激光点云语义分割方法和装置制造方法及图纸

本发明专利技术实施例提供激光点云语义分割方法和装置，以实现对路沿、护栏等的语义分割。在本发明专利技术实施例中，在获取三维空间点云后，会将三维空间点云划分为至少一个单元，使用深度学习卷积神经网络预测任一单元在预设的语义类别中，所属的n个语义类别(目标语义类别)及各语义类别所对应的高度区间(目标高度区间)。再将该单元位于目标高度区间的所有点的语义类别预测为目标语义类别。上述预设的语义类别至少包括：地面、护栏、路沿。这样，可实现将三维空间点云中的点的语义类别预测为地面、护栏、路沿等，进而可实现从三维空间点云中分割出路沿、护栏等对应的点。

Method and device of laser point cloud semantic segmentation

【技术实现步骤摘要】
激光点云语义分割方法和装置
本专利技术涉及汽车电子
，特别涉及激光点云语义分割方法和装置。
技术介绍
自动驾驶车辆是汽车未来的重要发展方向。在自动驾驶汽车行驶过程中，识别障碍物是智能车辆的基本要求，除了周围车辆、行人外，诸如路沿、护栏等静态障碍物在驾驶过程也要予以识别。自动驾驶车辆一般安装有激光雷达，使用激光雷达可扫描到三维空间点云，如能从三维空间点云中分割出路沿、护栏对应的点，则可进一步识别出路沿、护栏。因此，如何从三维空间点云中分割出路沿、护栏等对应的点是目前研究的热门。
技术实现思路
有鉴于此，本专利技术实施例提供激光点云语义分割方法和装置，以实现对路沿、护栏等的语义分割。为实现上述目的，本专利技术实施例提供如下技术方案：一种激光点云语义分割装置，包括：转换模块，用于：获取三维空间点云；其中，所述三维空间点云包括多个点，每一点的信息包括在预设三维坐标系下的位置信息和反射强度信息，所述空间位置信息包括高度信息；将所述三维空间点云划分为至少一个单元；提取每一单元本文档来自技高网...

【技术保护点】
1.一种激光点云语义分割装置，其特征在于，包括：/n转换模块，用于：/n获取三维空间点云；其中，所述三维空间点云包括多个点，每一点的信息包括在预设三维坐标系下的位置信息和反射强度信息，所述空间位置信息包括高度信息；/n将所述三维空间点云划分为至少一个单元；/n提取每一单元的特征向量；/n语义分割模块，用于：/n以各单元的特征向量为输入，使用深度学习卷积神经网络进行语义分割，得到各单元的预测结果；所述预测结果包括：预测出的n个语义类别，以及，所述n个语义类别中每一语义类别所对应的高度区间；任一单元所对应的n个语义类别中的任意一个为目标语义类别，所述目标语义类别对应的高度区间为目标高度区间；其中，...

【技术特征摘要】
1.一种激光点云语义分割装置，其特征在于，包括：
转换模块，用于：
获取三维空间点云；其中，所述三维空间点云包括多个点，每一点的信息包括在预设三维坐标系下的位置信息和反射强度信息，所述空间位置信息包括高度信息；
将所述三维空间点云划分为至少一个单元；
提取每一单元的特征向量；
语义分割模块，用于：
以各单元的特征向量为输入，使用深度学习卷积神经网络进行语义分割，得到各单元的预测结果；所述预测结果包括：预测出的n个语义类别，以及，所述n个语义类别中每一语义类别所对应的高度区间；任一单元所对应的n个语义类别中的任意一个为目标语义类别，所述目标语义类别对应的高度区间为目标高度区间；其中，所述n个语义类别包括：在由所述深度学习卷积神经网络预测出针对各预设的语义类别的概率后，概率最大的n个语义类别；预设的语义类别至少包括：地面、护栏和路沿；n不小于2，不大于M；M为预设的语义类别的总个数；
预测输出模块，用于：
在所述任一单元中，将位于所述目标高度区间的点的语义类别预测为所述目标语义类别；
其中，所述n个语义类别包括：在由所述深度学习卷积神经网络预测出针对各预设的语义类别的概率后，概率最大的n个语义类别；预设的语义类别至少包括：地面、护栏和路沿；n不小于2，不大于M；M为预设的语义类别的总个数。


2.如权利要求1所述的装置，其特征在于，在所述将所述三维空间点云划分为至少一个单元的方面，所述转换模块具体用于：
将所述三维空间点云在预设平面上的投影划分为N个栅格；N为正整数；
按照所述N个栅格将所述三维空间点云分割为N个体柱单元；其中，每一体柱单元均包括所述三维空间点云中的点，并且，不同体柱单元所包含的点不重叠；一体柱单元的底面为一个栅格；
所述单元具体为体柱单元。


3.如权利要求2所述的装置，其特征在于，在所述提取每一单元的特征向量的方面，所述转换模块具体用于：
将所述体柱单元按高度分为m层；
对每一层提取一个特征数据；所述特征向量包括m个特征数据。


4.如权利要求2所述的装置，其特征在于，
所述深度学习卷积神经网络包括第一分支和第二分支；
所述第一分支用于：
预测任一体柱单元针对各预设的语义类别的概率；
选择概率最大的n个语义类别作为所述预测出的n个语义类别；
所述第二分支用于：预测所述n个语义类别中每一语义类别所对应的高度区间。


5.权利要求2所述的装置，其特征在于，还包括目标编码单元和损失计算单元；其中：
所述目标编码模块用于：
在训练过程中，获取多个体柱单元样本；所述体柱单元样本中的每一点均标注有语义类别；
获取所述体柱单元样本对应的训练目标；所述训练目标包括：目标待识别语义类别，以及，每种目标待识别语义类别所对应的高度区间边界；所述目标待识别语义类别包括：所述体柱单元样本中点数占比最大的n个语义类别；所述高度区间边界包括：属于所述目标待识别语义类别的点中最低点和最高点的高度信息；
将所述多个体柱单元样本和对应的训练目标输入深度学习卷积神经网络进行训练；训练完成后的深度学习卷积神经网络用于在预测阶段进行所述语义分割；<...

【专利技术属性】
技术研发人员：李世明，
申请(专利权)人：北京经纬恒润科技有限公司，
类型：发明
国别省市：北京;11