[發明專利]一種基于深度學習的激光雷達環境感知方法及系統

在審

• 申請號: 202010780792.4
• 申請日: 2020-08-06
• 公開（公告）號: CN112001272A
• 公開（公告）日: 2020-11-27
• 發明（設計）人: 徐江;梁昊
• 申請（專利權）人: 蘇州富潔智能科技有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06T7/11;G06T7/136;G06N3/04;G06N3/08;G01S17/931;G01S7/48
• 代理公司: 常州佰業騰飛專利代理事務所(普通合伙) 32231
• 代理人: 張勵

本發明公開了一種基于深度學習的激光雷達環境感知方法及系統，步驟1、將激光雷達點云映射為深度圖步驟；將激光雷達雷達每個點，從球坐標系轉到圖像坐標系；步驟2、執行深度圖語義分割步驟；步驟3、語義分割圖映射為語義分割點云圖。本發明采用激光雷達球形映射，使用穩定映射公式，其算法難度低，開發維護成本低；采用語義分割精度高，分割類型多；將形成適用自動駕駛汽車的環境識別數據，便于自動駕駛汽車識別周圍物體。

技術領域

本發明涉及深度學習領域，尤其涉及一種基于深度學習的激光雷達環境感知方法及系統。

背景技術

美國是對自動駕駛汽車研究最深入的國家，其對自動駕駛汽車的研究開始于二十世紀七八十年代，并從八十年代起就一直處于高速發展階段，其中美國國防部的DAPAR計劃極大的推動了自動駕駛汽車的發展，并獲取一系列重大研究成果。國內自動駕駛汽車的研究起步于上世紀八十年代，其中包括國防科技大學、南京理工大學、清華大學等相繼研究。直到2003年國防科技大學和第一汽車集團公司聯合研制紅旗車自動駕駛系統，標志著我國汽車自動駕駛技術已經達到了國際領先水平。現在自動駕駛行業的領先企業有百度的Apollo，Google的waymo.其自動駕駛方案是利用車載傳感器來識別車輛周圍環境，并根據識別所獲得的道路、車輛位置和障礙物信息，控制車輛的轉向和速度，從而使車輛能夠安全、可靠地在道路上行駛。環境識別作為自動駕駛系統的“眼睛”，有著至關重要的作用。

目前自動駕駛技術環境識別的難題是在光照強烈的情況下，攝像頭會產生鏡頭光斑，大陰影和其他不利的照明條件也會對識別產生不同的影響。例如，視覺系統可能會將大陰影混淆成其他物體的一部分。此外，可能需要在當前識別系統中添加不同的視覺提示(例如尾燈，反射道路標記等)或熱成像(遠紅外)相機，以提高低光照條件或夜間的性能。即便如此，依然不能保證沒有系統未檢測和跟蹤到的障礙。與此同時，大量遠紅外線攝像機檢測和跟蹤算法的計算效率不足以實時使用。其他識別系統試圖通過依賴關于環境的先驗信息來解決光條件問題。然而先驗信息并非一成不變，如果一個新建的交通指示燈并沒有錄入先驗信息，就會在自動駕駛車輛遇到它時造成麻煩。而利用激光雷達，以克服糟糕照明條件。這種傳感器不需要外部光線，因此可以在光線不足和夜間探測障礙物。故其可以在不良照明條件下提供不同的優勢以獲得更好的結果。但在這方面，仍然需要進行廣泛的研究來解決剩余的挑戰。

發明內容

1、本發明的目的

本發明為了將激光雷達收到的無序環境點云數據進行識別，而提出了一種基于深度學習的激光雷達環境感知方法及系統。

2、本發明所采用的技術方案

本發明公開了一種基于深度學習的激光雷達環境感知方法，包括：

步驟1、將激光雷達點云映射為深度圖步驟；

將激光雷達雷達每個點p_i＝(x,y,z)，從球坐標系轉到圖像坐標系，通過以下公式：

其中(u,v)表示圖像坐標，表示映射后距離圖像表示的高度和寬度，公式中f＝f_up+f_down表示傳感器的垂直視場，f_up表示視角上限，f_down表示視角下限，公式中r＝x²+y²+z²表示各點到傳感器的距離；得出激光雷達每個點在深度圖中的坐標，并結合每個點的距離r，創建一個張量；

步驟2、執行深度圖語義分割步驟；

步驟3、語義分割圖映射為語義分割點云圖。

優選的，步驟2、執行深度圖語義分割步驟，采用二維語義分割CNN，神經網絡卷積結構使用了SqueezeSeg結構，將深度圖像轉換成語義分割圖；