(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211206016.9 (22)申请日 2022.09.30 (71)申请人 苏州万集车联网技 术有限公司 地址 215131 江苏省苏州市相城区高铁新 城青龙港路286号长三角国际研发社 区启动区9号楼B幢6层6 01室 (72)发明人 李瑞　王亚军　王邓江　司宇　 马冰　 (74)专利代理 机构 北京华进京联知识产权代理 有限公司 1 1606 专利代理师 乔改利 (51)Int.Cl. G06V 20/54(2022.01) G06V 10/74(2022.01) G06V 10/774(2022.01)G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 目标检测方法、 装置、 计算机设备及存储介 质 (57)摘要 本申请涉及一种目标检测方法、 装置、 计算 机设备及存储介质。 该方法包括： 获取目标场景 的当前帧点 云数据， 并将当前帧点云数据输入至 点云目标检测模 型中， 对当前帧点云数据中的目 标进行检测， 得到当前帧点云数据中的目标检测 结果， 且点 云目标检测模型是基于点云数据训练 集中各样本目标的预测检测框和各样本目标的 标准检测框进行训练得到的。 采用该方法避免了 通过与目标的特征信息不具有贴合性的信息来 训练点云目标检测模型的问题， 可以直接通过与 目标的特征信息更具有贴合性的特征信息， 即样 本目标的检测框自身的特征信息来训练点云目 标检测模型， 从而能够使 得点云目标检测模型检 测目标的结果 准确性并且精度更高。 权利要求书3页 说明书17页 附图5页 CN 115457492 A 2022.12.09 CN 115457492 A 1.一种目标检测方法， 其特 征在于， 所述方法包括： 获取目标场景的当前帧点云数据； 将所述当前帧点云数据输入至点云目标检测模型中， 对所述当前帧点云数据中的目标 进行检测， 得到所述当前帧点云数据中的目标检测结果； 其中， 所述点云目标检测模型是基于点云数据训练集中各样本目标的预测检测框和各 所述样本目标的标准检测框进行训练得到的。 2.根据权利要求1所述的方法， 其特 征在于， 所述 点云目标检测模型的构建过程包括： 根据多种目标场景下的原始点云数据， 确定所述点云数据训练集； 所述点云数据训练 集中包括多个样本目标； 根据所述 点云数据训练集， 获取初始点云目标检测模型的样本目标损失信息； 通过所述样本目标损 失信息， 对所述初始点云目标检测模型进行训练， 直至所述初始 点云目标检测模型训练完成， 得到所述 点云目标检测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述根据多种目标场景下的原始点云数 据， 确定所述 点云数据训练集， 包括： 对所述原 始点云数据进行 预处理， 得到样本点云数据集； 对所述样本点云数据集进行划分处 理， 得到所述 点云数据训练集。 4.根据权利要求3所述的方法， 其特征在于， 所述对所述原始点云数据进行预处理， 得 到样本点云数据集， 包括： 对所述原始点云数据进行格式转换处理， 得到标准格式点云数据集； 所述标准格式点 云数据集 为与训练所述 点云目标检测模型 所需格式相匹配 格式的点云数据集； 对所述标准格 式点云数据集中的各所述样本目标进行标注， 得到标注后的标准格 式点 云数据集； 所述标注后的标准格式点云数据集包括各所述样本目标的标准标注数据； 所述 标准标注数据包括标准检测框； 将所述标注后的标准格式点云数据集确定为所述样本点云数据集。 5.根据权利要求3所述的方法， 其特征在于， 在所述对所述原始点云数据进行格式转换 处理之前， 所述方法还 包括： 对所述原始点云数据中的无效点云数据进行剔除； 所述无效点云数据表示不存在样本 目标的原 始点云数据。 6.