点云特征图的生成方法、装置及存储介质制造方法及图纸

本申请公开了一种点云特征图的生成方法、装置及存储介质，属于雷达技术领域。所述方法包括：获取目标点云的分布空间，所述目标点云包括多个点；从所述分布空间中获得p组子空间，其中，每组子空间中包括至少一个子空间，p为正整数；根据所述目标点云在每个所述子空间中分布的点的密集程度，从所述p组子空间中选择n个目标子空间，其中，所述n个目标子空间包括在所述每组子空间中分布的点的密集程度位于第1位至第k位的子空间，n和k为正整数；根据所述n个目标子空间中分布的点对所述目标点云进行特征提取，得到所述目标点云的特征图。本申请提供的技术方案可以降低生成目标点云的特征图的运算代价。

Generation Method, Device and Storage Media of Point Cloud Characteristic Map

【技术实现步骤摘要】
点云特征图的生成方法、装置及存储介质
本申请涉及雷达
，特别涉及一种点云特征图的生成方法、装置及存储介质。
技术介绍
激光雷达在国防、无人驾驶以及地理测绘等领域有着较为广泛的应用。激光雷达包括激光收发组件，激光收发组件可以向激光雷达的周围环境发射激光，并可以接收被周围环境中的物体反射回的激光。在激光收发组件一次发射和接收激光的过程中，激光雷达可以根据激光收发组件发射和接收激光的时间差以及激光收发组件的激光发射方向确定周围环境中的物体外表面上的一点。在激光雷达对周围环境进行扫描的过程中，激光收发组件可以多次进行激光的发射和接收，因此，在对周围环境进行扫描的过程中，激光雷达可以确定周围环境中的物体外表面上的多个点，该多个点可以组成一个三维的点云。实际应用中，计算机设备可以采用端到端的识别方案对点云对应的物体(也即是激光雷达周围环境中的物体)进行识别，在端对端的识别方案中，计算机设备可以对点云进行整体的特征提取，从而得到点云的特征图，计算机设备可以根据该特征图对激光雷达周围环境中的物体进行识别。其中，生成点云的特征图是采用端到端方案对激光雷达周围环境中的物体进行识别的基础环节。相关技术中，在对点云进行特征提取的过程中，计算机设备可以获取点云的分布空间，该分布空间一般呈长方体状，该分布空间容纳有点云中的所有点，而后，计算机设备可以遍历点云所在分布空间以对该点云进行特征提取，从而得到点云的特征图。然而，相关技术提供的生成点云特征图的方式需要遍历点云所在分布空间，因此运算代价较大。
技术实现思路
本申请实施例提供了一种点云特征图的生成方法、装置及存储介质。所述技术方案如下：一方面，提供了一种点云特征图的生成方法，该点云特征图的生成方法可以应用于计算机设备中，该计算机设备可以集成在激光雷达中，也可以与激光雷达外连。所述方法包括：获取目标点云的分布空间，所述目标点云包括多个点；从所述分布空间中获得p组子空间，其中，每组子空间中包括至少一个子空间，p为正整数；根据所述目标点云在每个所述子空间中分布的点的密集程度，从所述p组子空间中选择n个目标子空间，其中，所述n个目标子空间包括在所述每组子空间中分布的点的密集程度位于第1位至第k位的子空间，所述分布的点的密集程度包括至少一个下列因素：子空间中分布的点的数量或者子空间中分布的点的密度，n和k为正整数；根据所述n个目标子空间中分布的点对所述目标点云进行特征提取，得到所述目标点云的特征图。在本申请实施例提供的点云特征图的生成方法中，计算机设备可以获取目标点云的分布空间，从该分布空间中获得p组子空间，根据所述目标点云在每个所述子空间中分布的点的密集程度，从所述p组子空间中选择n个目标子空间，并根据n个目标子空间中分布的点对目标点云进行特征提取，得到目标点云的特征图，这样，在生成目标点云的特征图时，计算机设备只需要遍历该n个目标子空间即可，而不需要对目标点云的整个分布空间均进行遍历，由于该n个目标子空间是从分布空间的p组子空间中筛选得到的，因此，该n个目标子空间的体积小于分布空间的体积，故而，在本申请实施例提供的点云特征图的生成方法中，计算机设备可以通过遍历较小体积的空间(也即是n个目标子空间)而生成目标点云的特征图，相较于相关技术中遍历较大体积的空间(也即是分布空间)的方式而言可以降低生成目标点云的特征图的运算代价。