[發明專利]一種激光雷達車輛檢測的方法、系統、存儲介質及設備

在審

• 申請號: 202111147855.3
• 申請日: 2021-09-29
• 公開（公告）號: CN113900119A
• 公開（公告）日: 2022-01-07
• 發明（設計）人: 龔湛
• 申請（專利權）人: 蘇州浪潮智能科技有限公司
• 主分類號: G01S17/931
• 分類號: G01S17/931;G01S17/89;G01S17/66;G06N3/04;G06N3/08
• 代理公司: 北京連和連知識產權代理有限公司 11278
• 代理人: 李紅蕭;楊帆

1.一種激光雷達車輛檢測的方法，其特征在于，包括以下步驟：

獲取被檢測車輛的激光雷達原始點云圖像并對所述原始點云圖像進行體素化特征提取，從而形成所述被檢測車輛的體素化網格；

在朝向所述被檢測車輛的方向上，按距離將所述被檢測車輛的所述體素化網格的數據進行分塊處理，從而得到多個樣本塊；

對所述多個樣本塊分別進行神經網絡模型設計，其中所述多個樣本塊的所述神經網絡模型具有針對所述多個樣本塊采取的不同的神經網絡維度增強機制和/或數據增強機制；

基于所述多個樣本塊的所述神經網絡模型進行所述檢測車輛的特征提取并進行損失計算，其中所述損失計算包括三維重合度損失。

2.根據權利要求1所述的方法，其特征在于，所述神經網絡維度增強機制包括進行在兩個水平方向上的卷積降維，并且在豎直方向上保持維度的三維稀疏卷積，其中所述兩個水平方向為朝向所述被檢測車輛的方向以及與朝向所述待檢測車輛的方向垂直的水平的方向，并且所述豎直方向為與所述兩個水平方向垂直的方向。

3.根據權利要求1所述的方法，其特征在于，所述數據增強機制包括將所述被檢測車輛的樣本按點云框的四條對角線劃分為四個四棱錐，基于所述四棱錐形成新的樣本。

4.根據權利要求3所述的方法，其特征在于，所述數據增強機制包括:

從被檢測車輛的四個四棱錐中選擇至少一個四棱錐，將四個選出的四棱錐進行組合作為新的樣本；和/或

將被檢測車輛的樣本的至少一個四棱錐中的若干點云數據刪除，并將包含刪除后的點云數據的樣本作為新的樣本。

5.根據權利要求1至4任一項所述的方法，其特征在于，所述在朝向所述被檢測車輛的方向上，按距離將所述被檢測車輛的所述體素化網格的數據進行分塊處理，從而得到多個樣本塊進一步包括：

在朝向所述被檢測車輛的方向上，按照距被檢測車輛的距離，將所述被檢測車輛的所述體素化網絡的數據進行分塊處理，從而得到近處樣本塊、中間樣本塊和遠處樣本塊。

6.根據權利要求5所述的方法，其特征在于，所述對所述多個樣本塊分別進行神經網絡模型設計，其中所述多個樣本塊的所述神經網絡模型具有針對所述多個樣本塊采取的不同的神經網絡維度增強機制和/或數據增強機制進一步包括：

針對所述近處樣本塊、中間樣本塊和遠處樣本塊采取遞進的神經網絡維度增強機制和/或數據增強機制。

7.根據權利要求6所述的方法，其特征在于，所述針對所述近處樣本塊、中間樣本塊和遠處樣本塊采取遞進的神經網絡維度增強機制和/或數據增強機制進一步包括：

針對所述中間樣本塊采取神經網絡維度增強機制；

針對所述遠處樣本塊采取神經網絡維度增強機制和數據增強機制。

8.一種激光雷達車輛檢測的系統，其特征在于，包括：

數據預處理模塊，所述數據預處理模塊配置為獲取被檢測車輛的激光雷達原始點云圖像并對所述原始點云圖像進行體素化特征提取，從而形成所述被檢測車輛的體素化網格；

數據分塊模塊，所述數據分塊化模塊配置為在朝向所述被檢測車輛的方向上，按距離將所述被檢測車輛的所述體素化網格的數據進行分塊處理，從而得到多個樣本塊；

神經網絡模塊，所述神經網絡模塊配置為對所述多個樣本塊分別進行神經網絡模型設計，其中所述多個樣本塊的所述神經網絡模型具有針對所述多個樣本塊采取的不同的神經網絡維度增強機制和/或數據增強機制；

損失計算模塊，所述損失計算模塊配置為基于所述多個樣本塊的所述神經網絡模型進行所述檢測車輛的特征提取并進行損失計算，其中所述損失計算包括三維重合度損失。

9.一種計算機可讀存儲介質，其特征在于，存儲有計算機程序指令，所述計算機程序指令被執行時實現如權利要求1-7任意一項所述的激光雷達車輛檢測的方法。

10.一種計算機設備，包括存儲器和處理器，其特征在于，所述存儲器中存儲有計算機程序，所述計算機程序被所述處理器執行時執行如權利要求1-7任意一項所述的激光雷達車輛檢測的方法。