一种目标检测方法及装置、电子设备和存储介质与流程
本公开涉及计算机视觉技术领域，尤其涉及一种目标检测方法及装置、电子设备和存储介质。
背景技术：
三维目标检测任务是计算机视觉及智能场景理解领域的重要问题，可以应用在很多重要领域，如在无人驾驶、虚拟现实、增强现实等方面具有重要的研究意义和应用价值。
三维目标检测相比二维目标检测来说，由于其特征提取运算量及聚类处理相比二维目标检测更复杂，因此，三维目标检测的精度低于二维目标检测精度，对于三维目标检测来说，如何得到用于目标检测的检测框，使其能对3d图像中的目标对象进行精确的目标检测是待解决的问题。然而，相关技术中未存在有效的解决方案。
技术实现要素：
有鉴于此，本公开提出了一种目标检测的技术方案。
根据本公开的一方面，提供了一种目标检测方法，所述方法包括：
对第一3d图像的点云数据进行特征提取，得到点云特征；
根据所述点云特征进行回归预测处理，得到至少一个第一3d检测框；
对所述至少一个第一3d检测框进行聚类处理，并根据经聚类处理得到的聚类结果，确定第二3d检测框；
根据所述第二3d检测框，对所述第一3d图像中的目标对象进行目标检测。
可能的实现方式中，所述根据所述点云特征进行回归预测处理，得到至少一个第一3d检测框，包括：
将所述点云特征输入特征提取网络，得到用于定位所述至少一个第一3d检测框位置的至少一个第一回归预测点；
根据所述至少一个第一回归预测点，得到所述至少一个第一3d检测框。
可能的实现方式中，所述将所述点云特征输入特征提取网络，得到用于定位所述至少一个第一3d检测框位置的至少一个第一回归预测点，包括：
将所述点云特征输入所述特征提取网络，在所述特征提取网络中对所述点云特征进行下采样、特征传播及上采样，得到所述至少一个第一回归预测点。
可能的实现方式中，所述方法还包括：
通过所述特征提取网络基于球半径进行第一回归修正处理，将所述至少一个第一回归预测点聚合在对应所述球半径的球体中。
可能的实现方式中，所述对所述至少一个第一3d检测框进行聚类处理，并根据经聚类处理得到的聚类结果，确定第二3d检测框，包括：
获取与所述至少一个第一3d检测框相关的检测框特征；
将所述检测框特征输入特征筛选网络，经所述聚类处理及根据所述聚类结果的回归预测，得到至少一个第二回归预测点；
根据所述至少一个第二回归预测点，得到所述第二3d检测框。
可能的实现方式中，所述将所述检测框特征输入特征筛选网络，经所述聚类处理及根据所述聚类结果的回归预测，得到至少一个第二回归预测点，包括：
以所述至少一个第一3d检测框的中心点为至少一个聚类中心进行分组的特征聚类处理，得到多组聚类结果；
根据所述多组聚类结果进行回归预测处理，得到所述至少一个第二回归预测点。
可能的实现方式中，所述方法还包括：
通过所述特征筛选网络基于长方体半径进行第二回归修正处理，将所述至少一个第二回归预测点聚合在对应所述长方体半径的长方体中。
可能的实现方式中，所述方法还包括：
对与所述第二3d检测框相关的多个评估参数进行同时约束的损失函数全局优化，得到目标损失函数；
根据所述目标损失函数的反向传播训练得到神经网络，以根据输入所述神经网络的所述第一3d图像输出得到所述第二3d检测框。
根据本公开的一方面，提供了一种目标检测装置，所述装置包括：
特征提取单元，用于对第一3d图像的点云数据进行特征提取，得到点云特征；
第一回归处理单元，用于根据所述点云特征进行回归预测处理，得到至少一个第一3d检测框；
聚类单元，用于对所述至少一个第一3d检测框进行聚类处理，并根据经聚类处理得到的聚类结果，确定第二3d检测框；
目标检测单元，用于根据所述第二3d检测框，对所述第一3d图像中的目标对象进行目标检测。
可能的实现方式中，所述第一回归处理单元，用于：
将所述点云特征输入特征提取网络，得到用于定位所述至少一个第一3d检测框位置的至少一个第一回归预测点；
根据所述至少一个第一回归预测点，得到所述至少一个第一3d检测框。
可能的实现方式中，所述第一回归处理单元，用于：
将所述点云特征输入所述特征提取网络，在所述特征提取网络中对所述点云特征进行下采样、特征传播及上采样，得到所述至少一个第一回归预测点。
可能的实现方式中，所述装置还包括修正单元，用于：
通过所述特征提取网络基于球半径进行第一回归修正处理，将所述至少一个第一回归预测点聚合在对应所述球半径的球体中。
可能的实现方式中，所述聚类单元，用于：
获取与所述至少一个第一3d检测框相关的检测框特征；
将所述检测框特征输入特征筛选网络，经所述聚类处理及根据所述聚类结果的回归预测，得到至少一个第二回归预测点；
根据所述至少一个第二回归预测点，得到所述第二3d检测框。
可能的实现方式中，所述聚类单元，用于：
以所述至少一个第一3d检测框的中心点为至少一个聚类中心进行分组的特征聚类处理，得到多组聚类结果；
根据所述多组聚类结果进行回归预测处理，得到所述至少一个第二回归预测点。
