描述了一种方法，所述方法包括接收具有多个数据点的点云，每个数据点表示3D空间中的3D位置，所述点云使用探测和测距(detection and ranging，DAR)传感器获得。对于每个数据点，将所述数据点与包含所述数据点的所述3D位置的3D体积关联，所述3D体积使用根据球坐标划分所述3D空间的3D栅格定义。对于至少一个3D体积，所述数据点根据所述3D栅格的至少一个维度在所述3D体积内排序；所述经排序的数据点作为有序数据点集合存储。所述方法还包括对所述有序数据点集合执行特征提取以生成有序特征向量集合，并提供所述有序特征向量集合以执行机器学习推理任务。学习推理任务。学习推理任务。
【技术实现步骤摘要】
【国外来华专利技术】用于对通过探测和测距传感器获得的点云进行有序表示和特征提取的系统和方法
[0001]相关申请案交叉引用
[0002]本专利申请要求于2019年3月22日提交的序列号为16/362,261、专利技术名称为“用于对通过探测和测距传感器获得的点云进行有序表示和特征提取的系统和方法(SYSTEM AND METHOD FOR ORDERED REPRESENTATION AND FEATURE EXTRACTION FOR POINT CLOUDS OBTAINED BY DETECTION AND RANGING SENSOR)”的美国专利申请的利益，该专利申请的内容通过全文引用的方式并入本文中。
[0003]本专利技术涉及用于生成通过探测和测距(detection and ranging，DAR)传感器提供的点云的有序表示的系统和方法，这有助于从中执行相关特征提取。
技术介绍
[0004]自动驾驶车辆通常包括不同类型的传感器，这些传感器可以用于感测车辆运行的环境，捕获有关环境的信息，并产生表示捕获信息的传感器数据。自动驾驶车辆上越来越流行的一种传感器是LiDAR传感器。LiDAR传感器捕获车辆运行环境中对象的三维(three
‑
dimensional，3D)信息，并在空间中生成表示对象的数据点集合。三维(three
‑
dimensional，3D)空间中的每个数据点集合在本领域中通常称为点云。然而，点云中的数据点集合通常是无序数据点，具有不规则构成，反映了3D空间中不均匀的采样密度。
[0005]自动驾驶车辆通常包括基于机器学习的系统，该系统可以执行特征提取过程，以从由LiDAR传感器获得的点云提取特征，这些特征用于基于机器学习的系统的一个或多个下游推理过程，以执行如3D对象识别和语义分割等模式识别任务。然而，传统的特征提取过程可能无法考虑LiDAR传感器用于生成点云的射线扫描或测距过程。特别地，从LiDAR传感器接收的点云不是如同LiDAR传感器可以放置为从每个方向观看一样进行采样的自然3D表面。相反，LiDAR传感器通常固定在车辆上，且仅扫描有限的视野，因而只能从可以扫描的方向产生尽可能多的数据点。此外，LiDAR传感器每次扫描所产生的点云符合一种空间顺序，该空间顺序通常是针对LiDAR传感器定制的，且在用于执行下游的模式识别任务的一个或多个下游推理过程中没有被适当考虑。
技术实现思路
[0006]本专利技术涉及一种基于点云形成过程的特征提取方法和网格表示，使用球坐标将由DAR传感器感测或扫描的环境的3D空间划分为小体积(也称为“3D仓(3D bin)”)，并对每个小体积(例如3D仓)内的点云的数据点进行排序，从而以有利于进行高效信号处理的方式执行相关特征提取。这种新型的表示为广泛的相关模式识别任务(包括但不限于对象检测和语义分割)定义了3D空间。这些模式识别任务的可靠执行对于自动驾驶车辆至关重要。
[0007]本专利技术描述了一种方法和系统的示例，所述方法和系统用于组织由DAR传感器(如
雷达传感器或LiDAR传感器)提供的点云的数据点，以便能够从点云提取特征，这些特征可以解释边缘、角点和需要了解点云中数据点顺序的其它对象特征。对点云的数据点执行特征提取，并考虑DAR传感器生成点云的过程。
[0008]在一些示例中，使用由DAR传感器感测或扫描的环境的3D空间的3D球面网格表示，将从DAR传感器接收的点云转换为有序特征向量(或增强数据点)集合和元数据。所公开的示例可以通过基于机器学习的系统(例如，自动驾驶车辆中的基于机器学习的系统)的推理子模块实现更高效的模式识别，如对象检测和语义分割。
[0009]在一些方面中，点云的数据点处理基于(1)球坐标中的3D网格表示，所述3D网格表示包括网格所涵盖的每个3D仓内数据点的排序，和(2)特征提取操作，这些特征提取操作将每个3D仓中的数据点转换为使用数据点的空间排序的特征向量和相关元数据。
[0010]根据本专利技术的一个方面，提供了一种方法，所述方法包括接收具有多个数据点的点云，每个数据点表示3D空间中的3D位置，所述点云使用探测和测距(detection and ranging，DAR)传感器获得。对于每个数据点，将所述数据点与包含所述数据点的所述3D位置的3D体积关联，所述3D体积使用根据球坐标划分所述3D空间的3D栅格定义。对于至少一个3D体积，所述方法包括：根据所述3D栅格的至少一个维度对所述3D体积内的所述数据点进行排序；将所述经排序的数据点作为有序数据点集合存储。
