一种基于点云数据简易编码的3D目标检测方法技术

本发明专利技术公开了一种基于点云数据简易编码的3D目标检测方法，该方法将点云数据栅格化，然后通过计算单个栅格内的几何信息和密度信息完成对单个栅格内点集的编码，通过特征拼接和M×N卷积的方式，进行高效的特征降维，最终构建基于点云数据的可应用于卷积神经网络的二维特征图，最后采用一套多尺度卷积的特征提取网络进行特征提取和3D目标检测。所述方法能够高效地将3D特征图降维为2D特征图，从而可以应用于不同2D卷积神经网络进行特征提取和3D目标检测。

A 3D object detection method based on simple point cloud data coding

【技术实现步骤摘要】
一种基于点云数据简易编码的3D目标检测方法
本专利技术涉及激光雷达数据处理与目标识别
，尤其涉及一种基于激光雷达的点云数据栅格化简易编码为二维特征图的方法。
技术介绍
对于支撑实现自动驾驶功能的车载智能计算平台而言，激光雷达是车辆进行周围环境感知的一种重要设备。基于激光雷达点云数据的3D目标检测是实现3D感知重要方式。3D目标检测指的是检测周围环境的物体的类别和具体的3D位置。激光雷达是车辆以及机器人进行周围环境感知的一种重要手段，激光雷达包括激光发射系统、激光接收系统和转动组件，激光发射系统一般由一个单束多线窄带激光器组成，激光器以一定的频率向朝向方向发射激光脉冲，激光脉冲在衰减距离内如果打在物体表面就会反射回来，最后被接收系统接收。转动组件通过不间断的转动，使单束多线激光脉冲实现360度周围环境信息的采集，发射器的发射频率可以达到每秒上百万个脉冲，与此同时，接收器也会在相应的时间内接收这些脉冲反射回的激光点，由大量的激光点共同构成可以勾勒周边环境的点云特征图。其中，任意单个点的特征记为pi＝(xi,yi,zi,ri)，xi,yi,zi本文档来自技高网...

【技术保护点】
1.一种基于点云数据简易编码的3D目标检测方法，其特征在于，包括如下步骤：/nS1接收激光雷达反射的点云数据，存置于计算机的内存中，所述点云数据由大量的点构成，在所述激光雷达坐标系中，每个点的特征由X、Y、Z轴的空间坐标值和反射强度r表示；/nS2对所述点云数据，根据需要选定目标区域，对于不在目标区域的点，进行丢弃；/nS3对选定的目标区域进行栅格化，将其分隔成具有三维栅格的栅格化空间；/nS4对于栅格化后的每个栅格，均从栅格内的点集中随机选择m个点来计算几何信息和密度信息，作为该栅格的特征向量，对所有栅格进行编码后，将栅格化的点云数据编码为3D特征图；/nS5根据栅格化过程中高度方向的划分，...

【技术特征摘要】
1.一种基于点云数据简易编码的3D目标检测方法，其特征在于，包括如下步骤：
S1接收激光雷达反射的点云数据，存置于计算机的内存中，所述点云数据由大量的点构成，在所述激光雷达坐标系中，每个点的特征由X、Y、Z轴的空间坐标值和反射强度r表示；
S2对所述点云数据，根据需要选定目标区域，对于不在目标区域的点，进行丢弃；
S3对选定的目标区域进行栅格化，将其分隔成具有三维栅格的栅格化空间；
S4对于栅格化后的每个栅格，均从栅格内的点集中随机选择m个点来计算几何信息和密度信息，作为该栅格的特征向量，对所有栅格进行编码后，将栅格化的点云数据编码为3D特征图；
S5根据栅格化过程中高度方向的划分，对所有栅格编码后的特征向量进行拼接，使3D特征图降维为2D特征图；
S6对所述2D特征图进行M×N卷积操作，其中M的值为1-3，N的值为1-3，将高度信息编码至通道信息中，生成用于卷积神经网络的2D特征图；
S7对步骤S6生成的2D特征图，采用基于卷积神经网络的特征提取网络进行充分的特征提取；
S8基于步骤S7获得的特征提取的2D特征图，进行实现3D目标检测。


2.根据权利要求1所述的方法，其特征在于，所述步骤S3具体包括：
S31、针对选定的目标区域，选择合适的栅格大小，将目标区域对应的三维空间进行栅格化，形成L×W×H栅格化的目标区域，其中L、W、H分别为目标区域在X、Y、Z轴方向的栅格个数；
S32，针对选定的目标区域内的点，根据其空间坐标值，分配至对应的栅格中。


3.根据权利要求2所述的方法，其特征在于，所述步骤S4具体包括：<...

【专利技术属性】
技术研发人员：李炜，宁亚光，杨明，董铮，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京;11