一种船舶三维目标检测方法、装置、设备及介质
本发明涉及目标检测,具体而言,涉及一种船舶三维目标检测方法、装置、设备及介质。
背景技术:
1、随着航运业持续发展与智能化进程加速,智能船舶在海洋环境监测、海上应急救援及港口自主巡逻等场景中的应用不断深化,其全自主航行能力的核心支撑在于对周边环境的高精度感知。在多种环境感知传感器中,激光雷达凭借高精度距离探测与三维几何结构解析能力,且受光照影响小、适应性强,正逐步成为实现全天候、全场景三维环境感知的关键装备。
2、在相关技术中,复杂海洋环境下,现有船舶三维目标检测技术,例如,基于深度学习的3d目标检测算法(如pointpillars、centerpoint等)存在诸多缺陷:点云编码压缩垂直高度信息,导致海浪杂波易与小型船舶混淆、虚警率高;船舶尺寸跨度极大且存在异形结构,单一网络难以兼顾细节与全局特征,易出现漏检;大型船舶雷达点云中心与实际几何中心错位,固定高斯半径策略造成定位偏移、模型难以收敛,同时小目标样本稀疏也易在训练中丢失特征。
3、现有技术存在海浪杂波易与小型船舶混淆、虚警率高、易出现漏检、定位偏移、模型难以收敛以及特征丢失问题,导致检测精度较低。
技术实现思路
1、本发明解决的问题是现有检测方法的检测精度较低。
2、为解决上述问题,本发明提供一种船舶三维目标检测方法、装置、设备及介质。
3、第一方面,本发明提供了一种船舶三维目标检测方法,包括:
4、获取周围海域的三维环境感知信息;
5、采用船舶三维目标检测模型分析所述三维环境感知信息,生成船舶检测结果,其中,所述船舶三维目标检测模型基于批次规模优先于体素分辨率约束机制训练得到,所述船舶三维目标检测模型包括:
6、标准化模块,用于对所述三维环境感知信息进行有效区域裁剪和预处理,生成标准化三维点云数据;
7、分层编码模块,用于对所述标准化三维点云数据进行水平面网格划分和垂直z轴分层切片,并进行空间散射,生成二维伪图像;
8、特征提取模块,用于采用并行神经网络提取所述二维伪图像的局部纹理特征与全局结构特征,并通过自适应门控融合机制,生成高信噪比综合特征图;
9、检测模块,用于根据所述高信噪比综合特征图,基于类别差异化高斯半径策略,生成所述船舶检测结果。
10、可选地,所述标准化模块具体用于:
11、对所述三维环境感知信息进行解析,生成三维点云数据;
12、根据预设的有效监测范围,对所述三维点云数据进行空间感兴趣区域裁剪,并进行坐标系统一化、随机乱序排列及反射强度归一化处理,生成所述标准化三维点云数据。
13、可选地,所述分层编码模块,具体用于:
14、对所述标准化三维点云数据进行水平面网格划分,采用分层切片策略进行垂直z轴分层切片,并采用pointnet 提取体素特征,执行空间散射,生成所述二维伪图像。
15、可选地,所述并行神经网络包括:
16、局部感知流网络分支,用于采用堆叠的卷积神经网络,提取所述局部纹理特征;
17、全局感知流网络分支,用于基于多头自注意力机制的神经网络,提取所述全局结构特征。
18、可选地,所述自适应门控融合机制,包括:
19、在通道维度上拼接所述局部纹理特征和所述全局结构特征,得到组合特征;
20、采用轻量级卷积网络对所述组合特征进行通道压缩与信息交互,生成单通道原始响应图;
21、采用sigmoid 激活函数处理所述单通道原始响应图,生成空间注意力权重图;
22、根据所述空间注意力权重图,对所述组合特征进行逐像素点乘的自适应加权操作,生成所述高信噪比综合特征图。
23、可选地,所述检测模块具体用于:
24、采用共享特征的检测头网络对所述高信噪比综合特征图进行联合预测,生成所述船舶检测结果,其中,所述共享特征的检测头网络通过所述类别差异化高斯半径策略训练得到。
