CN118429655A 基于柱体序列注意力和空洞扩张卷积的3d目标检测方法 （燕山大学）.pdfVIP

(19)国家知识产权局

(12)发明专利申请

(10)申请公布号CN118429655A

(43)申请公布日2024.08.02

(21)申请号202410527764.XG06N3/047(2023.01)

G06N3/0455(2023.01)

(22)申请日2024.04.29

G06N3/08(2023.01)

(71)申请人燕山大学

地址066004河北省秦皇岛市海港区河北

大街438号

(72)发明人闻佳张广浩张琪

(74)专利代理机构石家庄众志华清知识产权事

务所(特殊普通合伙)13123

专利代理师李蒙

(51)Int.Cl.

G06V10/40(2022.01)

G06V10/77(2022.01)

G06V10/80(2022.01)

G06V10/82(2022.01)

G06N3/0464(2023.01)

权利要求书5页说明书14页附图4页

(54)发明名称

基于柱体序列注意力和空洞扩张卷积的3D

目标检测方法

(57)摘要

本发明公开了一种基于柱体序列注意力和

空洞扩张卷积的3D目标检测方法，属于目标检测

技术领域，包括以下步骤：步骤S1：数据预处理；

步骤S2：构建网络模型并进行模型训练：首先准

备好训练使用的点云数据，数据包括点云场景数

据和目标标签数据；接着构建网络模型，并且设

置好每个模块的超参数；然后将训练数据送入网

络模型进行训练，整个训练过程中通过降低网络

的损失函数来优化模型，从而得到表现最好的网

络模型权重；最后保存好网络模型权重；步骤S3：

模型测试：使用测试集数据验证模型效果。本发

A明能够实现精确实时的3D目标检测，有效解决编

5码方式粗糙以及编码信息局限问题，有效增加模

5

6

9型感受野的同时保持柱体模型简洁性与高效性。

2

4

8

1

1

N

C

CN118429655A权利要求书1/5页

1.一种基于柱体序列注意力和空洞扩张卷积的3D目标检测方法，其特征在于：包括以

下步骤：

步骤S1：数据预处理：将训练所需数据集中所有文件夹的点云场景裁剪成固定大小，点

云场景中X、Y和Z轴方向上的检测范围分别设置为[0，70.4]m、[‑40，40]m以及[‑3，1]m，然后

对裁剪后的数据集生成对应的bin文件；

步骤S2：构建网络模型并进行模型训练：首先准备好训练使用的点云数据，数据包括点

云场景数据和目标标签数据；接着构建网络模型，并且设置好每个模块的超参数；然后将训

练数据送入网络模型进行训练，整个训练过程中通过降低网络的损失函数来优化模型，从

而得到表现最好的网络模型权重；最后保存好网络模型权重；

步骤S3：模型测试：使用测试集数据验证模型效果，通过加载步骤S2中表现最好的网络

模型权重来测试检测目标效果，以实现精确实时的3D目标检测。

2.根据权利要求1所述的一种基于柱体序列注意力和空洞扩张卷积的3D目标检测方

法，其特征在于：在步骤S1中，所述数据预处理包括以下步骤：

步骤S101：将训练所需的KITTI数据集中点云场景数据进行裁剪；

步骤S102：将X、Y和Z轴方向上的检测范围分别设置为[0，70.4]m、[‑40，40]m以及[‑3，

1]m，柱体尺寸设置为(0.05m，0.05m)，每个柱体内