CN114463737B 一种基于3d建模中隐式表示的3d目标检测方法和系统 （复旦大学）

一种基于3D建模中隐式表示的3D目标检测本发明涉及一种基于3D建模中隐式表示的目标边界框内的特征进行结合对边界框进行优2根据得到的预处理点云数据，在点云维度和体素维度上分别提取出对鸟瞰特征图上的每个像素点进行坐标和特征偏移，筛选并采样出最使用隐式函数对以候选中心点为单位的周围局部三维空间内包通过将生成的目标边界框内的特征进行结合对边界对候选中心点使用采样策略获取其周围局部三维空间中的点云坐标赋值结果统称为Hr:根据设定阈值和赋值结果筛选局部三维空间内的采样点，根据筛选使用采样策略获取其周围局部三维空间中的点云坐标和特征具根据设定阈值和赋值结果筛选局部三维空间内的采样点，步骤二，生成边界框的大小：利用最小外接矩形来生3则作为边界框的角度ra；同时通过比较边界框的长la和宽wa，经验性地将方向范围矫正到将点云集合按照三维空间的体素大小分割成立体网格体素，每预处理点云数据在点云维度和体素维度上分别提取对应的特征具体包将得到的初始特征送入多个3D稀疏卷积块中，得到体素维度的在鸟瞰特征图上筛选并采样出最大概率的候选中心点的具pf=p=f对偏移后得到的候选中心进行质量筛选和采样，使用3D中心距离作为衡量质量的标重用隐含值，通过聚合内部采样点的特征并抑制外部点的特征影响来细化调整边界拼接所有网格点的特征并将它们输入到检测头中；检测头由三个并行分支构4根点云特征提取部，用于根据据得到的预处理点云数据，在点云维度隐式目标边界生成部，用于使用隐式函数对以候候选区域集成部，用于通过将生成的目标边界框内的特征进行结合对边界框进行优对候选中心点使用采样策略获取其周围局部三维空间中的点云坐标赋值结果统称为Hr:根据设定阈值和赋值结果筛选局部三维空间内的采样点，根据筛选使用采样策略获取其周围局部三维空间中的点云坐标和特征具步骤三，将一系列虚拟点均匀地放置在候选中心点9"周围；步骤五，对于采样得到的虚拟点，采用K邻近算法从体素特征ft)中插值得到虚拟点特根据设定阈值和赋值结果筛选局部三维空间内的采样点，根据筛选步骤二，生成边界框的大小：利用最小外接矩形来生5则作为边界框的角度ra；同时通过比较边界框的长la和宽wa，经验性地将方向范围矫正到6常见的是使用激光雷达(LiDAR)传感器生成的点云作为算法的输入进行进一步的检测。尽[0004]本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于3D建模中[0008]根据得到的预处理点云数据，在点云维度和体素维度上[0010]使用隐式函数对以候选中心点为单位的周围局部三维空7[0018]将得到的点特征向量和得到的初始特征融合后送入一个MLP层，得到点云维度的点的赋值结果统称为Hr:[0031]步骤一，给定一个候选中心点09",通过绘制一个半径为r的球来获取其周围的8[0035]步骤五，对于采样得到的虚拟点，采用K邻近算法从体素特征ft)中插值得到虚[0045]拼接所有网格点的特征并将它们输入到检测头中；检测[0046]进一步地，对所述检测头的三个并行分支中，每个分支有四个MLP层，通道数为9[0055]2、本发明采用了隐式函数对以候选中心点为单位的周围局部三维空间内包含的[0072]步骤S1-1，根据检测范围设置仅保留符合x、y和z轴方向上设置范围内的点云集[0076]步骤S2-1，将步骤S1得到的点云集合P1经过一个多层感知机(MLP)得到点特征向[0078]步骤S2-3，将S2-1得到的点特征向量和S2-2得到的初始特征融合后送入一个MLP[0093]步骤S4-1-a，给定一个候选中心点通过绘制一个半径为r的球来获取其周素特征ft)中插值得到虚拟点特征；算得到每个采样的原始点的赋值结果将基于候选中心点pg"的两类采样点的赋值结向范围矫正到[0,τ]：s[0113]步骤S5-1重用隐含值H,通过聚合内部采样点的特征并抑制外部点的特征影响来象层来聚合在每个网格点位置的内部点特征以及体素特征f3)和f)。[0117]点云数据预处理部101用于对得到的待分析点云数据进行数据预处理，得到预处[0118]点云特征提取部102使用在点维度和体素维度上分别提取出对应的特征并将这两[0119]目标中心采样部103对鸟瞰特征图上的每个像素点进行偏移，并采样出最大概率[0120]隐式目标边界生成部104使用隐式函数对以候选中心点为单位的周围局部三维空[0121]候选区域集成部105通过将生成的目标边界框内的采样点特征进行融合对边界框[0125]图4和图5是本实施例中的基于隐式表示的3D目标检测系统的流程示意图和流程[0127]步骤T2，点云特征提