可选的，所述从所述分布空间中获得p组子空间，包括：对所述分布空间进行分割，得到若干个长方体状的备选子空间，其中，所述分布空间的任一分割面均为竖直方向，所述若干个长方体状的备选子空间包括p个分布有点的第一类备选子空间和未分布有点的第二类备选子空间，所述分布空间为长方体状；对所述p个第一类备选子空间进行分割，其中，每个所述第一类备选子空间的任一分割面均为平行方向，每个所述第一类备选子空间分割得到的子空间为所述p组子空间中的一组子空间。可选的，当第一类备选子空间有多个时，对于不同的第一类备选子空间，计算机设备可以采用同样的分割策略进行分割。可选的，对于不同的第一类备选子空间，计算机设备可以将其分割为相同数量的子空间，且，分割得到的每个子空间的体积可以均相等。对每个所述第二类备选子空间可以进行分割，也可以不进行分割。假设对每个备选子空间均进行分割，则在本申请实施例提供的一种可能的实现方式中，当第一类备选子空间有多个时，对于不同的第一类备选子空间，计算机设备可以采用同样的分割策略进行分割。可选的，对于不同的第一类备选子空间，计算机设备可以将其分割为相同数量的子空间，且，分割得到的每个子空间的体积可以均相等。在本申请实施例提供的另一种可能的实现方式中，对于不同的备选子空间，计算机设备可以采用不同的分割策略进行分割。可选的，计算机设备可以将分布有点的备选子空间获取为第一类备选子空间，将未分布有点的备选子空间获取为第二类备选子空间，而后，计算机设备可以采用不同的分割策略对第一类备选子空间和第二类备选子空间进行分割。可选的，所述根据所述n个目标子空间中分布的点对所述目标点云进行特征提取，得到所述目标点云的特征图，包括：对于每个所述目标子空间，对所述目标子空间中分布的点进行体素特征提取，得到所述目标子空间的第一特征向量，所述第一特征向量的维数为F，F为正整数；对于每个所述目标子空间，获取所述目标子空间的高度数据；对于每个所述目标子空间，将所述第一特征向量与所述高度数据进行拼接，得到所述目标子空间的第二特征向量；根据每个所述目标子空间的第二特征向量获取所述目标点云的分布数据；对所述分布数据进行特征提取，得到所述目标点云的特征图。可选的，所述根据每个所述目标子空间的第二特征向量获取所述目标点云的分布数据，包括：对于每个所述第一类备选子空间，将所述第一类备选子空间对应的所述目标子空间的第二特征向量进行拼接，得到所述第一类备选子空间的第三特征向量，所述第三特征向量的维数为kF+k；获取目标三维张量，所述目标三维张量由每个所述第一类备选子空间的第三特征向量组成；将所述目标三维张量确定为所述分布数据。可选的，所述对所述分布数据进行特征提取，得到所述目标点云的特征图，包括：对所述分布数据进行二维卷积操作，得到所述目标点云的二维特征图。可选的，所述根据每个所述目标子空间的第二特征向量获取所述目标点云的分布数据，包括：获取目标四维张量，所述目标四维张量由每个所述目标子空间的第二特征向量组成；将所述目标四维张量确定为所述分布数据。可选的，所述对所述分布数据进行特征提取，得到所述目标点云的特征图，包括：对所述分布数据进行三维卷积操作，得到所述目标点云的二维特征图。可选的，所述方法还包括：基于所述目标点云的特征图，对所述目标点云对应的物体进行识别。第二方面，提供一种点云特征图的生成方法，所述方法包括：获取目标点云的分布空间，所述目标点云包括多个点；将所述分布空间分割为m个子空间，其中，m为大于1的整数；根据所述目标点云在每个所述子空间中分布的点的密集程度，从所述m个子空间中选择n个目标子空间，其中，所述n个目标子空间的每个目标子空间中分布的点的密集程度大于预设值，所述每个目标子空间中分布的点的密集程度包括至少一个下列因素：子空间中分布的点的数量或者子空间中分布的点的密度，n为正整数；根据所述n本文档来自技高网...