可能的实现方式中，所述装置还包括第二回归处理单元，用于：
通过所述特征筛选网络基于长方体半径进行第二回归修正处理，将所述至少一个第二回归预测点聚合在对应所述长方体半径的长方体中。
可能的实现方式中，所述装置还包括训练单元，用于：
对与所述第二3d检测框相关的多个评估参数进行同时约束的损失函数全局优化，得到目标损失函数；
根据所述目标损失函数的反向传播训练得到神经网络，以根据输入所述神经网络的所述第一3d图像输出得到所述第二3d检测框。
根据本公开的另一方面，提供了一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为执行上述方法。
根据本公开的另一方面，提供了一种计算机可读存储介质，其上存储有计算机程序指令，其中，所述计算机程序指令被处理器执行时实现上述方法。
在本公开实施例中，通过对第一3d图像的点云数据进行特征提取，可以得到点云特征，根据所述点云特征进行回归预测处理，可以得到至少一个第一3d检测框。对通过回归预测处理所筛选得到的该至少一个第一3d检测框(即候选检测框)，对所述至少一个第一3d检测框进行聚类处理，得到聚类结果后，可以根据该聚类结果得到第二3d检测框。将通过聚类处理所筛选得到的该第二3d检测框作为用于最终目标检测的检测框，从而可以对对第一3d图像中的目标对象进行精确的目标检测，且运算量低、检测精度高。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，而非限制本公开。
根据下面参考附图对示例性实施例的详细说明，本公开的其它特征及方面将变得清楚。
附图说明
包含在说明书中并且构成说明书的一部分的附图与说明书一起示出了本公开的示例性实施例、特征和方面，并且用于解释本公开的原理。
此处的附图被并入说明书中并构成本说明书的一部分，这些附图示出了符合本公开的实施例，并与说明书一起用于说明本公开的技术方案。
图1示出根据本公开实施例的目标检测方法的流程图。
图2示出根据本公开实施例的目标检测的特征提取网络的架构图。
图3示出根据本公开实施例giou优化中坐标轴旋转处理的示意图。
图4a-图4c示出根据本公开实施例giou优化中约束候选检测框的示意图。
图5示出根据本公开实施例的目标检测装置的框图。
图6示出根据本公开实施例的电子设备的框图。
图7示出根据本公开实施例的电子设备的框图。
具体实施方式
以下将参考附图详细说明本公开的各种示例性实施例、特征和方面。附图中相同的附图标记表示功能相同或相似的元件。尽管在附图中示出了实施例的各种方面，但是除非特别指出，不必按比例绘制附图。
在这里专用的词“示例性”意为“用作例子、实施例或说明性”。这里作为“示例性”所说明的任何实施例不必解释为优于或好于其它实施例。
本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，a和/或b，可以表示：单独存在a，同时存在a和b，单独存在b这三种情况。另外，本文中术语“至少一种”表示多种中的任意一种或多种中的至少两种的任意组合，例如，包括a、b、c中的至少一种，可以表示包括从a、b和c构成的集合中选择的任意一个或多个元素。
另外，为了更好的说明本公开，在下文的具体实施方式中给出了众多的具体细节。本领域技术人员应当理解，没有某些具体细节，本公开同样可以实施。在一些实例中，对于本领域技术人员熟知的方法、手段、元件和电路未作详细描述，以便于凸显本公开的主旨。
图1示出根据本公开实施例的目标检测方法的流程图，该方法应用于目标检测装置，例如，该装置部署于终端设备或服务器或其它处理设备执行的情况下，可以执行图像或视频中的目标对象分类、目标对象检测等处理。其中，终端设备可以为用户设备(ue，userequipment)、移动设备、蜂窝电话、无绳电话、个人数字处理(pda，personaldigitalassistant)、手持设备、计算设备、车载设备、可穿戴设备等。在一些可能的实现方式中，该处理方法可以通过处理器调用存储器中存储的计算机可读指令的方式来实现。如图1所示，该流程包括：
步骤s101、对第一3d图像的点云数据进行特征提取，得到点云特征。
一示例中，就第一3d图像的点云数据而言，该点云数据是在同一空间参考系下表达目标空间分布和目标表面特性的海量点的集合，其中，每一个点包含有三维坐标，在一些可能的实施方式中，点云数据还可以含有颜色信息(rgb)或反射强度信息(intensity)等信息。
示例性的，可以通过激光测量得到点云数据。
示例性的，获取第一3d图像中目标对象表面每个采样点的三维坐标后，将得到的点的各三维坐标作为该点云数据。此外，还可以提取每个采样点的rgb及intensity等特征，同样可作为点云数据的一部分，本申请对此并不限定。
