[發明專利]基于無人車激光雷達數據進行透視與俯瞰特征融合的方法

在審

• 申請號: 202110627186.3
• 申請日: 2021-06-04
• 公開（公告）號: CN113361601A
• 公開（公告）日: 2021-09-07
• 發明（設計）人: 張雨
• 申請（專利權）人: 北京輕舟智航科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/00;G06K9/46
• 代理公司: 北京慧誠智道知識產權代理事務所(特殊普通合伙) 11539
• 代理人: 李楠

本發明實施例涉及一種基于無人車激光雷達數據進行透視與俯瞰特征融合的方法，所述方法包括：獲取無人車激光雷達對第一目標環境進行掃描生成的第一點云張量；對第一點云張量進行二維體素特征提取處理，生成第一俯瞰特征張量；根據預設的透視模式，對第一點云張量進行對應的二維體素特征提取處理，生成第一透視特征張量；使用第一透視特征張量對第一俯瞰特征張量進行特征融合處理，生成第一融合特征張量；使用1×1卷積網絡對第一融合特征張量進行降維處理。本發明方法既可以降低體素化算法的計算復雜度，滿足自動駕駛領域計算低時延的要求，又能避免因僅使用俯瞰特征導致自車周圍環境高度信息丟失的問題。

技術領域

本發明涉及數據處理技術領域，特別涉及一種基于無人車激光雷達數據 進行透視與俯瞰特征融合的方法。

背景技術

點云數據(point cloud data)是指以點形式記錄掃描信息的數據，由激 光雷達掃描得到的每個點云數據都包含一個三維坐標(X,Y,Z)和一個激光反 射強度信息(Intensity)。體素是體積元素(volumepixel)的簡稱，是數字三 維空間上分割出的最小單位。在數字三維空間上，包含體素的立體可以通過 體素特征提取、立體渲染等操作，以多邊形或等值面的形式表現出來。應用 在自動駕駛領域，可將從點云數據中提取出的體素特征輸入到用于目標檢測 或目標分類的人工智能模型中進行計算，從而得到對行駛路線周圍物體的分 類識別結果。

當下常見的點云體素特征提取方法就是基于笛卡爾坐標系下的三維體素 化方法(例如VoxelNet方法)。但三維體素化方法計算復雜度高，計算時間 長，無法適應自動駕駛領域要求的低時延特性。

發明內容

本發明的目的，就是針對現有技術的缺陷，提供一種基于無人車激光雷 達數據進行透視與俯瞰特征融合的方法、電子設備及計算機可讀存儲介質， 對點云數據分別進行基于笛卡爾坐標系的俯瞰二維特征提取和基于透視三維 坐標系的透視二維特征提取，并對提取出的二維俯瞰特征與透視特征進行特 征融合從而得到具有三維特征的語義信息。使用本發明方法，既可以降低體 素化算法的計算復雜度，滿足自動駕駛領域計算低時延的要求，又可以避免 因僅使用俯瞰特征導致自車周圍環境高度信息丟失的問題。

為實現上述目的，本發明實施例第一方面提供了一種基于無人車激光雷 達數據進行透視與俯瞰特征融合的方法，所述方法包括：

獲取無人車激光雷達對第一目標環境進行掃描生成的第一點云張量；

對所述第一點云張量進行二維體素特征提取處理，生成第一俯瞰特征張 量；

根據預設的透視模式，對所述第一點云張量進行對應的二維體素特征提 取處理，生成第一透視特征張量；

使用所述第一透視特征張量對所述第一俯瞰特征張量進行特征融合處 理，生成第一融合特征張量；

使用1×1卷積網絡對所述第一融合特征張量進行降維處理。

優選的，所述第一點云張量的形狀為X*Y*Z*I，所述X為三維坐標系橫軸 坐標維度參數，Y為三維坐標系縱軸坐標維度參數，Z為三維坐標系豎軸坐標 維度參數，I為激光反射強度維度參數；

所述第一俯瞰特征張量的形狀為H₁*W₁*C₁，所述H₁為高度維度參數，所述 W₁為寬度維度參數，所述C₁為通道維度參數；

所述第一透視特征張量的形狀為H₂*W₂*C₂，所述H₂為高度維度參數，所述 W₂為寬度維度參數，所述C₂為通道維度參數,C₂＝C₁；