[發明專利]一種基于圖卷積的激光雷達點云胞體特征增強方法

有效

• 申請號: 202110200863.3
• 申請日: 2021-02-23
• 公開（公告）號: CN112862719B
• 公開（公告）日: 2022-02-22
• 發明（設計）人: 張新鈺;王力;劉華平;王晨飛;徐保偉
• 申請（專利權）人: 清華大學
• 主分類號: G06T5/00
• 分類號: G06T5/00;G06N20/00
• 代理公司: 北京方安思達知識產權代理有限公司 11472
• 代理人: 陳琳琳;李彪

本發明的公開了一種基于圖卷積的激光雷達數據胞體特征增強方法，所述方法包括：步驟1)對實時采集的雷達點云數據進行胞體劃分以及信息提取，得到胞體化數據；步驟2)對胞體化數據進行構圖，形成圖結構；步驟3)將圖結構輸入圖卷積單元，對圖結構中的每個節點進行特征增強，將特征增強后的圖結構再次輸入圖卷積單元，反復執行多次，直至達到循環次數；步驟4)將最后一次圖卷積單元輸出的增強后的胞體特征傳遞給后端目標檢測網絡，完成目標檢測任務。本發明的方法提出對胞體之間信息進行融合，提升了個個胞體捕捉實例目標信息的能力，提高了3D目標檢測方法的準確性。

技術領域

本發明涉及自動駕駛領域，具體涉及一種基于圖卷積的激光雷達點云胞體特征增強方法。

背景技術

在無人駕駛中技術中，環境感知為最基本的功能模塊。無人駕駛車輛依賴激光雷達、毫米波雷達、攝像頭傳感器等對環境進行感知，如車道線檢測、3D目標檢測等都屬于環境感知模塊的基本功能。環境感知為無人駕駛汽車反饋環境信息，用以對車輛行駛行為進行決策以及控制，從而保障車輛的行駛安全以及道路安全。

3D目標檢測是環境感知任務中十分重要的一環，其需要檢測出無人駕駛汽車周圍的所有有意義目標，包括車輛、行人等交通參與者。該功能為自動駕駛車輛后續的規劃和控制提供約束條件，直接與行駛安全密切相關，因此高精度的目標檢測是實現無人駕駛的必要條件。

當前，國內外均對3D目標檢測技術進行了大量的研究。從使用傳感器的類別角度進行分類，可主要分為基于激光雷達等3D傳感器以及基于攝像頭等2D圖像傳感器。其中基于激光雷達所產生的3D點云數據實現的目標檢測相較于基于攝像頭產生的2D圖像數據實現的目標檢測具有更高識別精度。

當前使用激光雷達點云數據進行目標檢測的算法框架主要分為兩類：直接處理點云數據、胞體化后處理點云數據。其中胞體化技術主要包括：柵格化、體素化、柱狀化等。此類技術均將點云在原始數據空間或特征空間進行多胞體劃分，在胞體內部使用特定方法提取特征或信息。其中柵格化技術通常在與地面平行的方向上進行柵格劃分，統計柵格內的點云分布信息作為該柵格的特征；體素化技術通常在3D空間內進行三維體素劃分，統計體素內點云的分布信息作為體素的特征；柱狀化技術通常在二維平面上進行柵格劃分，使用神經網絡通過學習的方法得到該柱狀特征進而生成2D偽圖像。這些方法雖采用不同的數據劃分方法以及不同的處理方法，但都可歸結為按照某一特定規則進行胞體劃分，使用某一特定方法提取胞體內部的信息作為該胞體的特征，通稱為胞體化。此類胞體化方法能夠在盡可能保留原始點云信息的基礎上大大減少后端需要處理的數據量，從而加速算法的運行進而達到實時的效果。

但此類胞體化方法存在一個固有缺陷，即無論采用何種胞體劃分方法，都不可避免的存在將單個實例目標分割為不同胞體中的可能性。這導致單個胞體無法提取到此實例目標的完整信息從而限制目標檢測的精度。雖然在理想狀況下可以設計一個極其精細的胞體劃分規則使得任意一個實例目標的所有數據都恰好位于同一個胞體中。但因缺少先驗的語義信息，通用的理想劃分規則在實際中是不存在的。所以，胞體劃分導致的目標割裂問題是胞體化方法存在的固有缺陷。

發明內容

本發明的目的在于克服上述技術缺陷，提出了一種基于圖卷積的激光雷達點云胞體特征增強方法，通過提取胞體之間的相關信息，可以使單個胞體捕捉到更加完整的實例特征，從而增強目標檢測精度。該過程是一種點云胞體特征增強的方式，使用增強后的胞體特征進行3D目標檢測可以驗證該方法的有效性。

為實現上述目的，本發明的實施例1提出了一種基于圖卷積的激光雷達數據胞體特征增強方法，所述方法包括：

步驟1)對實時采集的雷達點云數據進行胞體劃分以及信息提取，得到胞體化數據；

步驟2)對胞體化數據進行構圖，形成圖結構；

步驟3)將圖結構輸入圖卷積單元，對圖結構中的每個節點進行特征增強，將特征增強后的圖結構再次輸入圖卷積單元，反復執行多次，直至達到循環次數；