由于在第一3d图像中可能包括多种目标对象，而各种目标对象相互混杂在一起不易分类及识别，可以通过对各种目标对象的特征分析来得到目标对象之间的区别，比如，以点云数据所描述的第一3d图像中的一个目标对象“桌子上的水杯”为例，对构成该水杯的点云数据进行特征提取，得到点云特征，以便根据对点云特征的分析处理，得到用于锁定该水杯的检测框。对第一3d图像中的其他各个目标对象，如桌子等，也可以通过对点云特征的分析处理，得到各个目标对象相应的检测框。
步骤s102、根据所述点云特征进行回归预测处理，得到至少一个第一3d检测框。
一示例中，可以将所述点云特征输入特征提取网络，得到用于定位至少一个第一3d检测框的位置的至少一个第一回归预测点，根据至少一个第一回归预测点，得到至少一个第一3d检测框。第一回归预测点可以称为第一坐标回归预测点，用于标定第一3d检测框中的三维点的三维坐标。通过本示例筛选得到第一3d检测框，由于不够精确，还是比较模糊的，因此，可以不作为用于锁定目标对象的目标检测框，可以作为推荐(proposal)框，即候选的检测框来使用。其中，第一特征提取网络可以采用主干网络(backbone)来实现，并不限于该网络，只要能得到上述第一坐标回归预测点的网络都在本公开的保护范围之内。
步骤s103、对所述至少一个第一3d检测框进行聚类处理，并根据经聚类处理得到的聚类结果，确定第二3d检测框。
一示例中，可以获取与所述至少一个第一3d检测框相关的检测框特征(检测框特征不限于边界框特征，示例性的，还可以包括边界框围成的内部图像区域的特征)，将所述检测框特征输入特征筛选网络，经所述聚类处理及根据所述聚类结果的回归预测，得到至少一个第二回归预测点，从而可以根据所述至少一个第二回归预测点，得到所述第二3d检测框。第二回归预测点也可以称为第二坐标回归预测点，标定第二3d检测框中三维点的三维坐标。通过本示例筛选得到第二3d检测框，由于相对上述第一3d检测框足够精确，因此，该第二3d检测框可以作为用于锁定目标对象的目标检测框。其中，该特征筛选网络可以采用轻量级的深度可分离卷积网络来实现，可以达到运算量低，检测精确度高的目的，且本公开并不限于该网络，只要能得到上述第二回归预测点的网络都在本公开的保护范围之内。
步骤s104、根据所述第二3d检测框，对所述第一3d图像中的目标对象进行目标检测。
通过上述步骤s101-步骤s103，可以得到第二3d检测框，即可以作为用于锁定目标对象的目标检测框，通过该第二3d检测框对所述第一3d图像中的目标对象进行目标检测，从而可以将第一3d图像中可能包括的多种目标对象区别开来，识别出不同的目标对象，实现了对目标对象的目标检测。
采用本公开，通过对第一3d图像进行特征提取，可以得到点云特征，根据所述点云特征进行回归预测处理，可以得到至少一个第一3d检测框。对通过回归预测处理所筛选得到的该至少一个第一3d检测框(即候选检测框)，基于所述至少一个第一3d检测框的中心点进行聚类处理，得到聚类结果后，可以根据该聚类结果得到第二3d检测框。将通过聚类处理所筛选得到的该第二3d检测框作为用于最终目标检测的检测框，从而可以对第一3d图像中的目标对象进行精确的目标检测，且运算量低、检测精度高。
可能的实现方式中，将所述点云特征输入特征提取网络，得到用于定位所述至少一个第一3d检测框位置的至少一个第一回归预测点，包括：将所述点云特征输入所述特征提取网络，在所述特征提取网络中对所述点云特征进行下采样、特征传播及上采样，得到所述至少一个第一回归预测点。其中，特征提取网络可以包括：至少一个下采样层、至少一个特征传播层及至少一个上采样层，以对输入特征提取网络中的点云特征进行下采样、特征传播及上采样的处理，从而得到所述至少一个第一回归预测点。
一示例中，为了得到更为精确的上述第一回归预测点，可以采用基于“球半径查询”的回归预测处理，比如，可以根据用于提取可变区域特征的可变形抽象层(deformablesalayer)得到球半径，通过上述特征提取网络基于该球半径进行第一回归修正处理，将通过所述特征提取网络得到的所述至少一个第一回归预测点聚合在对应该球半径的球体中。通过这种“球半径查询”的特征筛选得到上述至少一个第一回归预测点后，可以根据上述至少一个第一回归预测点，得到至少一个第一3d检测框。由于目标对象所在区域大多是长方形的区域，球形的相对少，因此，采用本示例这种“球半径查询”的特征筛选，最终得到的至少一个第一3d检测框仍然不够精确，仍然是作为proposal框来使用。
可能的实现方式中，上述特征筛选网络可以包括特征聚类层(featureclustersalayer)及区域抽象层(regionabstractionlayer)，采用这两个层，可以进一步增强特征筛选的精确度，以细化得到更准确的回归预测的处理建议，以便得到上述第二3d检测框。
一示例中，将所述检测框特征输入特征筛选网络，经所述聚类处理及根据所述聚类结果的回归预测，得到至少一个第二回归预测点，包括：在所述特征筛选网络的特征聚类层中，以所述至少一个第一3d检测框的中心点为至少一个聚类中心进行分组的特征聚类处理，得到多组聚类结果，在所述特征筛选网络的区域抽象层中，根据所述多组聚类结果进行回归预测处理，从而得到所述至少一个第二回归预测点。