[0011]根据本专利技术的另一方面，所述3D体积包括所述3D空间的两个或更多个分区，所述两个或更多个分区是沿着所述3D栅格的一个维度相邻的分区。
[0012]根据本专利技术的另一方面，所述方法包括：对所述有序数据点集合执行特征提取以生成有序特征向量集合；提供所述有序特征向量集合以执行推理任务。
[0013]根据本专利技术的另一方面，执行特征提取包括：对于所述至少一个3D体积，通过应用至少一个特征函数，计算所述3D体积内每个数据点的至少一个特征；通过将所述至少一个计算的特征与相应的数据点关联，为每个所述相应的数据点生成特征向量；根据所述3D栅格对所述特征向量进行排序，以生成所述有序特征向量集合。
[0014]根据本专利技术的另一方面，执行特征提取还包括：对于所述至少一个3D体积，根据至少一个局部模式确定每个数据点的邻域信息；其中，所述邻域信息用于应用所述至少一个特征函数。
[0015]根据本专利技术的另一方面，所述有序特征向量集合表示为一组元组，其中，每个特征向量与所述3D空间的相应分区关联。
[0016]根据本专利技术的另一方面，所述3D空间划分为多个非重叠的3D体积。
[0017]根据本专利技术的另一方面，所述3D空间划分为多个重叠的3D体积。
[0018]根据本专利技术的另一方面，所述DAR传感器是射线扫描DAR传感器。
[0019]根据本专利技术的另一方面，提供了一种装置，所述装置包括：存储指令的存储器；处理器，所述处理器与所述存储器耦合，用于执行所述指令以：接收具有多个数据点的点云，每个数据点表示3D空间中的3D位置，所述点云使用探测和测距(detection and ranging，DAR)传感器获得；对于每个数据点，将所述数据点与包含所述数据点的所述3D位置的3D体积关联，所述3D体积使用根据极坐标划分所述3D空间的3D栅格定义；对于至少一个3D体积，根据所述3D栅格的至少一个维度对所述3D体积内的所述数据点进行排序；将所述经排序的数据点作为有序数据点集合存储。
附图说明
[0020]现在通过示例参考示出本申请的示例性实施例的附图，其中：
[0021]图1是示例性自动驾驶车辆的一些组件的框图；
[0022]图2是用于实现基于机器学习的系统的示例性处理单元的一些组件的框图，所述基于机器学习的系统可用于图1的自动驾驶车辆；
[0023]图3A和图3B是用本文档来自技高网...
【技术保护点】
【技术特征摘要】
【国外来华专利技术】1.一种方法，其特征在于，包括：接收具有多个数据点的点云，每个数据点表示3D空间中的3D位置，所述点云使用探测和测距DAR传感器获得；对于每个数据点，将所述数据点与包含所述数据点的所述3D位置的3D体积关联，所述3D体积使用根据球坐标划分所述3D空间的3D栅格定义；对于至少一个3D体积，根据所述3D栅格的至少一个维度对所述3D体积内的所述数据点进行排序；将所述经排序的数据点作为有序数据点集合存储。2.根据权利要求1所述的方法，其特征在于，所述3D体积包括所述3D空间的两个或更多个分区，所述两个或更多个分区是沿着所述3D栅格的一个维度相邻的分区。3.根据权利要求1或2所述的方法，其特征在于，还包括：对所述有序数据点集合进行特征提取，以生成有序特征向量集合；提供所述有序特征向量集合以执行推理任务。4.根据权利要求3所述的方法，其特征在于，执行特征提取包括：对于所述至少一个3D体积，通过应用至少一个特征函数，计算所述3D体积内每个数据点的至少一个特征；通过将所述至少一个计算的特征与相应的数据点关联，为每个所述相应的数据点生成特征向量；根据所述3D栅格对所述特征向量进行排序，以生成所述有序特征向量集合。5.根据权利要求4所述的方法，其特征在于，执行特征提取还包括：对于所述至少一个3D体积，根据至少一个局部模式确定每个数据点的邻域信息；其中，所述邻域信息用于应用所述至少一个特征函数。6.根据权利要求4所述的方法，其特征在于，所述有序特征向量集合表示为一组元组，其中，每个特征向量与所述3D空间的相应分区关联。7.根据权利要求1至6中任一项所述的方法，其特征在于，所述3D空间划分为多个非重叠的3D体积。8.根据权利要求1至7中任一项所述的方法，其特征在于，所述3D空间划分为多个重叠的3D体积。9.根据权利要求1至8中任一项所述的方法，其特征在于，所述DAR传感器是射线扫描DAR传感器。10.一种处理单元，其特征在于，包括：存储指令的存储器；处理器，与所述存储器耦合，用于执行所述指令以：接收具有多个数据点的点云，每个数据点表示3D空间中的3D位置，所述点云使用探测和测距DAR传感器获得；对于每个数据点，将所述数据点与包含所述数据点的所述3D位置的3D体积关联，所述3D体积使用根据极...
【专利技术属性】
技术研发人员：巴勃罗，
申请(专利权)人：华为技术有限公司，
类型：发明
国别省市：
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。