[發明專利]一種基于CNN點云目標檢測的配準方法

在審

• 申請號: 202011545903.X
• 申請日: 2020-12-23
• 公開（公告）號: CN112700479A
• 公開（公告）日: 2021-04-23
• 發明（設計）人: 文博;張劍;梁爽;陸天翼;熊祺;姜曉旭;賴豪文
• 申請（專利權）人: 北京超星未來科技有限公司
• 主分類號: G06T7/33
• 分類號: G06T7/33;G06N3/04;G06N3/08
• 代理公司: 北京清大紫荊知識產權代理有限公司 11718
• 代理人: 彭一波

本申請實施例中提供了一種基于CNN點云目標檢測的配準方法，具體步驟包括：獲取源點云數據；將所述源點云數據在GPU上進行源點云數據前處理；將處理結果輸入CNN感知模型，得到中心偏移預測信息和物體預測信息；在GPU上利用所述CNN感知模型推理結果進行后處理，根據物體預測信息剔除或保留所述源點云中的點生成配準模塊的輸入點云；將所述輸入點云輸入配準模塊進行點云配準。通過本申請的處理方案，利用基于CNN的點云檢測模型和GPU的并行計算能力，在配準任務開始之前對路面噪聲，即車輛，行人和騎行人等進行快速過濾，保證加入CNN模型濾波后定位配準模塊整體的低延時，降低了配準難度，提高了配準精度。

技術領域

本申請涉及點云配準計算機技術領域，尤其涉及一種基于CNN點云目標檢測的配準方法。

背景技術

基于CNN(Convolutional Neural Networks，卷積神經網絡)的點云檢測模型被廣泛應用于各個領域。特別的，在自動駕駛領域，基于CNN的點云目標檢測常與控制，決策和規劃模塊相結合，以實現停車、并線、避障等復雜任務。點云配準方法在自動駕駛中有廣泛應用，點云配準方法主要作為一種輔助定位技術校準由組合導航(如：IMU，GPS，里程計)產生的定位誤差，使定位結果更加精準，它的原理是將已有的點云地圖和車輛在行駛時激光雷達掃描得到的點云地圖匹配，獲得將車輛從車輛坐標系變換到地圖坐標系的位姿變換矩陣。

應用于自動駕駛中的點云配準方法主要依賴于已有的地圖描繪車輛所處環境的信息。在對地圖進行采樣建圖時，一般會選擇在路面及道路兩側人行道、自行車道信息不復雜時進行操作，即在道路無車無人的情況下對地圖信息進行采集，以避免增加地圖噪聲，盡量高度還原原始的環境信息。

車輛在實際狀況下行駛時無法保證道路無車無人，也就是無法避免噪聲。這種情況下，車載激光雷達實時掃描得到的點云包括了道路上的車輛，行人和騎行人。這樣的噪聲就會導致實時定位時車載雷達得到的信息與原始地圖的信息不匹配，因此導致配準難度增大，配準精度降低，甚至配準失敗。

發明內容

有鑒于此，本申請實施例提供一種基于CNN點云目標檢測的配準方法，至少部分解決現有技術中存在的問題。

第一方面，本申請實施例提供了一種基于CNN點云目標檢測的配準方法，包括以下步驟:

獲取源點云數據；

將所述源點云數據輸入CNN感知模型進行推理，計算得到中心偏移預測信息和物體預測信息，所述中心偏移預測信息用于判定不同點是否屬于相同物體，所述物體預測信息用于判定是否為障礙物點；

在GPU上對所述源點云中的障礙物點進行剔除并生成用于點云配準的輸入點云；

利用所述輸入點云進行點云配準。

根據本申請實施例的一種具體實現方式，所述將所述源點云數據輸入CNN模型，得到中心偏移預測信息和物體預測信息，具體步驟為：

將所述源點云輸入到所述CNN模型的前處理模塊，在局部坐標系中構建俯視圖2D網格，所述2D網格包含若干個單元格；

基于所述源點云中點的X、Y坐標數據，將所述源點云中的每個點均映射到各自所屬的所述單元格中；

映射結束后，計算所述2D網格內每個單元格中點的若干個統計測量，并將所述若干個統計測量分別傳遞給所述CNN模型的輸入特征通道，所述統計測量與所述輸入特征通道一一對應；

將所述輸入通道特征輸入至所述CNN模型進行計算，得到中心偏移預測信息和物體預測信息。

根據本申請實施例的一種具體實現方式，所述在GPU上對所述源點云中的障礙物點進行剔除并生成用于點云配準的輸入點云，具體步驟為：

將所述源點云從CPU內存拷入GPU顯存；