(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 202210866274.3 (22)申请日 2022.07.22 (71)申请人 江苏大学 地址 212013 江苏省镇江市京口区学府路 301号 (72)发明人 王海　陶乐　蔡英凤　王子宁　 陈龙　李祎承　孙晓强　刘擎超　 (74)专利代理 机构 南京智造力知识产权代理有 限公司 32382 专利代理师 张明明 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/764(2022.01) G06V 10/766(2022.01) G06V 10/80(2022.01)G06V 10/82(2022.01) G06T 7/194(2017.01) (54)发明名称 一种空间感知增强的单阶段无锚框三维目 标检测方法及系统 (57)摘要 本发明公开一种空间感知增强的单阶段无 锚框三维目标检测方法及系统， 利用三维特征提 取器对点云数据的非空体素特征进行特征提取 并进行降维处理， 得到伪图像特征， 对伪图像特 征进行融合， 为了使提取到伪图像特征包含更多 的目标边界特征， 增加前景点分割分支； 无锚框 检测头对融合后的伪图像特征进行目标参数的 回归， 得到各个类别目标的热力图、 中心点局部 偏移、 中心点高度位置、 三维尺寸和 朝向； 无锚框 检测头包括IoU预测头， 用于预测候选边界框和 真实边界框之间的IoU值， 并合并到目标类别置 信度， 得到各个类别最终的置信度得分， 置信度 得分用于热力图、 中心点局部偏移、 中心点高度 位置、 三维尺寸和朝向的筛选。 本发明显著提升 无锚框三维目标检测算法的性能。 权利要求书2页 说明书7页 附图3页 CN 115294355 A 2022.11.04 CN 115294355 A 1.一种空间感知增强的单阶段 无锚框三维目标检测方法， 其特 征在于： 利用三维特征提取器对点云数据的非空体素特征进行特征提取并进行降维处理， 得到 伪图像特 征； 伪图像特 征融合模块对伪图像特 征进行融合； 无锚框检测头对融合后的伪图像特征进行目标参数的回归， 得到各个类别目标的热力 图、 中心点局部偏移、 中心点高度位置、 三维尺寸和朝向； 所述三维特征提取器包括 四个阶段组成， 第 一阶段由子流形卷积和两个空间残差模块 构成， 第二、 三、 四阶段均由稀疏卷积和两个空间残差模块构成， 每个阶段的特征通道数分 别为32、 64、 128、 128； 伪图像特征融合模块的空间组输入伪图像特征， 输出空间几何特征， 所述空间几何特 征进行特征通道变换， 语义组对所述空间几何特征进行下采样操作和特征通道变换； 将上 采样操作和特征通道变换后的语义特征与特征通道变换后的空间几何特征进 行叠加， 得到 语义增强的空间几何特征； 分别对语义增强空间几何特征、 上采样操作和特征通道变换后 的语义特征进行通道变换与尺寸变换， 对通道变换与尺寸变换后的语义增强空间几何特 征、 语义特 征进行加权处 理并叠加。 2.根据权利要求1所述的单阶段无锚框三维 目标检测方法， 其特征在于， 所述无锚框检 测头包括IoU 预测头， 所述IoU预测头用于预测候选边界框和真实边界框 之间的IoU值， 并合 并到目标类别置信度， 得到各个类别最终的置信度得分， 所述置信度得分用于热力图、 中心 点局部偏移、 中心点高度位置、 三维尺寸和朝向的筛选， 得到三维目标最终的热力图、 中心 点局部偏移、 中心点高度位置、 三维尺寸和朝向。 3.根据权利要求1所述的单阶段无锚框三维 目标检测方法， 其特征在于， 所述伪图像特 征中的目标边界特 征利用前 景点分割分支进行增强： 前景点分割利用融合 点特征进行， 所述融合 点特征的公式为： 其中： 为融合点特征， wj(pi)为ONCE数据集中原始点云K个特征点和原始点的距离， 表示最近邻区域， ε是个 极小正值， pi为ONCE数据集中点坐标， pj为三维特征提取器每 个阶段的非空体素 特征对应的特 征点坐标， M表示特 征点总数。 4.根据权利要求1所述的单阶段无锚框三维 目标检测方法， 其特征在于， 所述空间组和 语义组均由一个卷积层和两个自校正卷积层组成， 所述空间组的特征通道数为 128， 所述语 义组的特 征通道数为25 6。 5.根据权利要求1所述的单阶段无锚框三维 目标检测方法， 其特征在于， 所述空间残差 模块由三部分组成， 第一部分由子流形卷积、 批量归一化层、 ReLU激活层依次连接， 由子流 形卷积、 批量归一 化层、 SE‑layer模块依次连接， 第三部分为ReLU激活层。 6.根据权利要求1所述的单阶段无锚框三维 目标检测方法， 其特征在于， 非空体素特征权　利　要　求　书 1/2 页 2 CN 115294355 A 2是通过对预处 理后的点云数据进行体素化处 理得到的。 7.根据权利要求1所述的单阶段无锚框三维 目标检测方法， 其特征在于， 所述加权处理 利用注意力图实现， 所述注意力图包 含一层卷积预测空间特 征和语义特 征。 8.一种实现权利要求1 ‑7任一项所述的单阶段无锚框三维目标检测方法的系统， 其特 征在于， 包括： 体素化处 理模块， 将ONC E数据集中点云数据转换成体素级特 征； 三维特征提取器， 引入空间注意力机制SE ‑layer模块和残差结构， 提取伪图像特 征； 伪图像特 征融合模块， 使用空间语义特 征聚集架构， 融合语义特 征和空间几何特 征； 无锚框检测头， 用于最终的目标类别回归和边界框预测； 前景点分割分支， 辅助三维特 征提取器学习到更多的目标边界特 征。 9.一种电子设备， 其特 征在于， 包括存 储器和处 理器； 所述存储器用于存 储计算机程序； 所述处理器用于执行所述计算机程序并在执行所述计算机程序时实现如权利要求1 ‑7 任一项所述的单阶段 无锚框三维目标检测方法。 10.一种存储介质， 其特征在于， 所述存储介质存储有计算机程序， 所述计算机程序被 处理器执行时使所述处理器执行如权利要求 1‑7任一项所述的单阶段无锚框三维目标检测 方法。权　利　要　求　书 2/2 页 3 CN 115294355 A 3