[發明專利]一種基于輕量化點云補全的地面高度估計方法及系統

在審

• 申請號: 202210766004.5
• 申請日: 2022-07-01
• 公開（公告）號: CN115131758A
• 公開（公告）日: 2022-09-30
• 發明（設計）人: 李怡康;馬濤;費奔
• 申請（專利權）人: 上海人工智能創新中心
• 主分類號: G06V20/56
• 分類號: G06V20/56;G06V10/26;G06V10/764;G06V10/82;G06T7/60;G06T5/00;G06T17/00
• 代理公司: 上海智晟知識產權代理事務所(特殊普通合伙) 31313
• 代理人: 李鏑的

本發明涉及一種基于輕量化點云補全的地面高度估計方法，包括：將初始點云體素化得到初始點云體素；將初始點云體素作為輸入構建二維主干網絡模塊，其中初始點云體素作為輸入，采用編碼器來提取特征，然后通過解碼器進行特征解耦，輸出三維特征圖；通過三維分割頭將二維主干網絡模塊輸出的三維特征圖擴展維度，增加一維語義分類概率分布，并經過三維卷積得到補全點云體素，其中補全點云體素為多層體素；去除補全點云體素中的噪聲以及保留頂層的補全點云體素；以及從頂層的補全點云體素中提取高度信息作為地面高度。

技術領域

本發明涉及計算機視覺技術領域，尤其涉及一種基于輕量化點云補全的地面高度估計方法及系統。

背景技術

地面高度信息在自動駕駛領域有著至關重要的作用。目前絕大多數研究將地面視為不具有高度信息的平面，這樣的假設會降低包括檢測、追蹤等任務的精度。

早期的地面高度估計方法是在DARPA地下城市挑戰中使用的基于投影將3D點映射到2.5D網格，然后應用最小-最大高度圖，但這種方法在橋梁和樹梢的情況下存在較大的誤差。另一類方法是基于2D線提取的快速算法，但其無法擴展到大規模場景。其他方法利用地形的梯度信息，使用馬爾可夫隨機場(MRF)或條件隨機場(CRF)建立地平面模型。最近提出了一種兩階段方法來估計接地點，然后使用隨機抽樣一致性算法(RANSAC)擬合一個平面。將高斯過程回歸(GPR)和魯棒局部加權回歸(RLWR)相結合，形成對地平面的混合回歸模型。但由于高斯過程回歸的計算復雜性，這種方法不是實時的。

語義場景補全(Semantic Scene Completion,SSC)的目的是從不完整的點云輸入中獲得完整的三維體素表示。這個任務由端到端的SSCNet模型率先提出，利用單視圖深度作為輸入，可以同時預測場景補全和語義標注的結果。但SSCNet模型在大規模激光雷達場景下的研究較少，且存在嚴重的幾何細節缺失和無法實時性。最近，S3CNet設計了一個基于稀疏卷積的神經網絡，從單一的、統一的激光雷達(LiDAR)點云預測語義上完成的場景。此外，JS3C-Net提出了一種基于上下文形狀先驗的單幀掃描LiDAR點云語義分割框架。與前面的方法不同，Local-DIFs生成一個不基于體素化的連續場景表示。

大多數現有的地面高度估計方法都使用人為設計的特征，這些特征通常無法應用到大規模場景，實現起來較為復雜，而且計算成本很高。由于沒有考慮地形的稀疏性、遮擋和粗糙度，導致結果不理想。因此，在點云場景補全中設計一個計算復雜度較低、具有實時使用潛力的網絡來補全車輛可通行區域，對于無人駕駛來說具有至關重要的作用。

發明內容

本發明的任務是提供一種基于輕量化點云補全的地面高度估計方法及系統，能夠通過點云補全場景中的道路，從補全結果中提取出地面高度信息，提出了一種能夠用于自動駕駛實時地面點云補全和地面高度估計的深度神經網絡架構，可以用于大規模場景。

在本發明的第一方面，針對現有技術中存在的問題，本發明提供一種基于輕量化點云補全的地面高度估計方法來解決，包括：

將初始點云體素化得到初始點云體素；

將初始點云體素作為輸入構建二維主干網絡模塊，其中初始點云體素作為輸入，采用編碼器來提取特征，然后通過解碼器進行特征解耦，輸出三維特征圖；

通過三維分割頭將二維主干網絡模塊輸出的三維特征圖擴展維度，增加一維語義分類概率分布，并經過三維卷積得到補全點云體素，其中補全點云體素為多層體素；

去除補全點云體素中的噪聲以及保留頂層的補全點云體素；以及

從頂層的補全點云體素中提取高度信息作為地面高度。

在本發明的一個實施例中，所述初始點云為單幀點云，初始點云中的每個點云具有三維坐標(X,Y,Z)和地面標簽/非地面標簽。