[發(fā)明專利]基于多尺度單極三維檢測網(wǎng)絡(luò)的激光雷達(dá)目標(biāo)檢測方法

有效

• 申請?zhí)枺?/td>: 201910135184.5
• 申請日: 2019-02-22
• 公開（公告）號: CN109932730B
• 公開（公告）日: 2023-06-23
• 發(fā)明（設(shè)計）人: 王宇嵐;李佳豪;孫韶媛;任正云;李大威
• 申請（專利權(quán)）人: 東華大學(xué)
• 主分類號: G01S17/89
• 分類號: G01S17/89;G06V10/82;G01S17/93;G06V10/80;G06V10/77
• 代理公司: 上海申匯專利代理有限公司 31001
• 代理人: 翁若瑩;吳小麗

本發(fā)明提供了一種基于多尺度單極三維檢測網(wǎng)絡(luò)的激光雷達(dá)目標(biāo)檢測方法，首先進(jìn)行激光雷達(dá)點云數(shù)據(jù)預(yù)處理；然后根據(jù)高度信息將數(shù)據(jù)分割成若干層，提取分層特征圖并與預(yù)處理結(jié)果相加得到特征向量；構(gòu)建訓(xùn)練多尺度單極三維檢測網(wǎng)絡(luò)；將測試集中的數(shù)據(jù)輸入網(wǎng)絡(luò)，輸出特征圖；最后復(fù)數(shù)域目標(biāo)檢測層在特征圖上進(jìn)行目標(biāo)檢測，得到目標(biāo)檢測結(jié)果張量，結(jié)果張量包含概率信息和位置信息。本發(fā)明能夠同時滿足目標(biāo)檢測的準(zhǔn)確性需和實時性需求，改進(jìn)了手工特征提取的方法，增加了特征張量表達(dá)的信息；提出了多尺度信息傳遞機制，減少了神經(jīng)網(wǎng)絡(luò)前向傳播過程中的信息丟失，從而在不犧牲太多算法計算效率的情況下，大幅提高了三維目標(biāo)檢測的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明涉及一種基于多尺度單極三維檢測網(wǎng)絡(luò)(Multi-scale?One-Stage?3DDetection?Networks,MOS3D)的激光雷達(dá)目標(biāo)檢測方法，屬于機器視覺與智能駕駛汽車技術(shù)領(lǐng)域。

背景技術(shù)

目標(biāo)檢測是計算機視覺領(lǐng)域的基本任務(wù)之一，指的是一種通過機器學(xué)習(xí)或者幾何變換將圖像中的目標(biāo)切割并且進(jìn)行識別的應(yīng)用，其準(zhǔn)確率和計算效率是評價算法優(yōu)劣的兩個重要指標(biāo)。目標(biāo)檢測是機器學(xué)習(xí)的重要研究方向，在文字識別、智能駕駛和智慧醫(yī)療領(lǐng)域都有廣泛的應(yīng)用。

主流的目標(biāo)檢測技術(shù)可以分為基于傳統(tǒng)機器學(xué)習(xí)的目標(biāo)檢測算法和基于深度學(xué)習(xí)的目標(biāo)檢測算法。

基于傳統(tǒng)機器學(xué)習(xí)的目標(biāo)檢測算法的目標(biāo)檢測過程可以分為3個步驟：1)通過滑動窗口選擇圖像中可能存在目標(biāo)的區(qū)域作為候選區(qū)域。2)手工提取候選區(qū)域的特征，其中常提取的特征有HOG特征(方向梯度直方圖特征)、Harr特征(邊緣特征、線性特征、中心特征和對角線特征，組合成特征模板)和勞斯掩膜等。3)通過分類器判斷候選區(qū)域是否存在目標(biāo)，并且對目標(biāo)進(jìn)行分類。其中常用的分類器有SVM(支持向量機)等。

基于深度學(xué)習(xí)的目標(biāo)檢測算法主要可以分為基于候選區(qū)域(region?proposal)提取的目標(biāo)檢測算法和單極(one?stage)目標(biāo)檢測算法兩類，這兩類算法各有優(yōu)勢。一般來說，基于候選區(qū)域提取的目標(biāo)檢測算法在目標(biāo)檢測的準(zhǔn)確性上具有優(yōu)勢，但速度慢于單極目標(biāo)檢測算法；單極目標(biāo)檢測算法能夠快速地進(jìn)行目標(biāo)檢測，但是準(zhǔn)確率往往低于基于候選區(qū)域提取的目標(biāo)檢測算法。

目標(biāo)檢測是智能駕駛汽車實現(xiàn)自主駕駛的重要一環(huán)，穩(wěn)定檢測障礙信息是確保自主車在路徑規(guī)劃中避免碰撞、安全避開障礙物的基礎(chǔ)。激光雷達(dá)傳感器是一種主動傳感器，它能夠通過發(fā)射和接收激光光束獲取環(huán)境信息，直接獲取環(huán)境中被測物體的深度信息，能夠為智能駕駛汽車提供可靠的環(huán)境信息。目前很多激光雷達(dá)目標(biāo)檢測算法更多的只是在準(zhǔn)確性上做考慮，無法保證目標(biāo)檢測的實時性。2018年3月，Martin?Simon(Simon?M,Milz?S,Amende?K,et?al.Complex-YOLO:Real-time?3D?Object?Detection?on?Point?Clouds.[J].Preprint?In?arXiv:1803.06199,2018.)提出了能夠?qū)崟r地進(jìn)行目標(biāo)檢測的Complex-YOLO算法，但Simon過度關(guān)注算法的計算效率，相對忽視了目標(biāo)檢測的準(zhǔn)確性需求。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是：如何實現(xiàn)智能駕駛汽車的實時、準(zhǔn)確、穩(wěn)定的目標(biāo)檢測。

為了解決上述技術(shù)問題，本發(fā)明的技術(shù)方案是提供一種基于多尺度單極三維檢測網(wǎng)絡(luò)的激光雷達(dá)目標(biāo)檢測方法，其特征在于，包括如下步驟：

步驟1：激光雷達(dá)點云數(shù)據(jù)預(yù)處理；

首先將激光雷達(dá)點云數(shù)據(jù)映射到三維空間中，然后將三維空間中激光雷達(dá)點云數(shù)據(jù)根據(jù)水平坐標(biāo)系分割成一系列網(wǎng)格，提取RGBMAP彩色特征圖；

步驟2：根據(jù)高度信息將激光雷達(dá)點云數(shù)據(jù)分割成若干層，對每一層提取最大高度特征，得到分層高度特征圖；最后將分層高度特征圖與RGBMAP彩色特征圖進(jìn)行疊加，得到信息豐富的特征向量；并分成訓(xùn)練集和測試集；