[發明專利]一種基于循環條件隨機場的道路目標實時三維點云分割方法

在審

• 申請號: 201910540355.2
• 申請日: 2019-06-21
• 公開（公告）號: CN110310298A
• 公開（公告）日: 2019-10-08
• 發明（設計）人: 孫偉;張楨浩;陸偉
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06T7/143
• 分類號: G06T7/143
• 代理公司: 西安吉順和知識產權代理有限公司 61238
• 代理人: 鮑燕平

1.一種基于循環條件隨機場的道路目標實時三維點云分割方法，其特征是至少包括如下步驟：

步驟1、獲取點云數據，得到一個H*W*C的三維矩陣；

步驟2、依據上述數據進行網絡模型結構優化；

步驟3、輸出最小化的概率圖，給出三維點云分割。

2.根據權利要求1所述的一種基于SqueezeNet和循環條件隨機場的道路目標實時三維點云分割，其特征是：所述步驟1包含以下具體步驟：

步驟1.1)獲取點云數據,點云數據由非結構化的三維空間點組成，每一個空間點又包含5個維度的數據：一組笛卡爾三維空間坐標(x,y,z)，當前點的強度值i，和距離

步驟1.2)采用球面映射將點云數據轉換為滿足網絡數據要求的數據矩陣，其球面映射方程如式(1)所示：

其中，θ,φ分別表示頂角和方位角，Δθ,Δφ分別表示θ,φ上的離散精度，即為離散值，一組數據可映射到2D柵格圖上的一個位置；

步驟1.3)將一張點云地圖上的每一個點都進行上述球面映射，得到一個H*W*C的三維矩陣，H，W分別對應映射結果離散值C等于5，C的每一個通道的數據分別對應LiDAR點的x，y，z軸坐標數值，點強度數值和距離數值。

3.根據權利要求1所述的一種基于循環條件隨機場的道路目標實時三維點云分割方法，其特征是：所述步驟2包括：

步驟2.1)輸入的張量H*W*C首先經過Fire的壓縮層處理，Fire的壓縮層由1*1的卷積核組成，卷積核的數量等于輸入張量通道數的1/4，Fire的壓縮層在完成特征提取的同時進行壓縮數據的深度處理；

步驟2.2)然后數據經過FireDeconv模塊；

步驟2.3)循環條件隨機場網絡搭建；

步驟2.4)定義網絡模型的宏觀優化目標

交叉熵計算如下式所示：

其中，m表示分辨率大小，即點的總數，L_i表示每一個點的交叉熵損失，表示第i個點分類為真實的c_i標簽的概率。

4.根據權利要求3所述的一種基于循環條件隨機場的道路目標實時三維點云分割方法，其特征是：所述的步驟2.1)包括：

a)分別將壓縮層的數據經過1*1的Conv卷積層和3*3的Conv卷積層上進行張量深度擴容，分別變為輸出張量深度的1/2；

b)將兩種卷積操作后的數據在深度維度上進行堆疊，輸出H*W*C張量。

5.根據權利要求3所述的一種基于循環條件隨機場的道路目標實時三維點云分割方法，其特征是：所述的步驟2.2)包括：

a)輸入H*W*C張量進入FireDeconv模塊，經過Conv1*1，完成特征提取和深度壓縮；

b)然后對數據進行上采樣，深度維持不變；將擴展層數據在深度上擴充為輸出的1/2；

c)將兩種卷積操作后的數據在深度維度上進行堆疊，輸出H*2W*C張量。

6.根據權利要求3所述的一種基于循環條件隨機場的道路目標實時三維點云分割方法，其特征是：所述的步驟2.3)包括：

步驟2.3.1)給出循環條件隨機場的能量函數：

其中，c是點云的預測標簽向量，c_i表示第i個點云的預測標簽結果，u_i(c_i)＝-logP(c_i)代表著第i個點云預測為c_i類別的交叉熵概率值，b_i,j(c_i,c_j)是一種對一組相似點分配為不同標簽的行為的懲罰方式，定義b_i,j(c_i,c_j)的具體懲罰方式為：

當c_i≠c_j時，h(c_i,c_j)＝1，否則h(c_i,c_j)＝0，f_i,f_j表示第i,j個點的特征，k^m表示以第i,j個點的特征為輸入的第m個高斯濾波器，w_m表示相應的系數；采用如下：

其中，向量表示一個點的角度信息，向量X(x,y,z)表示一個點的笛卡爾坐標，σ_α,σ_β,σ_γ是一組超參數，其值一般由經驗選定；

步驟2.3.2)構建能量函數的平均場迭代算法的循環神經網絡結構RNN：

a)將基礎神經網絡的輸出作為初始概率圖輸入進循環神經網絡RNN；

b)通過公式(4)處理LiDAR原始特征數據，得到兩個高斯核；

c)將高斯核的尺度設置為3*5的局部區域；高斯核以局部連接層的方式在概率圖上進行計算，完成對數據的濾波和信息傳遞；

d)用1*1的卷積核對c)步驟后的概率結果的聚合概率進行重加權與兼容性轉換，用以改變每一個點的分布程度，1*1卷積核參數在網絡訓練中學習。

e)將初始的概率圖與完成重加權與兼容性轉換的概率圖進行疊加，經交叉熵Softmax歸一化操作輸出最小化的概率圖。