可能的实现方式中，为了得到更为精确的上述第二回归预测点，可以采用基于“长方体半径查询”的回归预测处理，比如，根据区域抽象层得到长方体半径，通过所述特征筛选网络基于该长方体半径进行第二回归修正处理，将所述至少一个第二回归预测点聚合在对应该长方体半径的长方体中。通过这种“长方体半径查询”的特征筛选得到上述至少一个第二回归预测点后，可以根据上述至少一个第二回归预测点，得到至少一个第二3d检测框，该第二3d检测框可以为长方体的形式，该长方体为3d的，形状如一长方体包围盒子。相比较上述“球半径查询”的特征筛选，本示例采用“长方体半径查询”的特征筛选，最终可以得到更为精确的第二3d检测框。
可能的实现方式中，所述方法还包括训练过程，训练过程主要是如何得到全局优化的损失函数，如广义交并比(giou，generalizediou)损失函数，即giouloss，从而，根据该全局优化的损失函数的反向传播得到神经网络，以根据输入所述神经网络的上述第一3d图像输出得到上述第二3d检测框。
示例性的，该神经网络可以包括特征提取网络及特征筛选网络，训练过程包括但不限于：1)对特征提取网络和特征筛选网络中的网络参数，通过上述giouloss进行联合优化训练，以得到该神经网络；2)利用特征提取网络中已训练好的网络参数，仅通过上述giouloss对特征筛选网络中的网络参数进行训练，以得到该神经网络。
一示例中，对与所述第二3d检测框相关的多个评估参数(进行同时约束的损失函数全局优化，可以得到目标损失函数(如上述giouloss)，根据所述目标损失函数的反向传播训练得到上述神经网络，以根据输入该神经网络的所述第一3d图像输出得到所述第二3d检测框。
其中，评估参数可以包括：针对第二3d检测框的多维参数，如长、宽、高、中心点坐标、位置、旋转角度、类别等，以根据该多维参数优化第二3d检测框的框参数。其中，为了将第一3d图像中的多个目标对象划分为多种类别以进行识别，可以将第二3d检测框设定为(x,y,z,h,w,l,ry)这七个维度的框参数。由于框参数除了考虑到目标对象的长、宽、高、中心点坐标，还可以兼具目标对象的旋转角度、类别和位置等，因此，通过设定该框参数的第二3d检测框所得到的目标检测结果，具有更准确的检测结果，从而提高了目标检测的精确度。
本示例所采用的giouloss，由于为全局优化的损失函数，即：针对该giouloss的生成过程，是对第二3d检测框的上述多个评估参数，如长、宽、高、位置、旋转角度、类别进行同时约束的联合优化，而不是分别对上述多个评估参数分别做损失，再叠加这些损失，从而更为精确，能根据该全局优化的损失函数训练得到性能更好的神经网络，从而提高了目标检测的准确性。
应用实例：
图2示出根据本公开实施例的目标检测的特征提取网络的架构图，如图2所示，包括如下内容：
一、将构成第一3d图像的点云数据11进行特征提取后得到点云特征，将点云特征输入特征提取网络12，以进行回归预测处理，得到至少一个第一3d检测框13，该第一3d检测框可以采用n×7的形式；其中，n表示检测框的数量，7表示上述七维参数(如长、宽、高、中心点坐标、位置、旋转角度、类别)，即存在n个以七维参数所表示的检测框。其中，特征提取网络12可以采用主干网络，比如可以采用轻量级的深度可分离卷积网络来实现，特征提取网络12可以由至少一个下采样层121、至少一个特征传播层122及至少一个上采样层123组成，以对输入特征提取网络中的点云特征进行下采样、特征传播及上采样的处理，从而得到所述至少一个第一回归预测点，得到至少一个第一回归预测点后，可以根据至少一个第一回归预测点得到至少一个第一3d检测框。
还可以采用基于“球半径查询”的回归预测处理，即根据可变形抽象层24来指示特征提取网络12基于球半径进行所提取特征的回归预测，以使通过特征提取网络12得到的至少一个第一回归预测点聚合在对应的球体中，可以将通过如公式(1)-(2)得到的ri,p作为球半径，并根据球半径得到该球体，即：将通过特征提取网络12得到的至少一个第一回归预测点聚合在由球半径得到的对应球体中。
一示例中，“球半径查询”，可以采用如下公式(1)-公式(2)来实现，其中，可变性抽象层是“球半径查询”的一种，公式(1)-公式(2)是两种变形公式：
其中，公式(1)中，ri,p为特征提取网络的最后一个下采样层在可变形抽象层的指示下采用“球半径查询”所使用的半径，以根据ri,p为球半径进行特征筛选；计算ri,p的过程中，需要用到人为设定的参数α，理想的感受野半径
