为{pt_O,t,_Δt＝Tt→(t_Δt)xT(t,_Δt)→t,xOt,_Δt使用参数矩阵将过去时刻的点云数据转换到当前帧的激光雷其中，T品n-car是t_1帧时刻将点云从激光雷达坐标系转换到自车坐标系的转换矩T$osa-eor是t时刻将点云从全局坐标系转到当前自车坐标系的转换矩阵，Tr-uoun是t3对位置q,通过线性层为每个历史特征图生成对应采样偏移ΔpmΔtqk和对应的权重力机制的注意力头个数，Ft_Δt(lq+ΔpmΔtqk)是指在特征图Ft_Δt上取对应位置的特征，数据增强模块：在目标检测模型的训练过程中，使用时序特征融合模块：将数据增强后的所述点云数据编码成鸟瞰图意力机制为当前帧的特征图动态的融合过去所述数据增强模块，在目标检测模型的训练过程中，使用时序一致的首先，从训练数据集中生成一个数据库，其中包含所有人工标注然后，在目标检测模型训练过程中从该数据库中为在时序的设定下，训练场景序列为{pt_6.一种终端，包括存储器、处理器及存储在序，其特征在于，所述处理器执行所述程序时可用于执行权利要求1_4中任一项所述的方45[0003]经检索，现有技术中也有时序融合的点云3D目标检测方法，比如公开号为6T-uoun是t时刻的点云数据。[0020]对位置q,通过线性层为每个历史特征图生成对应采样偏移ΔpmΔtqk和对应的权重力机制的注意力头个数，Ft_Δt(lq+ΔpmΔtqk)是指在特征图Ft_Δt上取对应位置的特征，形注意力机制为当前帧的特征图动态的融合过去7[0032]通过阅读参照以下附图对非限制性实施例所作的详细描述，本发明的其它特征、[0040]S300,在目标检测模型的训练过程中，使[0042]S400,将数据增强后的点云数据编码成鸟瞰[0043]本步骤中，再将点云编码成鸟瞰图特征图后，可以优选采用deformableattent8云数据据集中所有的人工标注的标签及其人工标注要从{pt′Δt}中选择一个物体序列{Ot′Δt}。但是直接将该物体序列加入训练9[0071]对位置q,通过线性层为每个历史特征图生成对应采样偏移ΔpmΔtqk和对应的权重力机制的注意力头个数，Ft_Δt(lq+ΔpmΔtqk)是指在特征图Ft_Δt上取对应位置的特征，该程序被处理器执行时用于执行上述任一项实施例中的时序融合的点云3D目标检测方法，大的柱子(z轴无限高)，然后根据每个点的坐标计算点和柱子之间的关系，然后使用[0091]第五步、使用可变形注意力机制为当前帧的鸟瞰图特征图动态融合历史帧的特发明实施例的时序融合方法(pillarnet_temporal)和原PillarNet(单帧检测器)在mAPNDS60.9567.7762.8469.296