CN114998610B 一种目标检测方法、装置、设备及存储介质 （杭州海康威视数字技术股份有限公司）

取雷达信号对应的点云中每个点的雷达特征和于1；根据子点云中每个点的雷达特征和图像特系数用于指示子点云中的点之间的雷达信息的特征由该子点云的注意力系数对该子点云的雷达特征和图像特征加权得到；将N个子点云的融2获取雷达信号对应的点云中每个点的雷达特征和图像特征根据子点云中每个点的雷达特征和图像特征，分别确定每个子点云分别确定每个所述子点云的融合特征；一个子点云的融合特征采用多层感知机对所述第一子点云中每个点的雷达特征和图像特征根据所述雷达信息的向量和所述图像信息的向量，分别确定所述根据所述雷达信息的向量和所述图像信息的向量，分别确定第一系数和第二系将所述雷达信息的向量中的查询键值，与所述雷达将所述图像信息的向量中的查询键值，与所述图像采用所述第一系数和所述第二系数，对所述雷达信息的采用所述第一系数和所述第二系数，对所述图像信息的连接所述第一子点云的雷达融合特征和所述第一子点云的图5.根据权利要求1-4任一项所述的方法，其采用最远点采样算法和k近邻算法将所述点云划分为N个所述6.根据权利要求1-4任一项所述的方法，其特征3采用深度学习网络预测所述3维检测框的类别将所述图像信号的特征通过内参矩阵和外参矩阵处理，获取所将所述距离视图信号的特征与点云对应，获取所述雷达信号对应的所述获取模块用于，获取雷达信号对应的点云中每个点的雷达特所述确定模块用于，根据子点云中每个点的雷达特征和图像特征，云的注意力系数；所述注意力系数用于指示子点云中的点之间的雷达信息的相互注意力，所述确定模块还用于，分别确定每个所述子点云的融合特征；一个所述确定模块具体用于，采用多层感知机对所述第一子点云中每个点所述确定模块具体用于，将所述雷达信息的向量中的查询键值，与所所述第一子点云的雷达特征为所述第一子点云的雷达信息的向4所述划分模块具体用于，采用最远点采样算法和k近邻算法将所述所述获取模块具体用于，对所述雷达信号进行特征提取，获取所述点所述获取模块具体用于，将所述距离视图信号的特征与点云对应，获所述处理器被配置为执行所述指令时，使得所述服务器实现如权利要求1-8任一项所当所述计算机软件指令在电子设备中运行时，使得所述电子设备实现如权利要求1-85个子点云的融合特征由该子点云的注意力系数对该子点云的雷达特征和图像特征加权得6[0011]又一种可能的实现方式中，将N个子点云的融合特征投影至鸟瞰图，进行目标检周围点的特征按照注意力系数聚合得到，增加了局部中每个点与周围点之间的权重关系，个子点云的融合特征由该子点云的注意力系数对该子点云的雷达特征和图像特征加权得78是服务器中的处理器或处理芯片等。本申请实施例对上述服务器的具体设备形态不作限[0045]上述相机102主要用于采集LV融合所需要的红绿蓝(redgreenblue，RGB)图9点的雷达特征。具体的，目标检测装置可以采用不同的3维主干网络来提取不同的雷达信[0056]在雷达信号为距离视图信号的情况下，目标检测装置获[0072]S203a、目标检测装置采用多层感知机对第一子点云中每个点的雷达特征和图像CC第一子点云的图像特征为第一子点云的图像信息的向量[0087]目标检测装置采用第一系数AL和第二系数AC，对雷达信息的向量中的特征值VL进[0091]目标检测装置采用第一系数AL和第二系数AC，对图像信息的向量中的特征值VC进[0094]S204c、目标检测装置连接第一子点云的雷达融合特征和第一子点云的图像融合特征FC后，目标检测装置可以连接第一子点云的雷达融合特征FL和第一子点云的图像融合图像特征进行加权，局部中每个点的特征都由周围点的特征按照注意力系数进行聚合得程可以看作是使用一个可训练的滤波器与一个输入的图像或者卷积特征平面(feature[0107]示例性的，目标检测装置可以采用深度学习网络中的卷积神经网络预测3维检测积神经网络将在鸟瞰图中生成3维检测框，该3维检测框可以圈选出鸟瞰图中的目标(例如征进行加权后拼接，得到每个局部融合子集(相当于上述子点云)的融合向量(相当于上述[0114]获取模块1001用于，获取雷达信号对应的点云中每个点信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器执行存储器1101中存储的指令或程序代码时，能够实现本申请实施例提供的目标检测方[0134]总线1104，可以是扩展工业标准结构(extendedindustrystandard述功能分配由不同的功能模块完成，即将目标检测装置的内部结构划分成不同的功能模储设备，例如上述目标检测装置上配备的插接式硬盘，智能存储卡(smartmediacard，算机可读存储介质用于存储上述计算机程序以及上述目标检测装置所需的其他程序和数附权利要求所界定的本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修