二、获取与至少一个第一3d检测框相关的检测框特征，将该检测框特征输入特征筛选网络21，经特征筛选网络21的聚类处理及根据该聚类处理得到的聚类结果进行回归预测，得到至少一个第二回归预测点，根据至少一个第二回归预测点，得到第二3d检测框23。其中，特征筛选网络21可以采用轻量级的深度可分离卷积网络来实现，特征筛选网络21可以由至少一个特征聚类层211、至少一个区域抽象层212组成，以对输入特征筛选网络21中特征聚类层211的检测框特征以至少一个第一3d检测框的中心点为至少一个聚类中心进行分组的特征聚类处理，得到多组聚类结果，再在特征筛选网络21中区域抽象层212根据多组聚类结果进行回归预测处理，得到至少一个第二回归预测点。根据至少一个第二回归预测点得到至少一个第二3d检测框23，该第二3d检测框23可以采用n×8的形式，其中，n表示检测框的数量，8表示八维参数(至少包括长、宽、高、中心点坐标、位置、旋转角度、类别等)，即存在n个以八维参数所表示的检测框，相应的还可优化该第二3d检测框23的框参数为八维度的框参数。
还可以采用基于“长方体半径查询”的回归预测处理，即在特征筛选网络21的区域抽象层212中基于长方体半径进行所提取特征的回归预测，以使至少一个第二回归预测点聚合在对应旋转的长方体中，从而，可以得到多个长方体，其形式为n×1，其中，n表示检测框的数量，1表示上述七维参数(如长、宽、高、中心点坐标、位置、旋转角度、类别)中的任一种，即存在n个以一维参数所表示的检测框，对特征筛选网络21的输出继续用两个分支进行预测，其中一个分支用于进行该第二3d检测框的边界框细化及语义类别预测，而另一个分支用于通过置信度运算模块22评估所得到多个长方体的置信度，最终得到该第二3d检测框23。
图3示出根据本公开实施例giou优化中坐标轴旋转处理的示意图。如图3所示，考虑到三维到二维的投影过程中3d检测框存在旋转角的情况，则旋转投影到二维，两个2d检测框的交会可以存在于许多不同的不规则多边形的方式。在giou优化的训练过程中，有多对长方体，将其投射到二维，比如，得到两个2d检测框，分别以标识31-标识32表示。如果在同一个坐标系中直接旋转这两个2d检测框，由于两个2d检测框会分别产生旋转角，也就是说，在同一个坐标系下会产生两个旋转角，这会增加运算量，而采用将其中一个2d检测框(如2d检测框31)坐标轴进行旋转，则当前2d检测框不会产生旋转角，只有一个2d检测框(如2d检测框32)会产生旋转角，从而相比上述在同一个坐标系中直接旋转这两个2d检测框，降低了运算量。
三维到二维的投影过程中将3d检测框映射到2d，得到多个2d检测框，考虑到旋转角的情况，本公开的全局优化的损失函数，进一步可以采用使用如下公式(3)-公式(6)运算得到的旋转近似损失函数：
i'＝|s'∩t'|(5)
u'＝|s'|+|t'|-|s'′∩t'|(6)
公式(3)中的lbiwarpgiou表示旋转近似损失函数，通过双向旋转得到，计算lbiwarpgiou的过程中，需要用到giouwarp(s,t)及giouwarp(t,s)，s,t表示任意两个2d检测框，其中，giouwarp(s,t)是从s旋转到t且经过旋转运算得到的giou，giouwarp(t,s)是t旋转到s且经过旋转运算得到的giou；公式(4)-公式(6)中的符号“'”表示该2d检测框已经通过旋转，比如，s'表示以s所表示的2d检测框已经通过旋转，t'表示以t所表示的2d检测框也已经通过旋转；i'表示两个2d检测框的交集区域，即：以属于s'表示的2d检测框，且也属于t'表示的2d检测框中的三维坐标点构成的集合；u'也表示根据上述两个2d检测框得到的集合，示例性的，将属于s'表示的2d检测框，以及属于t'表示的2d检测框中的三维坐标点进行叠加后，再去掉上述两个2d检测框的交集区域，剩下的三维坐标点所构成的集合可以作为u'；e'表示“长方体半径查询”所采用的最小的长方体。
图4a-图4c示出根据本公开实施例giou优化中约束候选检测框的示意图。如图4a-图4c所示，在giou优化的训练过程中，三维到二维的投影过程中将3d检测框映射到2d，得到多个2d检测框，比如，得到两个2d检测框，分别以标识31-标识32表示，经过多次旋转，基于旋转近似损失函数共同约束候选框，以这种方式不断优化旋转近似损失函数，以根据优化旋转近似损失函数训练上述神经网络，并根据训练后的该神经网络最终得到上述第二3d检测框。
本领域技术人员可以理解，在具体实施方式的上述方法中，各步骤的撰写顺序并不意味着严格的执行顺序而对实施过程构成任何限定，各步骤的具体执行顺序应当以其功能和可能的内在逻辑确定。
本公开提及的上述各个方法实施例，在不违背原理逻辑的情况下，均可以彼此相互结合形成结合后的实施例，限于篇幅，本公开不再赘述。
此外，本公开还提供了目标检测装置、电子设备、计算机可读存储介质、程序，上述均可用来实现本公开提供的任一种目标检测方法，相应技术方案和描述和参见方法部分的相应记载，不再赘述。
