公开(公告)号：CN112613450A

公开(公告)日：2021-04-06

申请号：CN202011598084.5

申请日：2020-12-29

Applicant: 清华大学

Inventor： 赵妍 ,  朱纪洪 ,  匡敏驰 ,  张赛特 ,  罗东琦 ,  叶梓轩 ,  刘彬彬

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种增强在困难样本上表现的3D目标检测方法。包括以下步骤：1.将点云进行体素化，然后对这些体素进行特征提取；2.使用3D目标检测网络根据特征图得到一系列的目标建议框；3.预测每个候选框内的点的个数所属的类别以及该候选框的中心点和框内所有点的坐标的平均值之间的单位距离向量，使用辅助损失模块进行分类和回归；4.对损失函数进行优化，进行前背景的分类，中心点位置、形状和转向角的回归，以及物体朝向的二分类，得到最终的3D目标检测结果。本发明有效提高了对于内部点云数过少以及内部点云分布过于不均匀的困难样本的检测性能，解决了基于点云的3D目标检测在远距离、被遮挡和过偏的转向角的情况下表现较差的问题。

公开(公告)号：CN112613450B

公开(公告)日：2023-08-04

申请号：CN202011598084.5

申请日：2020-12-29

Applicant: 清华大学

Inventor： 赵妍 ,  朱纪洪 ,  匡敏驰 ,  张赛特 ,  罗东琦 ,  叶梓轩 ,  刘彬彬

IPC: G06V20/64 ,  G06V10/762 ,  G06V10/764 ,  G06V10/766 ,  G06V10/77 ,  G06V10/774 ,  G06V10/82 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/0475 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明提出了一种增强在困难样本上表现的3D目标检测方法。包括以下步骤：1.将点云进行体素化，然后对这些体素进行特征提取；2.使用3D目标检测网络根据特征图得到一系列的目标建议框；3.预测每个候选框内的点的个数所属的类别以及该候选框的中心点和框内所有点的坐标的平均值之间的单位距离向量，使用辅助损失模块进行分类和回归；4.对损失函数进行优化，进行前背景的分类，中心点位置、形状和转向角的回归，以及物体朝向的二分类，得到最终的3D目标检测结果。本发明有效提高了对于内部点云数过少以及内部点云分布过于不均匀的困难样本的检测性能，解决了基于点云的3D目标检测在远距离、被遮挡和过偏的转向角的情况下表现较差的问题。