(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 20221072493 3.X (22)申请日 2022.06.23 (71)申请人 重庆长安汽车股份有限公司 地址 400020 重庆市江北区鱼嘴镇长安汽 车全球研发中心 (72)发明人 钱少华　 (74)专利代理 机构 北京清亦华知识产权代理事 务所(普通 合伙) 11201 专利代理师 黄琼 (51)Int.Cl. G06V 20/56(2022.01) G06V 10/25(2022.01) G06V 10/80(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) (54)发明名称 点云目标检测方法、 装置、 电子设备及存储 介质 (57)摘要 本申请特别涉及一种点云目标检测方法、 装 置、 电子设备及存储介质， 其中， 方法包括： 获取 多个场景的点云数据， 并从点云数据中截取感兴 趣区域ROI区域点 云数据， 并对ROI区域点 云数据 的鸟瞰图BEV视角进行栅格化处理， 并对每个非 空栅格中点 云数据进行特征提取， 得到每个非空 栅格中每个点云数据的点云特征； 并输入至预先 构建的3D  Encoder网络， 得到2D伪图片特征图； 将2D伪图片特征图输入至预先构建的2D  CNN网 络， 并结合特征金字塔进行特征融合， 将特征融 合结果输入至centerNet检测头， 得到目标检测 结果。 由此， 解决了相关技术在拐弯处对目标偏 航角的学习欠优， 检测距离近等问题， 检测偏航 角更准， 检测距离更远 。 权利要求书2页 说明书8页 附图2页 CN 115100616 A 2022.09.23 CN 115100616 A 1.一种点云目标检测方法， 其特 征在于， 包括以下步骤： 获取多个场景的点云数据， 并从所述 点云数据中截取感兴趣区域ROI区域 点云数据； 对所述ROI区域点云数据的鸟瞰图BEV视角进行栅格化处理， 并对每个非空栅格中点云 数据进行 特征提取， 得到所述每 个非空栅格中每 个点云数据的点云特 征； 将所述每个点云数据的点云特征输入至预先构建的3D  Encoder网络， 得到2D伪图片特 征图； 以及 将所述2D伪图片特征图输入至预先构 建的2D CNN网络， 并结合特征金字塔进行特征融 合， 将特征融合结果输入至 centerNet检测头， 得到目标检测结果。 2.根据权利要求1所述的方法， 其特征在于， 所述对每个非空栅格中点云数据进行特征 提取， 得到所述每 个非空栅格中每 个点云数据的点云特 征， 包括： 判断提取到的点云数据的数量是否大于预设个数； 如果小于所述预设个数， 则进行补0操作， 使得所述点云数据的数量等于预设个数， 否 则， 直接对所述提取到的点云数据进行随机采样， 并计算采样后的点云数据当前所在栅格 的几何中心点以及每个点云数据相对于所述几何中心点的第一方向偏移量和第二方向偏 移量； 基于所述采样后的点云数据当前所在栅格的几何中心点以及所述每个点云数据相对 于所述几何中心点的第一方向偏移量和第二方向偏移量得到所述每个非空栅格中每个点 云数据的点云特 征。 3.根据权利要求2所述的方法， 其特征在于， 所述将所述每个点云数据的点云特征输入 至预先构建的3D  Encoder网络， 得到2D伪图片特 征图， 包括： 基于预设的pointnet网络对每个点云数据的点云特征进行特征提取， 得到第一特征张 量； 对所述第一特 征张量进行MaxPo oling操作， 得到第二特 征张量； 将所述第二特 征张量进行scat ter操作， 得到所述2D伪图片特 征图。 4.根据权利要求3所述的方法， 其特征在于， 所述将所述2D伪图片特征图输入至预先构 建的卷积神经网络， 并结合特 征金字塔进行 特征融合， 包括： 对所述2D伪图片特 征图进行 下采样， 得到第一至第三尺度特 征图； 分别对所述第一至第三尺度特 征图进行 上采样， 得到相同的第四至第六尺度特 征图； 基于所述特征金字塔， 对所述相同的第 四至第六尺度特征图进行特征融合， 得到所述 融合结果。 5.根据权利要求4所述的方法， 其特征在于， 所述将特征融合结果输入至centerNet检 测头， 得到目标检测结果， 包括： 将所述融合结果 通过第一2D卷积 操作得到第一分辨 率的特征图； 对所述第一分辨 率的特征图通过第二2D卷积 操作， 得到所述目标的多个预测值； 根据所述目标的多个预测值得到所述目标检测结果。 6.一种点云目标检测装置， 其特 征在于， 包括： 获取模块， 用于获取多个场景的点云数据， 并从所述点云数据中截取感兴趣区域ROI区 域点云数据； 特征提取模块， 用于对所述ROI区域点云数据的鸟瞰图BEV视角进行栅格化处理， 并对权　利　要　求　书 1/2 页 2 CN 115100616 A 2每个非空栅格中点云数据进行特征提取， 得到所述每个非空栅格中每个点云数据的点云特 征； 输入模块， 用于将所述每个点云数据的点云特征输入至预先构建的3D  Encoder网络， 得到2D伪图片特 征图； 以及 特征融合模块， 用于将所述2D伪图片特征图输入至预先构建的2D  CNN网络， 并结合特 征金字塔进行 特征融合， 将特 征融合结果输入至 centerNet检测头， 得到目标检测结果。 7.根据权利要求6所述的装置， 其特 征在于， 所述特 征提取模块， 具体用于： 判断提取到的点云数据的数量是否大于预设个数； 如果小于所述预设个数， 则进行补0操作， 使得所述点云数据的数量等于预设个数， 否 则， 直接对所述提取到的点云数据进行随机采样， 并计算采样后的点云数据当前所在栅格 的几何中心点以及每个点云数据相对于所述几何中心点的第一方向偏移量和第二方向偏 移量； 基于所述采样后的点云数据当前所在栅格的几何中心点以及所述每个点云数据相对 于所述几何中心点的第一方向偏移量和第二方向偏移量得到所述每个非空栅格中每个点 云数据的点云特 征。 8.根据权利要求7 所述的装置， 其特 征在于， 所述输入 模块， 具体用于： 基于预设的pointnet网络对每个点云数据的点云特征进行特征提取， 得到第一特征张 量； 第二特征对所述第一特 征张量进行MaxPo oling操作， 得到第二特 征张量； 将所述第二特 征张量进行scat ter操作， 得到所述2D伪图片特 征图。 9.一种电子设备， 其特征在于， 包括： 存储器、 处理器及存储在所述存储器上并可在所 述处理器上运行的计算机程序， 所述处理器执行所述程序， 以实现如权利要求 1‑5任一项所 述的点云目标检测方法。 10.一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， 该程序被处理器 执行， 以用于实现如权利要求1 ‑5任一项所述的点云目标检测方法。权　利　要　求　书 2/2 页 3 CN 115100616 A 3