图5示出根据本公开实施例的目标检测装置的框图，如图5所示，该装置包括：特征提取单元41，用于对第一3d图像的点云数据进行特征提取，得到点云特征；第一回归处理单元42，用于根据所述点云特征进行回归预测处理，得到至少一个第一3d检测框；聚类单元43用于对所述至少一个第一3d检测框进行聚类处理，并根据经聚类处理得到的聚类结果，确定第二3d检测框；目标检测单元44用于根据所述第二3d检测框，对所述第一3d图像中的目标对象进行目标检测。
可能的实现方式中，所述第一回归处理单元，用于：将所述点云特征输入特征提取网络，得到用于定位所述至少一个第一3d检测框位置的至少一个第一回归预测点；根据所述至少一个第一回归预测点，得到所述至少一个第一3d检测框。
可能的实现方式中，所述第一回归处理单元，用于：将所述点云特征输入所述特征提取网络，在所述特征提取网络中对所述点云特征进行下采样、特征传播及上采样，得到所述至少一个第一回归预测点。
可能的实现方式中，所述装置还包括修正单元，用于：通过所述特征提取网络基于球半径进行第一回归修正处理，将所述至少一个第一回归预测点聚合在对应所述球半径的球体中。
可能的实现方式中，所述聚类单元，用于：获取与所述至少一个第一3d检测框相关的检测框特征；将所述检测框特征输入特征筛选网络，经所述聚类处理及根据所述聚类结果的回归预测，得到至少一个第二回归预测点；根据所述至少一个第二回归预测点，得到所述第二3d检测框。
可能的实现方式中，所述聚类单元，用于：以所述至少一个第一3d检测框的中心点为至少一个聚类中心进行分组的特征聚类处理，得到多组聚类结果；根据所述多组聚类结果进行回归预测处理，得到所述至少一个第二回归预测点。
可能的实现方式中，所述装置还包括第二回归处理单元，用于：通过所述特征筛选网络基于长方体半径进行第二回归修正处理，将所述至少一个第二回归预测点聚合在对应所述长方体半径的长方体中。
可能的实现方式中，所述装置还包括训练单元，用于：对与所述第二3d检测框相关的多个评估参数进行同时约束的损失函数全局优化，得到目标损失函数；根据所述目标损失函数的反向传播训练得到神经网络，以根据输入所述神经网络的所述第一3d图像输出得到所述第二3d检测框。
在一些实施例中，本公开实施例提供的装置具有的功能或包含的模块可以用于执行上文方法实施例描述的方法，其具体实现可以参照上文方法实施例的描述，为了简洁，这里不再赘述。
本公开实施例还提出一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现上述方法。计算机可读存储介质可以是易失性计算机可读存储介质或非易失性计算机可读存储介质。
本公开实施例还提供了一种计算机程序产品，包括计算机可读代码，当计算机可读代码在设备上运行时，设备中的处理器执行用于实现如上任一实施例提供的目标检测方法的指令。
本公开实施例还提供了另一种计算机程序产品，用于存储计算机可读指令，指令被执行时使得计算机执行上述任一实施例提供的目标检测方法的操作。
该计算机程序产品可以具体通过硬件、软件或其结合的方式实现。在一个可选实施例中，所述计算机程序产品具体体现为计算机存储介质，在另一个可选实施例中，计算机程序产品具体体现为软件产品，例如软件开发包(softwaredevelopmentkit，sdk)等等。
本公开实施例还提出一种电子设备，包括：处理器；用于存储处理器可执行指令的存储器；其中，所述处理器被配置为上述方法。
电子设备可以被提供为终端、服务器或其它形态的设备。
图6是根据一示例性实施例示出的一种电子设备800的框图。例如，电子设备800可以是移动电话，计算机，数字广播终端，消息收发设备，游戏控制台，平板设备，医疗设备，健身设备，个人数字助理等终端。
参照图6，电子设备800可以包括以下一个或多个组件：处理组件802，存储器804，电源组件806，多媒体组件808，音频组件810，输入/输出(i/o)的接口812，传感器组件814，以及通信组件816。
处理组件802通常控制电子设备800的整体操作，诸如与显示，电话呼叫，数据通信，相机操作和记录操作相关联的操作。处理组件802可以包括一个或多个处理器820来执行指令，以完成上述的方法的全部或部分步骤。此外，处理组件802可以包括一个或多个模块，便于处理组件802和其他组件之间的交互。例如，处理组件802可以包括多媒体模块，以方便多媒体组件808和处理组件802之间的交互。
存储器804被配置为存储各种类型的数据以支持在电子设备800的操作。这些数据的示例包括用于在电子设备800上操作的任何应用程序或方法的指令，联系人数据，电话簿数据，消息，图片，视频等。存储器804可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器(sram)，电可擦除可编程只读存储器(eeprom)，可擦除可编程只读存储器(eprom)，可编程只读存储器(prom)，只读存储器(rom)，磁存储器，快闪存储器，磁盘或光盘。
