[發(fā)明專利]道路可行駛區(qū)域的確定方法、裝置及計(jì)算機(jī)設(shè)備

有效

• 申請?zhí)枺?/td>: 201811562743.2
• 申請日: 2018-12-20
• 公開（公告）號: CN111353969B
• 公開（公告）日: 2023-09-26
• 發(fā)明（設(shè)計(jì)）人: 曾鈺廷;徐琥;文馳
• 申請（專利權(quán)）人: 長沙智能駕駛研究院有限公司
• 主分類號: G06T7/00
• 分類號: G06T7/00;G06T7/10;G06N3/0464
• 代理公司: 深圳中一聯(lián)合知識產(chǎn)權(quán)代理有限公司 44414
• 代理人: 李艷麗

1.一種道路可行駛區(qū)域的確定方法，包括：

獲取待處理點(diǎn)云數(shù)據(jù)；

對所述待處理點(diǎn)云數(shù)據(jù)進(jìn)行極坐標(biāo)柵格化，得到極坐標(biāo)柵格圖，所述極坐標(biāo)柵格圖的分布狀態(tài)呈弧線狀分布，且所述極坐標(biāo)柵格圖中距離極點(diǎn)越遠(yuǎn)的區(qū)域所覆蓋的面積越大；

基于所述極坐標(biāo)柵格圖進(jìn)行數(shù)據(jù)排列形式轉(zhuǎn)換，得到目標(biāo)柵格圖；所述目標(biāo)柵格圖包括與所述極坐標(biāo)柵格圖中的各第一柵格分別對應(yīng)的各第二柵格，各所述第二柵格包含各自對應(yīng)的第一柵格內(nèi)的空間點(diǎn)，各所述第二柵格以圖像像素的排列形式排列；

分別基于各所述第二柵格內(nèi)的空間點(diǎn)，確定各所述第二柵格的目標(biāo)統(tǒng)計(jì)參數(shù)，并得到與所述目標(biāo)統(tǒng)計(jì)參數(shù)相對應(yīng)的統(tǒng)計(jì)特征圖；

通過預(yù)定卷積神經(jīng)網(wǎng)絡(luò)，基于所述統(tǒng)計(jì)特征圖進(jìn)行語義分割，得到各所述第二柵格分別屬于地面類別和非地面類別的置信度；

基于各所述第二柵格分別屬于地面類別和非地面類別的置信度，確定所述待處理點(diǎn)云數(shù)據(jù)中的道路可行駛區(qū)域。

2.根據(jù)權(quán)利要求1所述的方法，其特征在于，對所述待處理點(diǎn)云數(shù)據(jù)進(jìn)行極坐標(biāo)柵格化，得到極坐標(biāo)柵格圖，包括：

基于所述待處理點(diǎn)云數(shù)據(jù)的各空間點(diǎn)的橫坐標(biāo)和縱坐標(biāo)，確定所述待處理點(diǎn)云數(shù)據(jù)的各空間點(diǎn)在極坐標(biāo)系下的距離信息和角度信息；

將所述待處理點(diǎn)云數(shù)據(jù)的各空間點(diǎn)，投影到初始極坐標(biāo)柵格圖中距離覆蓋范圍與該空間點(diǎn)在極坐標(biāo)系下的距離信息匹配、且角度覆蓋范圍與該空間點(diǎn)在極坐標(biāo)系下的角度信息匹配的初始柵格中，得到極坐標(biāo)柵格圖。

3.根據(jù)權(quán)利要求1所述的方法，其特征在于，所述目標(biāo)統(tǒng)計(jì)參數(shù)包括柵格內(nèi)空間點(diǎn)的總數(shù)目、柵格內(nèi)空間點(diǎn)的平均高度、柵格內(nèi)空間點(diǎn)的標(biāo)準(zhǔn)差、柵格內(nèi)空間點(diǎn)的最大高度、柵格內(nèi)空間點(diǎn)的最小高度、柵格內(nèi)空間點(diǎn)的平均反射強(qiáng)度中的至少一種。