25、可选地,所述船舶三维目标检测模型基于所述批次规模优先于体素分辨率约束机制,采用adamw 优化器进行端到端联合训练得到,所述船舶三维目标检测模型的损失函数为热力图分类损失与回归损失的加权和。
26、第二方面,本发明提供了一种船舶三维目标检测装置,包括:
27、获取模块,用于获取周围海域的三维环境感知信息;
28、调用模块,用于采用船舶三维目标检测模型分析所述三维环境感知信息,生成船舶检测结果,其中,所述船舶三维目标检测模型基于批次规模优先于体素分辨率约束机制训练得到,所述船舶三维目标检测模型包括:
29、标准化模块,用于对所述三维环境感知信息进行有效区域裁剪和预处理,生成标准化三维点云数据;
30、分层编码模块,用于对所述标准化三维点云数据进行水平面网格划分和垂直z轴分层切片,并进行空间散射,生成二维伪图像;
31、特征提取模块,用于采用并行神经网络提取所述二维伪图像的局部纹理特征与全局结构特征,并通过自适应门控融合机制,生成高信噪比综合特征图;
32、检测模块,用于根据所述高信噪比综合特征图,采用类别差异化高斯半径策略,生成所述船舶检测结果。
33、第三方面,本发明提供了一种电子设备,包括存储器和处理器;
34、所述存储器,用于存储计算机程序;
35、所述处理器,用于当执行所述计算机程序时,实现如第一方面所述的船舶三维目标检测方法。
36、第四方面,本发明提供了一种计算机可读存储介质,所述存储介质上存储有计算机程序,当所述计算机程序被处理器执行时,实现如第一方面所述的船舶三维目标检测方法。
37、本发明的船舶三维目标检测方法、装置、设备及介质的有益效果是:
38、获取周围海域的三维环境感知信息后,首先通过船舶三维目标检测模型的标准化模块对其进行有效区域裁剪与预处理并生成标准化三维点云数据,可有效滤除远端岸线干扰及无效海面背景噪声,提升输入数据信噪比并统一数据格式,为后续处理环节提供高质量、规范化的数据基础,从源头降低无效信息的干扰;在此基础上,分层编码模块对标准化三维点云数据开展水平面网格划分与垂直z轴分层切片处理,并经空间散射生成二维伪图像,该方式摒弃了传统点云编码中对垂直方向的压缩池化操作,将垂直分层的几何结构信息映射至特征图通道维度,在实现非结构化点云到规则二维数据转换的同时完整保留高度截面信息,使后续网络可通过通道维度感知不同高度层的结构差异,有效区分低矮海浪杂波与具备高度的立体船舶目标,缓解高度信息利用不足导致的虚警率过高问题,从而提高检测精度;继而特征提取模块采用并行神经网络分别提取二维伪图像的局部纹理特征与全局结构特征,并通过自适应门控融合机制生成高信噪比综合特征图,双路并行的特征提取模式能够覆盖多尺度感知需求,既精准捕捉微小目标的细节轮廓以避免其在特征提取过程中丢失,又构建大尺度、异形目标的完整全局结构以防止特征断裂与漏检,同时自适应门控融合机制可自动区分船舶前景与海浪背景,抑制杂波区域的噪声特征响应并强化目标区域的有效特征,实现特征层面的去噪增强,削弱海浪杂波对微弱目标特征的淹没影响,从而提高检测精度;随后检测模块基于高信噪比综合特征图,采用类别差异化高斯半径策略生成船舶检测结果,该策略可依据不同类别船舶的几何特性自适应调整热力图的正样本响应范围,针对性缓解巨型船舶因侧向扫描导致的几何中心与点云数据中心空间失配问题,放宽大尺度目标中心点预测的合理容忍区间,避免因中心区域缺乏点云支撑导致的回归困难与定位漂移,提升多尺度目标在统一检测框架下的收敛稳定性与定位精度,从而提高检测精度;同时该船舶三维目标检测模型基于批次规模优先于体素分辨率的约束机制训练得到,训练过程中优先保障批次规模达到统计稳定阈值,可提升批量归一化层统计量的计算准确性,避免稀疏的微小目标特征被当作噪声过滤,有效提升小目标的召回率与模型整体的训练稳定性,进而提高检测精度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com