【技术实现步骤摘要】
利用递归神经网络的三维点云跟踪装置及方法
本专利技术涉及一种点云(pointcloud)跟踪装置及方法,尤其涉及一种利用递归神经网络(RecurrentNeuralNetwork,RNN)的三维(three-dimensional,3D)点云跟踪装置及方法。。
技术介绍
「点云」是指通过三维雷射扫描器所取得到的资料形式。现今中,三维雷射扫描器又可称作为「光达(LiDAR)」,它是主要利用感测反射的雷射光束而来快速获得到大量密布于扫描物体表面上的多个点,并且因为这些点皆可包含有三维坐标,所以光达便能建立起有关此扫描物体的三维点云,以用来描述此扫描物体的表面形状。因此,近年来光达则通常被用于自驾车系统或道路感测系统中,以作为避障或跟踪车辆的用途。然而,当此扫描物体因被遮蔽或在光达视野死角时,现有技术即无法能够建立起有关此扫描物体的三维点云,从而也就失去了以上用途。有鉴于此,本领域亟需一种能够用来重建并预测三维点云的方式。
技术实现思路
本专利技术的目的在于提供一种利用递归神经网络的三维点云跟踪装置及方法,并且为了因应具有多移动目标的复杂环境,所以本专利技术是以整个环境的三维点云来作为跟踪对象。也就是说,本专利技术是用来重建并预测整个环境的三维点云。为达上述目的,本专利技术实施例提供一种利用递归神经网络的三维点云跟踪装置。所述三维点云跟踪装置包括输入/输出界面、存储器以及处理器。输入/输出界面用来接收环境在不同时刻下的不同观测三维点云,且这些观测三维点云由至少一光达所扫描取得。存储器用来储存有关环境的至少一记忆三维点云。处理器则分别与输入/输出界面及存储器电性连接, ...
【技术保护点】
1.一种利用递归神经网络的三维点云跟踪装置,其特征在于,该三维点云跟踪装置包括:一输入/输出界面,用来接收一环境在不同时刻下的不同观测三维点云,其中该些观测三维点云由至少一光达所扫描取得;一存储器,用来储存有关该环境的至少一记忆三维点云;以及一处理器,分别与该输入/输出界面及该存储器电性连接,用来接收该些观测三维点云及该至少一记忆三维点云,并且当收到该环境在一第一时刻下的该观测三维点云时,该处理器利用至少一递归神经网络模型,来对该观测三维点云及该至少一记忆三维点云进行环境重建运算,以得到该环境在该第一时刻下的一重建三维点云,并且再利用该递归神经网络模型,来对该至少一记忆三维点云及一空白三维点云进行环境预测运算,以得到该环境在一第二时刻下的一预测三维点云,其中该第二时刻晚于该第一时刻。
【技术特征摘要】
2017.12.07 TW 1061430261.一种利用递归神经网络的三维点云跟踪装置,其特征在于,该三维点云跟踪装置包括:一输入/输出界面,用来接收一环境在不同时刻下的不同观测三维点云,其中该些观测三维点云由至少一光达所扫描取得;一存储器,用来储存有关该环境的至少一记忆三维点云;以及一处理器,分别与该输入/输出界面及该存储器电性连接,用来接收该些观测三维点云及该至少一记忆三维点云,并且当收到该环境在一第一时刻下的该观测三维点云时,该处理器利用至少一递归神经网络模型,来对该观测三维点云及该至少一记忆三维点云进行环境重建运算,以得到该环境在该第一时刻下的一重建三维点云,并且再利用该递归神经网络模型,来对该至少一记忆三维点云及一空白三维点云进行环境预测运算,以得到该环境在一第二时刻下的一预测三维点云,其中该第二时刻晚于该第一时刻。2.如权利要求1所述的三维点云跟踪装置,其特征在于,该至少一记忆三维点云包括一第一记忆三维点云及一第二记忆三维点云,并且在利用该递归神经网络模型,来对该观测三维点云及该至少一记忆三维点云进行该环境重建运算,以得到该环境在该第一时刻下的该重建三维点云的步骤中,包括:对该观测三维点云进行一第一稀疏卷积运算,以得到一第一运算三维点云;将该第一运算三维点云与该第一记忆三维点云进行一第二稀疏卷积运算,以得到一第二运算三维点云,并且以该第二运算三维点云更新该第一记忆三维点云;以及将该第二运算三维点云与该第二记忆三维点云进行一第三稀疏卷积运算,以得到该环境在该第一时刻下的该重建三维点云,并且以该重建三维点云更新该第二记忆三维点云。3.如权利要求2所述的三维点云跟踪装置,其特征在于,在利用该递归神经网络模型,来对该至少一记忆三维点云及该空白三维点云进行环境预测运算,以得到该环境在该第二时刻下的该预测三维点云的步骤中,包括:将该空白三维点云与该第一记忆三维点云进行一第四稀疏卷积运算,以得到一第三运算三维点云;以及将该第三运算三维点云与该第二记忆三维点云进行一第五稀疏卷积运算,以得到该环境在该第二时刻下的该预测三维点云。4.如权利要求3所述的三维点云跟踪装置,其特征在于,该处理器更用以定义至少一权重自定函数、至少一第一稀疏卷积核及至少一第二稀疏卷积核,并且在以该第二运算三维点云更新该第一记忆三维点云的步骤中,还包括:利用该权重自定函数,来由该第一记忆三维点云、该第二运算三维点云、该第一稀疏卷积核及该第二稀疏卷积核中,决定一权重向量,并且将该第一记忆三维点云更新为该第一记忆三维点云、该第二运算三维点云及该权重向量代入一权重方程式后的结果。5.如权利要求4所述的三维点云跟踪装置,其特征在于,在以该重建三维点云更新该第二记忆三维点云的步骤中,还包括:利用该权重自定函数,来由该第二记忆三维点云、该重建三维点云、该第一稀疏卷积核及该第二稀疏卷积核中,决定该权重向量,并且将该第二记忆三维点云更新为该第二记忆三维点云、该重建三维点云及该权重向量代入该权重方程式后的结果。6.如权利要求5所述的三维点云跟踪装置,其特征在于,该权重自定函数、该第一稀疏卷积核及该第二稀疏卷积核是经由该三维点云跟踪装置在进行完一训练模式后所定义,且该权重向量的分量介于0至1之间。7.如权利要求6所述的三维点云跟踪装置,其特征在于,该权重方程式为p*C1+(1-p)*C2,其中p为该权重向量,且C1及C2分别为该第一记忆三维点云及该第二运算三维点云,或该第二记忆三维点云及该...
【专利技术属性】
技术研发人员:王志维,蔡岳廷,
申请(专利权)人:财团法人资讯工业策进会,
类型:发明
国别省市:中国台湾,71
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。