4.根據(jù)權(quán)利要求1所述的方法，其特征在于，通過預(yù)定卷積神經(jīng)網(wǎng)絡(luò)，基于所述統(tǒng)計(jì)特征圖進(jìn)行語義分割，確定各所述第二柵格分別屬于地面類別和非地面類別的置信度，包括：

將所述統(tǒng)計(jì)特征圖依次經(jīng)過預(yù)定卷積神經(jīng)網(wǎng)絡(luò)中的第一特征提取網(wǎng)絡(luò)、第二特征提取網(wǎng)絡(luò)、第三特征提取網(wǎng)絡(luò)以及第四特征提取網(wǎng)絡(luò)進(jìn)行特征提取；

通過所述預(yù)定卷積神經(jīng)網(wǎng)絡(luò)中的第一拼接網(wǎng)絡(luò)，基于所述第三特征提取網(wǎng)絡(luò)的輸出以及第四特征提取網(wǎng)絡(luò)的輸出進(jìn)行特征聚合；

通過所述預(yù)定卷積神經(jīng)網(wǎng)絡(luò)中的第二拼接網(wǎng)絡(luò)，基于所述第一拼接網(wǎng)絡(luò)的輸出以及第二特征提取網(wǎng)絡(luò)的輸出進(jìn)行特征聚合；

通過所述預(yù)定卷積神經(jīng)網(wǎng)絡(luò)中的第三拼接網(wǎng)絡(luò)，基于所述第二拼接網(wǎng)絡(luò)的輸出以及第一特征提取網(wǎng)絡(luò)的輸出進(jìn)行特征聚合；

通過所述預(yù)定卷積神經(jīng)網(wǎng)絡(luò)中的輸出網(wǎng)絡(luò)，基于所述第三拼接網(wǎng)絡(luò)的輸出得到第一語義分割圖和第二語義分割圖；

所述第一語義分割圖包含各所述第二柵格屬于地面類別的置信度，所述第二語義分割圖包含各所述第二柵格屬于非地面類別的置信度。

5.根據(jù)權(quán)利要求1所述的方法，其特征在于，確定所述預(yù)定卷積神經(jīng)網(wǎng)絡(luò)的方式，包括：

獲取攜帶類別標(biāo)簽的樣本點(diǎn)云數(shù)據(jù)；所述類別標(biāo)簽用于表征所述樣本點(diǎn)云數(shù)據(jù)的各空間點(diǎn)分別所屬的類別；

對所述樣本點(diǎn)云數(shù)據(jù)進(jìn)行極坐標(biāo)柵格化，得到樣本極坐標(biāo)柵格圖；

基于所述樣本極坐標(biāo)柵格圖進(jìn)行數(shù)據(jù)排列形式轉(zhuǎn)換，得到樣本目標(biāo)柵格圖；所述樣本目標(biāo)柵格圖包括與所述樣本極坐標(biāo)柵格圖中的各樣本第一柵格分別對應(yīng)的各樣本第二柵格，各所述樣本第二柵格包含各自對應(yīng)的樣本第一柵格內(nèi)的空間點(diǎn)，各所述樣本第二柵格以圖像像素的排列形式排列；

分別基于各所述樣本第二柵格內(nèi)的空間點(diǎn)，確定各所述樣本第二柵格的目標(biāo)統(tǒng)計(jì)參數(shù)，并得到與所述目標(biāo)統(tǒng)計(jì)參數(shù)相對應(yīng)的樣本統(tǒng)計(jì)特征圖；

通過待訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)，基于所述樣本統(tǒng)計(jì)特征圖進(jìn)行語義分割，確定各所述樣本第二柵格分別屬于地面類別和非地面類別的置信度；

基于各所述樣本第二柵格分別屬于地面類別和非地面類別的置信度和所述類別標(biāo)簽，確定損失參數(shù)；

基于所述損失參數(shù)對所述待訓(xùn)練卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行模型訓(xùn)練，確定所述預(yù)定卷積神經(jīng)網(wǎng)絡(luò)。