一种基于自监督学习的三维点云二阶段目标检测方法

摘要

本发明提出了一种基于自监督学习的三维点云二阶段目标检测方法,包括以下步骤：(1)依据原始点云场景动态的生成重构场景。(2)体素化两个场景。(3)利用3D稀疏卷积和子流型卷积对两个场景进行体征提取。将最后生成的3维特征图投影到2维上。(4)利用原始场景的2维特征生成建议区域。(5)完成自监督代理任务一。(6)完成自监督代理任务二。(7)根据(4)中的建议区域，提取感兴趣区域的特征，并对预测目标的位置进行精修。(8)利用归一化损失系数对自监督任务和目标检测任务进行训练。本发明通过对原始数据进行重构，动态生成重构场景，将这两者用于后续的自监督学习任务和目标检测任务，以提高网络对点云的特征表达能力。