[發(fā)明專利]基于PointNet網(wǎng)絡(luò)的船艇尾浪識別與去除方法

在審

• 申請?zhí)枺?/td>: 202011225901.2
• 申請日: 2020-11-05
• 公開（公告）號: CN112464994A
• 公開（公告）日: 2021-03-09
• 發(fā)明（設(shè)計）人: 李清洲;劉新新;楊長坤;胡常青;劉柳
• 申請（專利權(quán)）人: 北京航天控制儀器研究所
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 張輝

基于PointNet網(wǎng)絡(luò)的船艇尾浪識別與去除方法，步驟如下：S1：利用激光雷達實時獲取無人艇360°范圍的點云數(shù)據(jù)；S2：對點云數(shù)據(jù)進行去噪處理；S3：對去噪處理的點云數(shù)據(jù)進行歐幾里得距離聚類，獲得可疑目標(biāo)列表；S4：構(gòu)建PointNet深度學(xué)習(xí)模型，并裝載已訓(xùn)練好的權(quán)重參數(shù)；S5：將聚類后的點云子集輸入PointNet深度學(xué)習(xí)模型中進行分類識別；S6：將識別為尾浪目標(biāo)的點云子集從可疑目標(biāo)列表中去除；S7：判斷每個尾浪目標(biāo)是無人艇自身產(chǎn)生的尾浪還是其它船艇產(chǎn)生的尾浪，非自身尾浪情況下通過尾浪位置對水面船艇目標(biāo)進行定位；S8：將水面障礙物探測結(jié)果發(fā)送給無人艇控制平臺。本發(fā)明利用PointNet深度學(xué)習(xí)模型實現(xiàn)船艇尾浪的快速識別和去除，并基于尾浪識別結(jié)果對目標(biāo)船艇進行定位，提升了激光雷達在水面應(yīng)用的適應(yīng)能力。

技術(shù)領(lǐng)域

本發(fā)明涉及基于PointNet網(wǎng)絡(luò)的船艇尾浪識別與去除方法，屬于環(huán)境感知技術(shù)領(lǐng)域。

背景技術(shù)

激光雷達作為自動駕駛實現(xiàn)中最重要、必不可少的傳感器之一，其重要性不言而喻，比如障礙物檢測、道路邊緣檢測、地圖構(gòu)建等都離不開它。船艇尾浪能夠通過反射探測激光從而被激光雷達探測，但尾浪不屬于水面障礙物，不會影響船艇的航行路線，因此需要從激光雷達探測的目標(biāo)中濾除。無人艇自身產(chǎn)生的尾浪可確定位于船艇后方，但其隨著船艇航行速度的變化也在實時變化。通過濾除船艇后方一定范圍內(nèi)的點云可以去除無人艇自身產(chǎn)生的尾浪，但濾除范圍需要設(shè)定為遠遠大于實際尾浪的固定范圍才能保證尾浪的準(zhǔn)確濾除，這極大地降低了無人艇在近距離條件下的水面目標(biāo)探測能力。水面目標(biāo)船艇產(chǎn)生的尾浪可以提高目標(biāo)的探測概率和探測距離，但也會提高水面目標(biāo)船艇的定位誤差，從而影響無人艇避障路徑的準(zhǔn)確規(guī)劃。無人艇亟需獲得基于激光雷達的船艇航行尾浪探測和識別能力，實現(xiàn)尾浪的精準(zhǔn)濾除，從而提升激光雷達設(shè)備在水面環(huán)境下的近距離探測能力和遠距離目標(biāo)的定位能力。

發(fā)明內(nèi)容

本發(fā)明的技術(shù)解決問題是：克服現(xiàn)有技術(shù)的不足，提供基于PointNet網(wǎng)絡(luò)的船艇尾浪識別與去除方法。

本發(fā)明的技術(shù)解決方案是：

基于PointNet網(wǎng)絡(luò)的船艇尾浪識別與去除方法，包括如下步驟：

S1：將激光雷達設(shè)備安置在無人艇頂部無遮擋位置，實時獲取無人艇360°范圍的點云數(shù)據(jù)；

S2：對當(dāng)前點云數(shù)據(jù)進行基于點云密度統(tǒng)計的去噪處理，去除點云數(shù)據(jù)中離散的噪聲點；

S3：根據(jù)預(yù)先設(shè)計的容忍距離，對去除噪聲點的點云數(shù)據(jù)進行歐幾里得距離聚類，將點云數(shù)據(jù)分割成若干個獨立的點云子集，每個點云子集即為一個可疑目標(biāo)，統(tǒng)計確定每個可疑目標(biāo)的目標(biāo)點云、邊界范圍、目標(biāo)中心點、目標(biāo)半徑，得到可疑目標(biāo)列表；

S4：構(gòu)建PointNet深度學(xué)習(xí)模型，并裝載已訓(xùn)練好的權(quán)重參數(shù)；

S5：在S3中的各個點云子集中，尋找點云點數(shù)和目標(biāo)半徑大于預(yù)先指定數(shù)據(jù)的點云子集，將尋找到的點云子集輸入PointNet深度學(xué)習(xí)模型中進行分類識別；

S6：若某個點云子集經(jīng)PointNet深度學(xué)習(xí)模型識別為尾浪目標(biāo)，則將其從可疑目標(biāo)列表中去除；

S7：判斷每個尾浪目標(biāo)是無人艇自身產(chǎn)生的尾浪還是其它船艇產(chǎn)生的尾浪，若是其它船艇產(chǎn)生的尾浪，確定該尾浪目標(biāo)對應(yīng)的水面航行船艇目標(biāo)，與其它可疑目標(biāo)共同組成水面障礙物；

S8：根據(jù)連續(xù)幀中水面障礙物的位置變化計算水面障礙物的當(dāng)前位置、運動速度以及運動方向，并利用卡爾曼濾波優(yōu)化探測信息和預(yù)測障礙物的運動趨勢，最后將上述信息作為探測結(jié)果發(fā)送給無人艇控制平臺，輔助實現(xiàn)無人艇的自動駕駛和自主避障。

所述步驟S2中，對當(dāng)前點云數(shù)據(jù)進行去噪處理的步驟如下：

(2.1)設(shè)定鄰域點數(shù)量k，標(biāo)準(zhǔn)差倍數(shù)閾值std_mul；