CN114419617B 一种目标检测方法、装置、设备及存储介质 （中国第一汽车股份有限公司）

弦值和目标的中心点z坐标，通过本发明的技术2将所述目标特征图输入第二卷积层，得到目标的三维框检测结得到16维的特征信息，将16维的特征信息依次输入4个SparseBasicBlock模块和稀疏卷检测模块，用于将所述原始点云数据输入目标神经网络模型，得到3得到16维的特征信息，将16维的特征信息依次输入4个SparseBasicBlock模块和稀疏卷该程序被一个或多个处理器执行时实现如权利4云的三维目标检测算法逐渐成为自动驾驶领5回归角度的余弦值和目标的中心点z坐标，能够自适应地融合高级抽象语义特征和底层空[0018]图4是本发明实施例中的一种包含计算机程序的计算机可读存储介质的结构示意[0023]图1为本发明实施例提供的一种目标检测方法的流程图，本实施例可适用于目标67特征的表达能力。每个稀疏卷积层的参数分别记为SparseConv3D(16,32,3,2,1)，着的三个数字分别表示卷积核的大小，卷积步长，以及填充参数。由于最后一个[0043]若体素内的点云的数量大于或者等于数量阈值，则对体素内的点云进行随机采时为了节省计算开销和平衡不同体素内点的个数的差异，对体素内的点的个数设置阈值，51.2m]，z轴∈[-5m,3m]范围内的点云进行检测。每个体素的大小设置为[0.1m,0.1m,使用点云特征编码模块对离散的体素特征进行提取与聚合，得到一个四维的张量特征图。51.2m]，z轴∈[-5m,3m]范围内的点云进行检测。每个体素的大小设置为[0.1m,0.1m,8[0053]对每一个划分好的体素进行特征编码。具体来说，本发明实施例使用一个10-channel的特征来表示每一个体素内点的特征，channel特征依次是点的坐标,反射强度r,只需要在逼近任意函数的神经网络后加一个最大池化层MaxPooling，就可以使网络学习ConnectedLayer,FC)，批归一化层(BatchNormalization,BN)以及非线性激活函数RELUBlock模块采用ResNet基本的残差网络结构，对每个输入数据而言，使用子流形稀疏卷积流通，又能够避免梯度消失，提高特征的表达能力。每个稀疏卷积层的参数分别记为SparseConv3D(16,32,3,2,1)，SparseConv39测的中心点的偏移量因为在进行卷积下采样的过程中，中心点在特征图中部分包括三维框的尺寸三维空间中目标中心点的坐标，对于旋转角θ,融合高级抽象语义特征和底层空间特征，通过适度增加模型的复杂性来有效提高检测性[0066]图2为本发明实施例提供的一种目标检测装置的结构示意图。本实施例可适用于本发明实施例的功能和使用范围带来任何限制。设备312是典型的轨迹拟合功能的计算设[0083]电子设备312典型地包括多种计算机系统可读介质。这些介质可以是任何能够被[0084]存储装置328可以包括易失性存储器形式的计算机系统可读介质，例如随机存取以及对可移动非易失性光盘(例如只读光盘(CompactDisc-ReadOnlyMemory，CD-ROM)、数字视盘(DigitalVideoDisc-ReadOnlyMemory，DVD-ROM)或者其它光介质)读写的光盘驱动器。在这些情况下，每个驱动器可以通过一个或者多个数据介质接口与总线318相[0090]图4为本发明实施例中的一种包含计算机程序的计算机可读存储介质的结构示意被一个或多个处理器执行时实现如本申请所有发明实施例提供的使用。[0094]计算机可读的信号介质可以包括在基带中或者作为载波[0096]在一些实施方式中，客户端、服务器可以利用诸如HTTP(HyperTextTransfer[0098]可以以一种或多种程序设计语言或其组合来编写用于执行本发明操作的计算机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[0101]本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执