[發(fā)明專利]基于車載激光雷達點云的三維目標自適應(yīng)檢測方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 202110516998.0
• 申請日: 2021-05-12
• 公開（公告）號: CN113284163B
• 公開（公告）日: 2023-04-07
• 發(fā)明（設(shè)計）人: 鄭南寧;閆欣蕊;黃宇豪;陳仕韜;南智雄;辛景民
• 申請（專利權(quán)）人: 西安交通大學(xué)
• 主分類號: G06T7/194
• 分類號: G06T7/194;G06V10/44;G06V10/82;G06V10/25;G06V10/764;G06N3/0464;G06N3/08;G01S17/931;G01S17/66
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 王艾華

1.一種基于車載激光雷達點云的三維目標自適應(yīng)檢測方法，其特征在于，具體過程如下：

將激光雷達點云柵格化后輸入到三維稀疏卷積特征提取器中提取特征，得到不同尺度的三維特征圖和鳥瞰視角下的二維特征圖；

對激光雷達點云進行最遠點采樣，得到固定數(shù)量的稀疏采樣點；

以原始點云、不同尺度的三維特征圖、鳥瞰視角下的二維特征圖為輸入，利用SA結(jié)構(gòu)將不同層級、不同來源的特征整合至稀疏采樣點，最后通過全連接層處理得到信息加強的采樣點特征；

通過所述信息加強的采樣點特征生成與目標更加匹配的候選參考點及其對應(yīng)特征，具體如下：以采樣點特征為輸入通過全連接層輸出采樣點位置到對應(yīng)目標中心的絕對位置偏移，以采樣點補償偏移后的位置作為生成候選框的中心參考點，即候選參考點；以候選參考點為中心，用目標自適應(yīng)的鄰域劃分方法確定其鄰居采樣點，將鄰居采樣點及其對應(yīng)特征輸入到局部點特征聚合結(jié)構(gòu)，輸出候選參考點對應(yīng)特征；

以采樣點特征為輸入，經(jīng)過全連接層得到采樣點的前背景分類結(jié)果，作為其偏移后的候選參考點所對應(yīng)候選框的分類結(jié)果；以候選參考點對應(yīng)特征為輸入，經(jīng)過全連接層處理得到其對應(yīng)候選框，對所有目標候選框進行非最大抑制處理得到感興趣區(qū)域；

精細化目標候選框，以經(jīng)前背景分類置信分數(shù)加權(quán)的采樣點特征為輸入，輸出對感興趣目標候選框的修正結(jié)果，最后經(jīng)非最大抑制得到最終目標檢測框。

2.根據(jù)權(quán)利要求1所述的基于車載激光雷達點云的三維目標自適應(yīng)檢測方法，其特征在于，保留預(yù)設(shè)范圍內(nèi)的激光雷達點云，將空間劃分為XYZ方向上尺寸統(tǒng)一的柵格，并對各柵格內(nèi)部點云編碼；以每個柵格內(nèi)所有點的均值作為柵格坐標，每個柵格內(nèi)部最多保留固定數(shù)目的點，每幀點云最多保留固定數(shù)目的柵格。

3.根據(jù)權(quán)利要求1所述的基于車載激光雷達點云的三維目標自適應(yīng)檢測方法，其特征在于，將激光雷達點云柵格化后輸入到三維稀疏卷積特征提取器中提取特征，得到三維特征圖和鳥瞰視角下的二維特征圖具體為：將激光雷達點云柵格化后輸入到三維稀疏卷積特征提取器中提取特征，前4層三維稀疏卷積層每層輸出得到4個不同尺度的三維特征圖；最后1層的輸出將高度方向特征所有通道相連，得到鳥瞰視角下的二維特征圖；所述三維稀疏卷積特征提取器包括疊加的5個三維稀疏卷積層，其中第1層由2個流形稀疏卷積構(gòu)成，中間3層由1個普通稀疏卷積和2個流形稀疏卷積構(gòu)成，最后1層由1個普通稀疏卷積構(gòu)成，每個卷積后都連接1個BatchNorm層和1個ReLu激活層。

4.根據(jù)權(quán)利要求1所述的基于車載激光雷達點云的三維目標自適應(yīng)檢測方法，其特征在于，以原始點云、不同尺度的三維特征圖、鳥瞰視角下的二維特征圖為輸入，利用SA結(jié)構(gòu)將不同層級、不同來源的特征整合至稀疏采樣點，最后經(jīng)過全連接層處理得到信息加強的采樣點特征具體如下：

將4個不同尺度三維特征圖中的所有非空體素柵格特征按照輸出層級分別轉(zhuǎn)化為4組點特征，再分別將4組轉(zhuǎn)化后的點特征輸入到以稀疏采樣點為中心的4個SA結(jié)構(gòu)中，柵格特征轉(zhuǎn)化為點特征時將非空體素柵格的中心位置作為點坐標，體素柵格對應(yīng)特征作為點特征；

對稀疏采樣點補充原始點云特征及其二維鳥瞰視角特征，原始點云特征以原始點云為輸入通過1個SA結(jié)構(gòu)得到，采樣點的二維鳥瞰視角特征以二維鳥瞰視角特征為輸入通過二次線性插值得到；

最后將不同來源、不同層級的采樣點對應(yīng)特征級聯(lián)后輸入到全連接層處理，得到加強的采樣點特征。