公开(公告)号：CN111145174B

公开(公告)日：2022-08-09

申请号：CN202010000186.6

申请日：2020-01-02

Applicant: 南京邮电大学

Inventor： 吴飞 ,  杨永光 ,  荆晓远 ,  葛琦 ,  季一木

IPC: G06T7/00 ,  G06T7/10 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提出了一种基于图像语义特征进行点云筛选的3D目标检测方法。包括以下步骤：首先2D语义分割方法对图像数据进行分割得到语义预测。将生成的语义预测通过已知的投影矩阵投影到LIDAR点云空间中，从而使点云中的每一个点都能获得对应图像位置的语义类别属性。我们将车辆、行人、骑车人相关的点从原始点云中提取出来并形成视锥。其次我们将视锥作为深度3D目标检测器的输入，并设计符合视锥特性的损失函数来进行网络训练。本发明设计了基于图像语义特征进行点云筛选的3D目标检测算法，大大减少了3D检测的时间和计算需求。最后我们的方法在3D目标检测的基准数据集KITTI上的表现表明，我们的方法具有很好的实时目标检测性能。

公开(公告)号：CN111145174A

公开(公告)日：2020-05-12

申请号：CN202010000186.6

申请日：2020-01-02

Applicant: 南京邮电大学

Inventor： 吴飞 ,  杨永光 ,  荆晓远 ,  葛琦 ,  季一木

IPC: G06T7/00 ,  G06T7/10 ,  G06N3/08 ,  G06N3/04

Abstract: 本发明提出了一种基于图像语义特征进行点云筛选的3D目标检测方法。包括以下步骤：首先2D语义分割方法对图像数据进行分割得到语义预测。将生成的语义预测通过已知的投影矩阵投影到LIDAR点云空间中，从而使点云中的每一个点都能获得对应图像位置的语义类别属性。我们将车辆、行人、骑车人相关的点从原始点云中提取出来并形成视锥。其次我们将视锥作为深度3D目标检测器的输入，并设计符合视锥特性的损失函数来进行网络训练。本发明设计了基于图像语义特征进行点云筛选的3D目标检测算法，大大减少了3D检测的时间和计算需求。最后我们的方法在3D目标检测的基准数据集KITTI上的表现表明，我们的方法具有很好的实时目标检测性能。