技术摘要：
本发明实施例公开一种三维目标检测系统及方法，系统包括：第一学习处理单元获得待检测点云数据对应的点云柱及对应的位置索引；获得各点云柱中各点云数据对应的局部特征信息；利用预设数据组合方式及点云柱中目标点云数据对应的局部特征信息，确定待检测点云数据对应的  全部
背景技术：
基于点云数据的三维目标检测算法一般是基于深度学习算法来实现对点云数据 中三维目标的检测。目前，基于点云数据的三维目标检测算法大多部署于CPU(Central  Processing  Unit，中央处理器)或者GPU(Graphics  Processing  Unit，图形处理器)硬件平 台。 考虑到DPU(Deep  Learning  Processing  Unit，深度学习处理单元)的数据处理方 式，相对于CPU与GPU来说，DPU的数据处理速度相对较快并且功耗低。鉴于此，为了检测速度 的提高与功耗的降低，基于点云数据的三维目标检测算法更适合部署于DPU上。 那么，如何提供一种基于DPU的三维目标检测方法成为亟待解决的问题。
技术实现要素：
本发明提供了一种三维目标检测系统及方法，以实现三维目标检测速度的提高。 具体的技术方案如下： 第一方面，本发明实施例提供了一种三维目标检测系统，所述系统包括第一学习 处理单元、数据处理单元和第二学习处理单元； 所述第一学习处理单元，被配置为对所获得的待检测点云数据进行柱状划分，得 到所述待检测点云数据对应的多个点云柱及每一点云柱对应的位置索引；获得每一点云柱 中每一点云数据对应的局部特征信息；利用预设数据组合方式对所述点云柱中目标点云数 据对应的局部特征信息进行组合，确定所述待检测点云数据对应的特征信息块；基于预先 建立的三维目标检测模型的特征提取层以及所述待检测点云数据对应的特征信息块，确定 点云数据初始特征信息；将所述点云数据初始特征信息以及每一点云柱对应的位置索引发 送至所述数据处理单元； 所述数据处理单元，被配置为基于每一点云柱对应的位置索引以及所述点云数据 初始特征信息，得到所述待检测点云数据对应的目标特征信息，并发送至所述第二学习处 理单元； 所述第二学习处理单元，被配置为基于预先建立的三维目标检测模型的特征检测 层以及所述待检测点云数据对应的目标特征信息，确定所述待检测点云数据中各三维目标 对应的点云数据的检测信息，其中，所述预先建立的三维目标检测模型为：基于标注有各三 维目标对应的标定信息的样本点云数据对应的特征信息块训练所得的模型。 可选的，所述第一学习处理单元在利用预设数据组合方式对所述点云柱中目标点 云数据对应的局部特征信息进行组合，确定所述待检测点云数据对应的特征信息块的过程 中，被具体配置为 针对每一点云柱，对该点云柱中的目标点云数据对应的局部特征信息，按第一组 4 CN 111598022 A 说　明　书 2/13 页 合方式进行组合，得到该点云柱对应的中间局部特征信息，其中，所述第一组合方式为：指 示将每一目标点云数据对应的局部特征信息按柱状方向进行排列，且所有目标点云数据对 应的局部特征信息按垂直于所述柱状方向的第一方向进行排列的组合方式； 将所有点云柱对应的中间局部特征信息按第二预设组合方式进行组合，得到所述 待检测点云数据对应的特征信息块，其中，所述第二预设组合方式为：指示每一点云柱对应 的中间局部特征信息按垂直于所述柱状方向，且垂直于所述第一方向的第二方向进行排列 的组合方式。 可选的，所述局部特征信息包括：所对应点云数据与其所在点云柱的几何中心的 相对偏移信息，及该点云数据的竖轴坐标值和反射率。 可选的，所述特征提取层的特征输出通道数目为32，相应的，所述特征检测层的特 征输入通道数目为32； 所述特征提取层设置的卷积核为所述第一学习处理单元所支持的二维卷积核；所 述特征提取层设置的池化函数为所述第一学习处理单元所支持的二维池化函数。 可选的，所述特征提取层设置的激活函数为具有截断功能的激活函数。 可选的，所述第一学习处理单元在对所获得的待检测点云数据进行柱状划分，得 到所述待检测点云数据对应的多个点云柱以及每一点云柱对应的位置索引的过程中，被具 体配置为 从俯瞰点云数据的角度，对所获得的待检测点云数据进行划分，得到所述待检测 点云数据对应的多个点云柱以及每一点云柱对应的位置索引。 