【技术保护点】
1.一种点云特征图的生成方法，其特征在于，所述方法包括：获取目标点云的分布空间，所述目标点云包括多个点；从所述分布空间中获得p组子空间，其中，每组子空间中包括至少一个子空间，p为正整数；根据所述目标点云在每个所述子空间中分布的点的密集程度，从所述p组子空间中选择n个目标子空间，其中，所述n个目标子空间包括在所述每组子空间中分布的点的密集程度位于第1位至第k位的子空间，所述分布的点的密集程度包括至少一个下列因素：子空间中分布的点的数量或者子空间中分布的点的密度，n和k为正整数；根据所述n个目标子空间中分布的点对所述目标点云进行特征提取，得到所述目标点云的特征图。

【技术特征摘要】
1.一种点云特征图的生成方法，其特征在于，所述方法包括：获取目标点云的分布空间，所述目标点云包括多个点；从所述分布空间中获得p组子空间，其中，每组子空间中包括至少一个子空间，p为正整数；根据所述目标点云在每个所述子空间中分布的点的密集程度，从所述p组子空间中选择n个目标子空间，其中，所述n个目标子空间包括在所述每组子空间中分布的点的密集程度位于第1位至第k位的子空间，所述分布的点的密集程度包括至少一个下列因素：子空间中分布的点的数量或者子空间中分布的点的密度，n和k为正整数；根据所述n个目标子空间中分布的点对所述目标点云进行特征提取，得到所述目标点云的特征图。2.根据权利要求1所述的方法，其特征在于，所述从所述分布空间中获得p组子空间，包括：对所述分布空间进行分割，得到若干个长方体状的备选子空间，其中，所述分布空间的任一分割面均为竖直方向，所述若干个长方体状的备选子空间包括p个分布有点的第一类备选子空间和未分布有点的第二类备选子空间，所述分布空间为长方体状；对所述p个第一类备选子空间进行分割，其中，每个所述第一类备选子空间的任一分割面均为平行方向，每个所述第一类备选子空间分割得到的子空间为所述p组子空间中的一组子空间。3.根据权利要求1或2所述的方法，其特征在于，所述根据所述n个目标子空间中分布的点对所述目标点云进行特征提取，得到所述目标点云的特征图，包括：对于每个所述目标子空间，对所述目标子空间中分布的点进行体素特征提取，得到所述目标子空间的第一特征向量，所述第一特征向量的维数为F，F为正整数；对于每个所述目标子空间，获取所述目标子空间的高度数据；对于每个所述目标子空间，将所述第一特征向量与所述高度数据进行拼接，得到所述目标子空间的第二特征向量；根据每个所述目标子空间的第二特征向量获取所述目标点云的分布数据；对所述分布数据进行特征提取，得到所述目标点云的特征图。4.一种点云特征图的生成方法，其特征在于，所述方法包括：获取目标点云的分布空间，所述目标点云包括多个点；将所述分布空间分割为m个子空间，其中，m为大于1的整数；根据所述目标点云在每个所述子空间中分布的点的密集程度，从所述m个子空间中选择n个目标子空间，其中，所述n个目标子空间的每个目标子空间中分布的点的密集程度大于预设值，所述每个目标子空间中分布的点的密集程度包括至少一个下列因素：子空间中分布的点的数量或者子空间中分布的点的密度，n为正整数；根据所述n个目标子空间中分布的点对所述目标点云进行特征提取，得到所述目标点云的特征图。5.一种装置，其特征在于，所述装置用于生成点云特征图，所述装置包括：获取模块，用于：获取目标点云的分布空间，所述目标点云包括多个点；从所述分布空间中获得p组子空间，其中，每组子空间中包括至少一个子空间，p为正整数；选择模块，用于：根据所述目标电云在每个...

【专利技术属性】
技术研发人员：景存，方民权，杨弢，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：广东,44