电源组件806为电子设备800的各种组件提供电力。电源组件806可以包括电源管理系统，一个或多个电源，及其他与为电子设备800生成、管理和分配电力相关联的组件。
多媒体组件808包括在所述电子设备800和用户之间的提供一个输出接口的屏幕。在一些实施例中，屏幕可以包括液晶显示器(lcd)和触摸面板(tp)。如果屏幕包括触摸面板，屏幕可以被实现为触摸屏，以接收来自用户的输入信号。触摸面板包括一个或多个触摸传感器以感测触摸、滑动和触摸面板上的手势。所述触摸传感器可以不仅感测触摸或滑动动作的边界，而且还检测与所述触摸或滑动操作相关的持续时间和压力。在一些实施例中，多媒体组件808包括一个前置摄像头和/或后置摄像头。当电子设备800处于操作模式，如拍摄模式或视频模式时，前置摄像头和/或后置摄像头可以接收外部的多媒体数据。每个前置摄像头和后置摄像头可以是一个固定的光学透镜系统或具有焦距和光学变焦能力。
音频组件810被配置为输出和/或输入音频信号。例如，音频组件810包括一个麦克风(mic)，当电子设备800处于操作模式，如呼叫模式、记录模式和语音识别模式时，麦克风被配置为接收外部音频信号。所接收的音频信号可以被进一步存储在存储器804或经由通信组件816发送。在一些实施例中，音频组件810还包括一个扬声器，用于输出音频信号。
i/o接口812为处理组件802和外围接口模块之间提供接口，上述外围接口模块可以是键盘，点击轮，按钮等。这些按钮可包括但不限于：主页按钮、音量按钮、启动按钮和锁定按钮。
传感器组件814包括一个或多个传感器，用于为电子设备800提供各个方面的状态评估。例如，传感器组件814可以检测到电子设备800的打开/关闭状态，组件的相对定位，例如所述组件为电子设备800的显示器和小键盘，传感器组件814还可以检测电子设备800或电子设备800一个组件的位置改变，用户与电子设备800接触的存在或不存在，电子设备800方位或加速/减速和电子设备800的温度变化。传感器组件814可以包括接近传感器，被配置用来在没有任何的物理接触时检测附近物体的存在。传感器组件814还可以包括光传感器，如cmos或ccd图像传感器，用于在成像应用中使用。在一些实施例中，该传感器组件814还可以包括加速度传感器，陀螺仪传感器，磁传感器，压力传感器或温度传感器。
通信组件816被配置为便于电子设备800和其他设备之间有线或无线方式的通信。电子设备800可以接入基于通信标准的无线网络，如wifi，2g或3g，或它们的组合。在一个示例性实施例中，通信组件816经由广播信道接收来自外部广播管理系统的广播信号或广播相关信息。在一个示例性实施例中，所述通信组件816还包括近场通信(nfc)模块，以促进短程通信。例如，在nfc模块可基于射频识别(rfid)技术，红外数据协会(irda)技术，超宽带(uwb)技术，蓝牙(bt)技术和其他技术来实现。
在示例性实施例中，电子设备800可以被一个或多个应用专用集成电路(asic)、数字信号处理器(dsp)、数字信号处理设备(dspd)、可编程逻辑器件(pld)、现场可编程门阵列(fpga)、控制器、微控制器、微处理器或其他电子元件实现，用于执行上述方法。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器804，上述计算机程序指令可由电子设备800的处理器820执行以完成上述方法。
图7是根据一示例性实施例示出的一种电子设备900的框图。例如，电子设备900可以被提供为一服务器。参照图7，电子设备900包括处理组件922，其进一步包括一个或多个处理器，以及由存储器932所代表的存储器资源，用于存储可由处理组件922的执行的指令，例如应用程序。存储器932中存储的应用程序可以包括一个或一个以上的每一个对应于一组指令的模块。此外，处理组件922被配置为执行指令，以执行上述方法。
电子设备900还可以包括一个电源组件926被配置为执行电子设备900的电源管理，一个有线或无线网络接口950被配置为将电子设备900连接到网络，和一个输入输出(i/o)接口958。电子设备900可以操作基于存储在存储器932的操作系统，例如windowsservertm，macosxtm，unixtm,linuxtm，freebsdtm或类似。
在示例性实施例中，还提供了一种非易失性计算机可读存储介质，例如包括计算机程序指令的存储器932，上述计算机程序指令可由电子设备900的处理组件922执行以完成上述方法。
本公开可以是系统、方法和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于使处理器实现本公开的各个方面的计算机可读程序指令。