第二方面，本发明实施例提供了一种三维目标检测方法，应用于三维目标检测系 统的第一学习处理单元，所述三维目标检测系统还包括：数据处理单元和第二学习处理单 元，所述方法包括： 第一学习处理单元对所获得的待检测点云数据进行柱状划分，得到所述待检测点 云数据对应的多个点云柱及每一点云柱对应的位置索引； 获得每一点云柱中每一点云数据对应的局部特征信息； 利用预设数据组合方式对所述点云柱中目标点云数据对应的局部特征信息进行 组合，确定所述待检测点云数据对应的特征信息块； 基于预先建立的三维目标检测模型的特征提取层以及所述待检测点云数据对应 的特征信息块，确定点云数据初始特征信息； 将所述点云数据初始特征信息以及每一点云柱对应的位置索引发送至所述数据 处理单元；以使所述数据处理单元基于每一点云柱对应的位置索引以及所述点云数据初始 特征信息，得到所述待检测点云数据对应的目标特征信息，并发送至所述第二学习处理单 元；以使所述第二学习处理单元基于预先建立的三维目标检测模型的特征检测层以及所述 待检测点云数据对应的目标特征信息，确定所述待检测点云数据中各三维目标对应的点云 数据的检测信息，其中，所述预先建立的三维目标检测模型为：基于标注有各三维目标对应 的标定信息的样本点云数据对应的特征信息块训练所得的模型。 可选的，所述利用预设数据组合方式对所述点云柱中目标点云数据对应的局部特 征信息进行组合，确定所述待检测点云数据对应的特征信息块的步骤，包括： 针对每一点云柱，对该点云柱中的目标点云数据对应的局部特征信息，按第一组 5 CN 111598022 A 说　明　书 3/13 页 合方式进行组合，得到该点云柱对应的中间局部特征信息，其中，所述第一组合方式为：指 示将每一目标点云数据对应的局部特征信息按柱状方向进行排列，且所有目标点云数据对 应的局部特征信息按垂直于所述柱状方向的第一方向进行排列的组合方式； 将所有点云柱对应的中间局部特征信息按第二预设组合方式进行组合，得到所述 待检测点云数据对应的特征信息块，其中，所述第二预设组合方式为：指示每一点云柱对应 的中间局部特征信息按垂直于所述柱状方向，且垂直于所述第一方向的第二方向进行排列 的组合方式。 可选的，所述局部特征信息包括：所对应点云数据与其所在点云柱的几何中心的 相对偏移信息，及该点云数据的竖轴坐标值和反射率。 可选的，所述特征提取层的特征输出通道数目为32，相应的，所述特征检测层的特 征输入通道数目为32； 所述特征提取层设置的卷积核为所述第一学习处理单元所支持的二维卷积核；所 述特征提取层设置的池化函数为所述第一学习处理单元所支持的二维池化函数。 可选的，所述特征提取层设置的激活函数为具有截断功能的激活函数。 可选的，所述对所获得的待检测点云数据进行柱状划分，得到所述待检测点云数 据对应的多个点云柱以及每一点云柱对应的位置索引的步骤，包括： 从俯瞰点云数据的角度，对所获得的待检测点云数据进行划分，得到所述待检测 点云数据对应的多个点云柱以及每一点云柱对应的位置索引。 由上述内容可知，本发明实施例提供的一种三维目标检测系统及方法，系统包括 第一学习处理单元、数据处理单元和第二学习处理单元；第一学习处理单元，被配置为对所 获得的待检测点云数据进行柱状划分，得到待检测点云数据对应的多个点云柱及每一点云 柱对应的位置索引；获得每一点云柱中每一点云数据对应的局部特征信息；利用预设数据 组合方式对点云柱中目标点云数据对应的局部特征信息进行组合，确定待检测点云数据对 应的特征信息块；基于预先建立的三维目标检测模型的特征提取层以及待检测点云数据对 应的特征信息块，确定点云数据初始特征信息；将点云数据初始特征信息以及每一点云柱 对应的位置索引发送至数据处理单元；数据处理单元，被配置为基于每一点云柱对应的位 置索引以及点云数据初始特征信息，得到待检测点云数据对应的目标特征信息，并发送至 第二学习处理单元；第二学习处理单元，被配置为基于预先建立的三维目标检测模型的特 征检测层以及待检测点云数据对应的目标特征信息，确定待检测点云数据中各三维目标对 应的点云数据的检测信息，其中，预先建立的三维目标检测模型为：基于标注有各三维目标 对应的标定信息的样本点云数据对应的特征信息块训练所得的模型。 