(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 202210808626.X (22)申请日 2022.07.11 (71)申请人 广州小鹏自动驾驶科技有限公司 地址 510000 广东省广州市黄埔区中新知 识城亿创街1号 406房之46 (72)发明人 梁康正　杨应彬　陈杜煜　 (74)专利代理 机构 深圳市世纪恒程知识产权代 理事务所 4 4287 专利代理师 袁雪 (51)Int.Cl. G06V 10/44(2022.01) G06V 10/82(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 目标检测方法、 装置、 终端设备以及存储介 质 (57)摘要 本发明公开了一种目标检测方法、 装置、 终 端设备以及存储介质， 该方法包括： 获取待检测 目标的点云数据； 根据所述点云数据提取出体素 特征及柱子特征， 并结合所述体素特征及所述柱 子特征生 成目标点云特征图； 根据所述目标点云 特征图， 基于预设神经网络模型生成目标检测信 息。 通过根据获取的点云数据， 生成包括体素特 征及柱子 特征的目标点云特征图， 使得得到的点 云特征图同时具有细粒度和粗粒度， 从而在不增 加特征维度的情况下， 丰富了点 云特征的语义信 息； 弥补了仅采用体素特征的点 云特征图不利于 模型提取有效信息的缺点， 进而改善了激光雷达 的目标检测效果， 同时无需增加特征维度， 因此 对内存的需求量较低， 易于部署 到车辆上进行实 时的目标检测。 权利要求书2页 说明书11页 附图3页 CN 115409996 A 2022.11.29 CN 115409996 A 1.一种目标检测方法， 其特 征在于， 所述目标检测方法包括以下步骤： 获取待检测目标的点云数据； 根据所述点云数据提取出体素特征及柱子特征， 并结合所述体素特征及所述柱子特征 生成目标点云特 征图； 根据所述目标点云特 征图， 基于预设神经网络模型生成目标检测信息 。 2.如权利要求1所述的目标检测方法， 其特征在于， 所述根据所述点云数据提取出体素 特征及柱子特 征， 并结合所述体素 特征及所述柱子特 征生成目标点云特 征图的步骤 包括： 根据所述 点云数据提取 出体素特征， 并根据所述体素 特征生成体素点云特 征图； 根据所述 点云数据提取 出柱子特 征， 并根据所述柱子特 征生成柱子点云特 征图； 对所述体素点云特征图与 所述柱子点云特征图进行合并操作， 得到所述目标点云特征 图。 3.如权利要2所述的目标检测方法， 其特征在于， 所述根据 所述点云数据提取出体素特 征， 并根据所述体素 特征生成体素点云特 征图的步骤 包括： 对所述点云数据进行栅格化处 理， 得到第一预设量的体素及各 所述体素包 含的点； 基于各所述体素包 含的点， 计算各 所述体素的体素 特征， 得到所述体素点云特 征图。 4.如权利要求3所述的目标检测方法， 其特征在于， 所述基于各所述体素包含的点， 计 算各所述体素的体素 特征， 得到所述体素点云特 征图的步骤 包括： 计算各所述体素内点的密度， 得到体素密度特征； 和/或计算各所述体素的平均反射 率， 得到体素反射 率特征； 和/或计算各 所述体素内点的平均坐标， 得到体素平均坐标 特征； 根据所述体素密度特征、 所述体素反射率特征和所述体素平均坐标特征中的至少一项 生成所述体素点云特 征图。 5.如权利要求2所述的目标检测方法， 其特征在于， 所述根据所述点云数据提取出柱子 特征， 并根据所述柱子特 征生成柱子点云特 征图的步骤 包括： 对所述点云数据进行柱子化处 理， 得到第二预设量的柱子及各 所述柱子包 含的点； 基于各所述柱子包 含的点， 计算各 所述柱子的柱子特 征， 得到所述柱子点云特 征图。 6.如权利要求5所述的目标检测方法， 其特征在于， 所述基于各所述柱子包含的点， 计 算各所述柱子的柱子特 征， 得到所述柱子点云特 征图的步骤 包括： 计算各所述柱子内点的密度， 得到柱子密度特征； 和/或计算各所述柱子的平均反射 率， 得到柱子 反射率特征； 和/或计算各所述柱子内点的平均坐标， 得到柱子平均坐标特征； 和/或计算各 所述柱子内点的坐标的最 值， 得到柱子坐标最 值特征； 根据所述柱子密度特征、 所述柱子反射率特征、 所述柱子平均坐标特征和所述柱子坐 标最值特征中的至少一项生成所述柱子点云特 征图。 7.如权利要求1所述的目标检测方法， 其特征在于， 所述根据所述点云特征图， 基于预 设神经网络模型生成目标检测信息的步骤之前还 包括： 获取样本点云数据及对应真值信息； 根据所述样本点云数据生成样本体素点云特 征图及样本柱子特 征图； 对所述样本体素点云特 征图及样本柱子特 征图进行合并操作， 得到样本点云特 征图； 将所述样本点云特 征图输入预设卷积网络， 生成预测值； 通过损失函数根据所述预测值及所述对应真值信息计算损失值；权　利　要　求　书 1/2 页 2 CN 115409996 A 2根据所述损失值， 通过反向传播更新所述预设卷积网络的参数； 以此循环， 进行参数迭代， 直到所述预设卷积网络收敛， 终止训练， 得到所述预设神经 网络模型。 8.一种目标检测装置， 其特 征在于， 所述目标检测装置包括： 获取模块， 用于获取待检测目标的点云数据； 提取模块， 用于根据所述点云数据提取出体素特征及柱子特征， 并结合所述体素特征 及所述柱子特 征生成目标点云特 征图； 生成模块， 用于根据所述目标点云特 征图， 基于预设神经网络模型生成目标检测信息 。 9.一种终端设备， 其特征在于， 所述终端设备包括存储器、 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目标检测程序， 所述目标检测程序被所述处理器执行时实现 如权利要求1 ‑7中任一项所述的目标检测方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有目标检 测程序， 所述 目标检测程序被处理器执行时实现如权利要求1 ‑7中任一项所述的目标检测 方法的步骤。权　利　要　求　书 2/2 页 3 CN 115409996 A 3