A method, device and electronic device for road image segmentation based on point cloud data are disclosed in the embodiment of the specification. The method includes: point cloud data obtained from the road image, and the corresponding three-dimensional tensor data are obtained by reducing dimension; a lightweight depth neural network is used to segment the tensor data according to the three dimensions. The road image is described, wherein the lightweight deep neural network is trained based on three-dimensional tensor data. By using the spherical coordinate system to reduce the dimension of the collected point cloud data, it can solve the sparse problem of the original collected point cloud data, and can improve the operation speed of the later use of the depth neural network. Further, the UNET deep neural network framework based on the lightweight mobilenet network structure can be used. Based on embedded devices (such as FPGA), it can effectively improve the speed of operation and reduce the power consumption of the device.
【技术实现步骤摘要】
基于点云数据的道路图像分割的方法、装置以及电子设备
本说明书涉及计算机
,尤其涉及一种基于点云数据的道路图像分割的方法、装置以及电子设备。
技术介绍
在自动驾驶领域,道路分割的重要性在于它能够为自动驾驶车辆提供可靠的通行道路区域。传统的道路分割方法往往是根据利用摄像头采集的图像数据来进行道路分割;但是,由于缺乏道路的3d信息,在精度上有所欠缺。为了解决道路分割的精度的问题,近来激光雷达的使用越来越多,它虽然价格昂贵,但能够提供3d信息,且还可以实现精确定位。近年来更有将激光雷达和图像数据融合使用,可以进一步提升精度。但它们的共同问题是处理的数据量大,从而会导致数据处理速度较慢。本专利技术则针对这些缺点来设计更加有效且精确的分割算法。基于现有技术,需要能够更加精确、快速的进行道路分割的方案。
技术实现思路
本说明书实施例提供一种基于点云数据的道路图像分割的方法、装置以及电子设备,用于解决以下技术问题:需要能够更加精确、快速的进行道路分割的方案。为解决上述技术问题,本说明书实施例是这样实现的:本说明书实施例提供的一种基于点云数据的道路图像分割的方法,包括:获取道路图像的点云数据,降维得到对应的三维的张量数据;利用轻量级深度神经网络,根据所述三维的张量数据分割所述道路图像;其中,所述轻量级深度神经网络基于所述三维的张量数据训练得到。进一步地,获取道路图像的点云数据,具体包括:通过激光雷达扫描获得所述道路图像的点云数据。进一步地,降维得到对应的三维的张量数据,具体包括:将所述点云数据中三维直角坐标系转化为球面坐标系;基于所述球面坐标系,对所述道路图像进行网格分割 ...
【技术保护点】
1.一种基于点云数据的道路图像分割的方法,其特征在于,包括:获取道路图像的点云数据,降维得到对应的三维的张量数据;利用轻量级深度神经网络,根据所述三维的张量数据分割所述道路图像;其中,所述轻量级深度神经网络基于所述三维的张量数据训练得到。
【技术特征摘要】
1.一种基于点云数据的道路图像分割的方法,其特征在于,包括:获取道路图像的点云数据,降维得到对应的三维的张量数据;利用轻量级深度神经网络,根据所述三维的张量数据分割所述道路图像;其中,所述轻量级深度神经网络基于所述三维的张量数据训练得到。2.如权利要求1所述的方法,其特征在于,获取道路图像的点云数据,具体包括:通过激光雷达扫描获得所述道路图像的点云数据。3.如权利要求2所述的方法,其特征在于,降维得到对应的三维的张量数据,具体包括:将所述点云数据中三维直角坐标系转化为球面坐标系;基于所述球面坐标系,对所述道路图像进行网格分割;建立球面坐标与网格之间的对应关系,获得所述三维的张量数据。4.如权利要求3所述的方法,其特征在于,根据所述三维的张量数据分割所述道路图像,具体包括:将获得的所述三维的张量数据输入所述轻量级深度神经网络;基于嵌入式设备运行所述轻量级深度神经网络,分割所述道路图像。5.如权利要求1所述的方法,其特征在于,所述轻量级深度神经网络包括:基于mobilenet网络结构的unet深度神经网络框架;所述unet深度神经网络框架包括:采用深度可分解卷积算法的encoder网络和decoder网络。6.一种基于点云数据的道路图像分割的装置,其特征在于,所述装置包括:降维模块,获取道路图像的点云数据,降维得到对应的三维的张量数据;分割模块,利用轻量级深度神经网络,根据所述三维的张量数据分割所述道路图像;其中,所述轻量级深度神经网...
【专利技术属性】
技术研发人员:陈江林,谢波,
申请(专利权)人:新智数字科技有限公司,
类型:发明
国别省市:河北,13
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。