应用本发明实施例，在第一学习处理单元、数据处理单元以及第二学习处理单元 上部署预先建立的三维目标检测模型的特征提取层以及特征检测层，第一学习处理单元利 用预设数据组合方式，将点云柱中目标点云数据对应的局部特征信息调整成第一学习处理 单元所部署的特征提取层可处理的数据形式，得到待检测点云数据对应的特征信息块，进 而基于预先建立的三维目标检测模型的特征提取层，对特征信息块进行特征提取，得到点 云数据初始特征信息；数据处理单元基于每一点云柱对应的位置索引以及点云数据初始特 征信息中各目标点云柱对应的初始特征信息，散射得到各个点云柱对应的初始特征信息， 并重新排列各个点云柱对应的初始特征信息，得到按各点云柱原始的排列顺序进行排列的 6 CN 111598022 A 说　明　书 4/13 页 目标特征信息，进而，第二学习处理单元基于特征检测层及目标特征信息，得到待检测点云 数据中各三维目标对应的点云数据的检测信息，实现三维目标的检测，并且第一学习处理 单元和第二学习处理单元利用其数据处理方式，可实现对三维目标的快速检测，提高三维 目标的检测速度。当然，实施本发明的任一产品或方法并不一定需要同时达到以上所述的 所有优点。 本发明实施例的创新点包括： 1、在第一学习处理单元、数据处理单元以及第二学习处理单元上部署预先建立的 三维目标检测模型的特征提取层以及特征检测层，第一学习处理单元利用预设数据组合方 式，将点云柱中目标点云数据对应的局部特征信息调整成第一学习处理单元所部署的特征 提取层可处理的数据形式，得到待检测点云数据对应的特征信息块，进而基于预先建立的 三维目标检测模型的特征提取层，对特征信息块进行特征提取，得到点云数据初始特征信 息；数据处理单元基于每一点云柱对应的位置索引以及点云数据初始特征信息中各目标点 云柱对应的初始特征信息，散射得到各个点云柱对应的初始特征信息，并重新排列各个点 云柱对应的初始特征信息，得到按各点云柱原始的排列顺序进行排列的目标特征信息，进 而，第二学习处理单元基于特征检测层及目标特征信息，得到待检测点云数据中各三维目 标对应的点云数据的检测信息，实现三维目标的检测，并且第一学习处理单元和第二学习 处理单元利用其数据处理方式，可实现对三维目标的快速检测，提高三维目标的检测速度。 2、为了保证数据的有序性，首先针对每一点云柱内的目标点云数据对应的局部特 征信息，按第一组合方式，将该点云柱中的各目标点云数据对应的局部特征信息，按柱状方 向进行排列，并将该点云柱中所有目标点云数据对应的按柱状方向排列的局部特征信息， 按垂直于柱状方向的第一方向进行排列，得到该点云柱对应的中间局部特征信息；进而，按 第二组合方式，将所有点云柱对应的中间局部特征信息，按垂直于柱状方向，且垂直于第一 方向的第二方向进行排列，得到待检测点云数据对应的特征信息块，以便为后续的利用所 部署的特征提取层进行特征提取做准备。 3、进行三维目标检测的输入为每一点云柱中每一点云数据对应的局部特征信息， 即点云数据所在点云柱的几何中心坐标，及该点云数据的竖轴坐标值和反射率，以在减少 计算量，提高检测速度的同时在一定程度上降低对后续的检测结果精度的损失。 4、将特征提取层的特征输出通道数目设置为32，且特征检测层的特征输入通道数 目设置为32，以降低计算量提高检测速度，并且为了保证预先建立的三维目标检测模型的 特征提取层在第一分散单元中的正常运行，其设置的卷积核为第一学习处理单元所支持的 二维卷积核；并且，特征提取层设置的池化函数为第一学习处理单元所支持的二维池化函 数。为了降低目标检测过程中特征量化损失，提高检测性能，特征提取层设置的激活函数为 具有截断功能的激活函数。 附图说明 为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现 有技术描述中所需要使用的附图作简单介绍。显而易见地，下面描述中的附图仅仅是本发 明的一些实施例。对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根 据这些附图获得其他的附图。 7 CN 111598022 A 说　明　书 5/13 页 图1为本发明实施例提供的三维目标检测系统的一种结构示意图； 图2为待检测点云数据对应的特征信息块的一种结构示例图； 图3为本发明实施例提供的三维目标检测流程的一种数据流向示意图； 图4为本发明实施例提供的三维目标检测装置的一种结构示意图。