计算机可读存储介质可以是可以保持和存储由指令执行设备使用的指令的有形设备。计算机可读存储介质例如可以是――但不限于――电存储设备、磁存储设备、光存储设备、电磁存储设备、半导体存储设备或者上述的任意合适的组合。计算机可读存储介质的更具体的例子(非穷举的列表)包括：便携式计算机盘、硬盘、随机存取存储器(ram)、只读存储器(rom)、可擦式可编程只读存储器(eprom或闪存)、静态随机存取存储器(sram)、便携式压缩盘只读存储器(cd-rom)、数字多功能盘(dvd)、记忆棒、软盘、机械编码设备、例如其上存储有指令的打孔卡或凹槽内凸起结构、以及上述的任意合适的组合。这里所使用的计算机可读存储介质不被解释为瞬时信号本身，诸如无线电波或者其他自由传播的电磁波、通过波导或其他传输媒介传播的电磁波(例如，通过光纤电缆的光脉冲)、或者通过电线传输的电信号。
这里所描述的计算机可读程序指令可以从计算机可读存储介质下载到各个计算/处理设备，或者通过网络、例如因特网、局域网、广域网和/或无线网下载到外部计算机或外部存储设备。网络可以包括铜传输电缆、光纤传输、无线传输、路由器、防火墙、交换机、网关计算机和/或边缘服务器。每个计算/处理设备中的网络适配卡或者网络接口从网络接收计算机可读程序指令，并转发该计算机可读程序指令，以供存储在各个计算/处理设备中的计算机可读存储介质中。
用于执行本公开操作的计算机程序指令可以是汇编指令、指令集架构(isa)指令、机器指令、机器相关指令、微代码、固件指令、状态设置数据、或者以一种或多种编程语言的任意组合编写的源代码或目标代码，所述编程语言包括面向对象的编程语言—诸如smalltalk、c++等，以及常规的过程式编程语言—诸如“c”语言或类似的编程语言。计算机可读程序指令可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中，远程计算机可以通过任意种类的网络—包括局域网(lan)或广域网(wan)—连接到用户计算机，或者，可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。在一些实施例中，通过利用计算机可读程序指令的状态信息来个性化定制电子电路，例如可编程逻辑电路、现场可编程门阵列(fpga)或可编程逻辑阵列(pla)，该电子电路可以执行计算机可读程序指令，从而实现本公开的各个方面。
这里参照根据本公开实施例的方法、装置(系统)和计算机程序产品的流程图和/或框图描述了本公开的各个方面。应当理解，流程图和/或框图的每个方框以及流程图和/或框图中各方框的组合，都可以由计算机可读程序指令实现。
这些计算机可读程序指令可以提供给通用计算机、专用计算机或其它可编程数据处理装置的处理器，从而生产出一种机器，使得这些指令在通过计算机或其它可编程数据处理装置的处理器执行时，产生了实现流程图和/或框图中的一个或多个方框中规定的功能/动作的装置。也可以把这些计算机可读程序指令存储在计算机可读存储介质中，这些指令使得计算机、可编程数据处理装置和/或其他设备以特定方式工作，从而，存储有指令的计算机可读介质则包括一个制造品，其包括实现流程图和/或框图中的一个或多个方框中规定的功能/动作的各个方面的指令。
也可以把计算机可读程序指令加载到计算机、其它可编程数据处理装置、或其它设备上，使得在计算机、其它可编程数据处理装置或其它设备上执行一系列操作步骤，以产生计算机实现的过程，从而使得在计算机、其它可编程数据处理装置、或其它设备上执行的指令实现流程图和/或框图中的一个或多个方框中规定的功能/动作。
附图中的流程图和框图显示了根据本公开的多个实施例的系统、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上，流程图或框图中的每个方框可以代表一个模块、程序段或指令的一部分，所述模块、程序段或指令的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。在有些作为替换的实现中，方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如，两个连续的方框实际上可以基本并行地执行，它们有时也可以按相反的顺序执行，这依所涉及的功能而定。也要注意的是，框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合，可以用执行规定的功能或动作的专用的基于硬件的系统来实现，或者可以用专用硬件与计算机指令的组合来实现。
在不违背逻辑的情况下，本申请不同实施例之间可以相互结合，不同实施例描述有所侧重，为侧重描述的部分可以参见其他实施例的记载。
以上已经描述了本公开的各实施例，上述说明是示例性的，并非穷尽性的，并且也不限于所披露的各实施例。在不偏离所说明的各实施例的范围和精神的情况下，对于本技术领域的普通技术人员来说许多修改和变更都是显而易见的。本文中所用术语的选择，旨在最好地解释各实施例的原理、实际应用或对市场中技术的技术改进，或者使本技术领域的其它普通技术人员能理解本文披露的各实施例。
- 还没有人留言评论。精彩留言会获得点赞！