[發明專利]一種基于LiDAR點云數據的目標識別監測方法

在審

• 申請號: 202110596783.4
• 申請日: 2021-05-31
• 公開（公告）號: CN113298163A
• 公開（公告）日: 2021-08-24
• 發明（設計）人: 劉斌;熊國友;高浦潤;盧波;楊澤明;楊斌;曹天恩;楊光燦;楊濤;胡芳芳
• 申請（專利權）人: 國網湖北省電力有限公司黃石供電公司;北京博研中能科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04;G06K9/00
• 代理公司: 黃石市三益專利商標事務所 42109
• 代理人: 程愷

1.一種基于LiDAR點云數據的目標識別監測方法，其特征是：包括以下步驟：

采用激光雷達探測變電站工作人員獲得稀疏的點云數據，將代表三維幾何信息的原始點云數據喂入PointRCNN神經網絡提取特征，第一階段提取前景點，生成感興趣區域RoI，第二階段對生成的框進行細化；所述PointRCNN的特征提取網絡是基于PointNet++的網絡，特征提取部分由多層感知器MLP、T-Net和Max-pooling層組成；

使用基于層的累積模塊對點云數據進行累加，以增強對象的語義信息；

使用隨機森林算法對特征進行分類，判斷出工作人員是否戴有安全帽。

2.根據權利要求1所述一種基于LiDAR點云數據的目標識別監測方法，其特征是：所述步驟1）中T-Net是一個微型網絡，作用是生成需要的大小的旋轉矩陣，不改變數據或者特征圖結構的情況下使點云空間旋轉不變性，MLP用于神經網絡的特征提取，Max-pooling將MLP學到的網絡池化，全連接成全局特征，用于分類和分割。

3.根據權利要求2所述一種基于LiDAR點云數據的目標識別監測方法，其特征是：所述步驟1）中將特征提取網絡進行減重，具體減重方案為，在特征提取過程中，將特征提取矩陣的維度降低到原來的1/2。

4.根據權利要求1所述一種基于LiDAR點云數據的目標識別監測方法，其特征是：所述步驟2）中根據ICP算法對連續的點云數據進行剛性變換，通過SVD優化算法得到最適合的轉換矩陣，然后累積連續點云并對累積后的點云進行重采樣，ICP算法目的是使用一組映射H矩陣，對源點云進行旋轉、平移操作，將不同坐標系下的點云統一到同一坐標系下，旋轉矩陣的選擇目標是使源點云和目標點云的歐氏距離最小。

5.根據權利要求1所述一種基于LiDAR點云數據的目標識別監測方法，其特征是：所述步驟3）中基于累積后的人體點云，選擇最高點為種子點，使用球半徑鄰域獲取每個點的特征信息，然后使用隨機森林算法對特征進行分類。