根据权利要求3所述的方法， 其特 征在于， 所述方法还 包括： 将所述点云数据验证集输入至所述 点云目标检测模型中， 得到测试目标检测结果； 若所述测试目标检测结果与样本目标的标准检测结果之间的相似度大于预设值， 则确 定所述点云目标检测模型验证通过。 7.根据权利要求2 ‑6中任一项所述的方法， 其特征在于， 所述根据所述点云数据训练 集， 获取初始点云目标检测模型的样本目标损失信息， 包括： 根据预设的体素网格规格， 对所述点云数据训练集进行体素网格划分处理， 得到多个 体素网格点云数据； 各 所述体素网格点云数据均包括体素网格内各点云的坐标信息； 根据各所述体素网格点云数据， 获取初始点云目标检测模型的样本目标损失信息 。 8.根据权利要求7所述的方法， 其特征在于， 所述初始点云目标检测模型包括初始稀疏 网络模型和初始检测网络模型；权　利　要　求　书 1/3 页 2 CN 115457492 A 2所述根据各所述体素网格点云数据， 获取初始点云目标检测模型的样本目标损失信 息， 包括： 将各所述体素网格点云数据输入至所述初始稀疏网络模型中， 得到各所述体素网格点 云数据对应的二维特 征图； 将所述二维特征图输入至所述初始检测网络模型中， 得到所述初始点云目标检测模型 的样本目标张量； 根据所述样本目标张量， 获取 所述初始点云目标检测模型的样本目标损失信息 。 9.根据权利要求8所述的方法， 其特征在于， 所述样本目标张量包括样本目标类别张 量、 样本目标回归张量和样本目标方向张量； 所述样本目标损失信息包括样本目标类别损 失信息、 样本目标 方向损失信息和所述样本目标回归损失信息； 所述根据所述样本目标张量， 获取所述初始点云目标检测模型的样本目标损 失信息， 包括： 根据所述样本目标类别张量生成所述样本目标类别损失信 息； 根据所述样本目标方向 张量生成所述样本目标 方向损失信息； 以及， 对所述样本目标回归 张量进行解码处理， 获取样本目标水平损失信 息和样本目标垂直 损失信息， 并根据所述样本目标水平损失信息和所述样本目标垂直损失信息， 生成所述样 本目标回归损失信息 。 10.根据权利要求9所述的方法， 其特征在于， 所述对所述样本目标回归张量进行解码 处理， 获取样本目标 水平损失信息和样本目标垂直损失信息， 包括： 对所述样本目标回归张量进行解码处理， 得到样本目标水平张量和样本目标垂直张 量； 通过预设损 失函数和所述样本目标垂直张量获取所述样本目标垂直损 失信息； 以及， 根据样本目标 水平张量和样本目标 标准水平张量， 获取 所述样本目标 水平损失信息 。 11.根据权利要求10所述的方法， 其特征在于， 所述根据样本目标水平张量和样本目标 标准水平张量， 获取 所述样本目标 水平损失信息， 包括： 对所述样本目标水平张量进行拟合处理， 得到预测检测框分布数据， 对所述样本目标 标准水平张量进行拟合处 理， 得到标准检测框分布数据； 根据所述预测检测框分布数据和所述标准检测框分布数据之间的相似度， 确定所述样 本目标水平损失信息 。 12.一种目标检测装置， 其特 征在于， 所述装置包括： 点云数据获取模块， 用于获取目标场景的当前帧点云数据； 目标检测模块， 用于将所述当前帧点云数据输入至点云目标检测模型中， 对所述当前 帧点云数据中的目标进行检测， 得到所述当前帧点云数据中的目标检测结果； 其中， 所述点云目标检测模型是基于点云数据训练集中各样本目标的预测检测框和各 所述样本目标的标准检测框进行训练得到的。 13.一种计算机设备， 包括存储器和 处理器， 所述存储器存储有计算机程序， 其特征在 于， 所述处理器执行所述计算机程序时实现权利要求 1‑11中任一项 所述的目标检测方法的 步骤。 14.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 所述计算机程序权　利　要　求　书 2/3 页 3 CN 115457492 A 3