(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 202211207259.4 (22)申请日 2022.09.30 (71)申请人 苏州万集车联网技 术有限公司 地址 215131 江苏省苏州市相城区高铁新 城青龙港路286号长三角国际研发社 区启动区9号楼B幢6层6 01室 (72)发明人 王亚军　刘建超　王邓江　马冰　 司宇　 (74)专利代理 机构 北京华进京联知识产权代理 有限公司 1 1606 专利代理师 马云超 (51)Int.Cl. G06V 20/54(2022.01) G06V 10/74(2022.01) G06V 10/764(2022.01)G06V 10/774(2022.01) G06V 10/82(2022.01) G06N 3/08(2006.01) (54)发明名称 目标检测方法、 装置、 计算机设备和存储介 质 (57)摘要 本申请涉及一种目标检测方法、 装置、 计算 机设备和存储介质。 获取待检测场景的点云数 据， 将点云数据输入至目标检测模型中， 通过目 标检测模型提取点云数据的多维度注 意力信息， 并根据点云数据的多维度注意力信息输出待检 测场景中的目标检测结果。 该方法中通过目标检 测模型对待检测场景的点云数据进行点云数据 的多维度注 意力信息提取， 能够对点云数据中的 各目标的关键特征进行增强， 提高了点云数据中 目标的检测精度。 权利要求书3页 说明书18页 附图9页 CN 115457493 A 2022.12.09 CN 115457493 A 1.一种目标检测方法， 其特 征在于， 所述方法包括： 获取待检测场景的点云数据； 将所述点云数据输入至目标检测模型中， 通过所述目标检测模型提取所述点云数据的 多维度注意力信息， 并根据所述点云数据的多维度注意力信息输出所述待检测 场景中的目 标检测结果； 所述点云数据的多维度 注意力信息用于对所述点云数据中的各目标的关键特 征进行增强。 2.根据权利要求1所述的方法， 其特 征在于， 所述目标检测模型的构建过程包括： 根据多种样本场景下的原始点云数据， 确定训练点云数据； 所述训练点云数据中包括 多个样本目标； 将所述训练点云数据输入至初始目标检测模型中， 通过所述初始目标检测模型提取所 述训练点云数据的多维度 注意力信息， 并根据所述训练点云数据的多维度 注意力信息生成 模型训练损失； 所述训练点云数据的多维度 注意力信息用于对所述训练点云数据中各样本 目标的关键特 征进行增强； 根据所述模型训练损失， 对所述初始目标检测模型进行训练， 得到所述目标检测模型。 3.根据权利要求2所述的方法， 其特征在于， 所述根据多种样本场景下的原始点云数 据， 确定训练点云数据， 包括： 对各所述原始点云数据进行 预处理， 得到样本点云数据； 对所述样本点云数据进行划分处理， 得到验证样本点云数据和所述训练样本点云数 据； 对所述训练样本点云数据进行 特征扩充处 理， 得到所述训练点云数据。 4.根据权利要求3所述的方法， 其特征在于， 所述对各所述原始点云数据进行预处理， 得到样本点云数据， 包括： 根据所述原始点云数据中各样本目标的标注信 息， 对所述原始点云数据进行数据增强 操作， 得到所述样本点云数据。 5.根据权利要求3或4所述的方法， 其特征在于， 所述对所述训练样本点云数据进行特 征扩充处 理， 得到所述训练点云数据， 包括： 对所述训练样本点云数据进行体素网格划分处理， 得到体素点云数据； 所述体素点云 数据包括多个 体素网格； 对所述体素点云数据进行特征扩充， 得到所述训练点云数据； 所述训练点云数据中包 括各所述体素网格中各点云数据的扩充特 征信息。 6.根据权利要求5所述的方法， 其特征在于， 所述对所述体素点云数据进行特征扩充， 得到所述训练点云数据， 包括： 根据各所述体素网格中点云数据的均值， 确定各 所述体素网格的体素重心； 针对任一个体素网格， 根据 所述体素网格 内各点云数据与所述体素网格的体素重心之 间的偏移信息， 对所述体素网格内各点云数据的特征进行特征扩充， 得到所述体素网格中 各点云数据的扩充特 征信息。 7.根据权利要求3或4所述的方法， 其特 征在于， 所述方法还 包括： 将所述验证样本点云数据输入至所述目标检测模型中， 得到测试目标的测试检测信 息；权　利　要　求　书 1/3 页 2 CN 115457493 A 2若所述测试目标的测试检测信息与样本目标的标准检测信息之间的相似度小于预设 值， 确定所述目标检测模型验证通过。 8.根据权利要求2至4任一项所述的方法， 其特征在于， 所述训练点云数据包括多个体 素网格； 所述多维度注意力 信息包括 点注意力 信息、 通道 注意力信息和体素注意力 信息； 所述将所述训练点云数据输入至初始目标检测模型中， 通过所述初始目标检测模型提 取所述训练点云数据的多维度注意力 信息， 包括： 将所述训练点云数据分别输入至所述初始目标检测模型的第一全连接网络和第二全 连接网络， 得到所述训练点云数据的点注意力 信息和通道 注意力信息； 根据所述点注意力信息、 所述通道注意力信息和各所述体素网格中的点云数据， 确定 所述训练点云数据的体素注意力 信息。 9.根据权利要求8所述的方法， 其特征在于， 所述根据所述点注意力信息、 所述通道注 意力信息和各所述体素网格中的点云数据， 确定所述训练点云数据的体素注意力信息， 包 括： 根据所述 点注意力 信息和所述 通道注意力信息生成的点 通道注意力信息； 根据所述点通道注意力信息和各所述体素网格的体素重心生成点通道体素注意力信 息； 所述体素重心为 根据各所述体素网格的中的点云数据确定； 将所述点通道体素注意力信 息输入至所述初始目标检测模型的第 三全连接网络， 得到 所述训练点云数据的体素注意力 信息。 10.根据权利要求8所述的方法， 其特征在于， 所述模型训练损失包括分类损失、 回归损 失和方向损失； 所述根据所述训练点云数据的多维度注意力 信息生成模型训练损失， 包括： 根据所述点注意力信 息、 所述通道注意力信 息和所述体素注意力信 息的融合注意力信 息， 获取各所述样本目标的预测检测信息； 所述预测检测信息包括分类信息、 回归信息和方 向信息； 根据各所述样本目标的预测检测信 息和各所述样本目标的标准检测信 息， 生成所述分 类损失、 所述回归损失和所述方向损失。 11.根据权利要求10所述的方法， 其特征在于， 所述根据所述点注意力信息、 所述通道 注意力信息和所述体素注意力信息的融合注意力信息， 获取各所述样本目标的预测检测信 息， 包括： 根据所述融合注意力 信息， 提取 所述训练点云数据的三维特 征信息； 对所述三维特征信息进行 特征转换， 得到所述训练点云数据的二维特 征信息； 对所述训练点云数据的二维特征信 息进行二维卷积运算， 得到各所述样本目标的预测 检测信息 。 12.一种目标检测装置， 其特 征在于， 所述装置包括： 获取模块， 用于获取待检测场景的点云数据； 检测模块， 用于将所述点云数据输入至目标检测模型中， 通过所述目标检测模型提取 所述点云数据的多维度注意力信息， 并根据所述点云数据的多维度注意力信息输出所述待 检测场景中的目标检测结果； 所述点云数据的多维度 注意力信息用于对所述点云数据中的 各目标的关键特 征进行增强。权　利　要　求　书 2/3 页 3 CN 115457493 A 3