一种基于模糊隶属度监督和证据深度学习的分布外点云物体检测方法

本申请涉及自动驾驶领域，提出一种基于模糊隶属度监督和证据深度学习的分布外点云物体检测方法。包括以下步骤，使用3D目标检测模型得到候选前景物体；前景物体点云特征提取；基于模糊C均值均值聚类的模糊隶属度计算；利用模糊隶属度值作为标记信息，进行证据深度学习模型训练；使用训练好的证据深度学习模型推理前景物体的不确定值，并判断物体是否属于分布外样本。本申请利用模糊聚类得到的模糊隶属度作为监督信息，使用证据深度学习在点云目标检测数据集上进行训练，并利用证据深度学习预测的不确定值进行点云开集目标检测，不仅鲁棒且可解释性强，还能在大规模稀疏点云场景下保证开集检测效果。