公开(公告)号：CN115294565A

公开(公告)日：2022-11-04

申请号：CN202210951778.5

申请日：2022-08-09

Applicant: 西安交通大学 ,  宁波市舜安人工智能研究院

Inventor： 周三平 ,  黄宇豪 ,  闫欣蕊 ,  陈仕韬 ,  郑南宁

IPC: G06V20/64 ,  G06V10/80 ,  G06V10/764 ,  G06V10/766 ,  G06V10/82 ,  G06V20/58 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了基于关键点的3D目标检测及其参数化半径学习方法及系统，方法具体为：原始对于点云下采样得到关键点，并对原始点云进行体素化处理，后输入3D稀疏卷积网络中，得到体素特征；采用构造点特征提取方法，将体素特征聚合到关键点上，得到关键点特征；通过目标感知特征池化，学习关键点到目标中心的偏移量，在目标感知邻域内进行特征聚合，得到候选点及对应特征；以候选点为中心进行候选框回归，提取特征并对候选框进行二次回归和得分预测，得到3D目标检测结果；将点云特征聚合采样半径作为可学习参数，通过反向传播更新采样半径，得到最优采样半径参数；解决目标中心回归难度高、不准确，以及需要手工调节特征聚合采样半径问题。

公开(公告)号：CN113284163A

公开(公告)日：2021-08-20

申请号：CN202110516998.0

申请日：2021-05-12

Applicant: 西安交通大学

Inventor： 郑南宁 ,  闫欣蕊 ,  黄宇豪 ,  陈仕韬 ,  南智雄 ,  辛景民

IPC: G06T7/194 ,  G06K9/32 ,  G06K9/46 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G01S17/931 ,  G01S17/66

Abstract: 本发明公开一种基于车载激光雷达点云的三维目标自适应检测方法及系统，将激光雷达点云栅格化后提取不同尺度的三维特征图和鸟瞰视角下的二维特征图；对激光雷达点云进行最远点采样得到稀疏采样点，分别将原始点云特征、不同尺度的三维特征图、鸟瞰视角下的二维特征图整合至稀疏采样点，丰富采样点特征表达；以采样点特征为输入，通过偏移预测和目标自适应的邻域划分方法生成与目标更加匹配的候选参考点及其对应特征；通过采样点特征和候选参考点特征分别得到目标候选框的分类和回归预测结果；最后进行目标候选框参数精细化；本发明能够在检测精度上超越所有现有基于稀疏候选框的方法和大多数基于稠密候选框的方法。

公开(公告)号：CN113284163B

公开(公告)日：2023-04-07

申请号：CN202110516998.0

申请日：2021-05-12

Applicant: 西安交通大学

Inventor： 郑南宁 ,  闫欣蕊 ,  黄宇豪 ,  陈仕韬 ,  南智雄 ,  辛景民

IPC: G06T7/194 ,  G06V10/44 ,  G06V10/82 ,  G06V10/25 ,  G06V10/764 ,  G06N3/0464 ,  G06N3/08 ,  G01S17/931 ,  G01S17/66

Abstract: 本发明公开一种基于车载激光雷达点云的三维目标自适应检测方法及系统，将激光雷达点云栅格化后提取不同尺度的三维特征图和鸟瞰视角下的二维特征图；对激光雷达点云进行最远点采样得到稀疏采样点，分别将原始点云特征、不同尺度的三维特征图、鸟瞰视角下的二维特征图整合至稀疏采样点，丰富采样点特征表达；以采样点特征为输入，通过偏移预测和目标自适应的邻域划分方法生成与目标更加匹配的候选参考点及其对应特征；通过采样点特征和候选参考点特征分别得到目标候选框的分类和回归预测结果；最后进行目标候选框参数精细化；本发明能够在检测精度上超越所有现有基于稀疏候选框的方法和大多数基于稠密候选框的方法。