基于点云的多源特征融合的重定位方法及装置制造方法及图纸

本发明专利技术提供一种基于点云数据的多源特征融合的重定位方法及装置，其中方法包括：获取待处理点云数据；对所述待处理点云数据进行语义分割，获得语义特征以及与所述语义特征一一对应的语义标签；对所述语义标签进行实例分割，获得实例集合；对所述实例集合进行图卷积特征提取，获得图卷积特征；基于多源特征获得融合向量，其中，所述多源特征包括所述语义特征和所述图卷积特征；将所述融合向量与待匹配定位向量集进行匹配，获得重定位结果。本发明专利技术提供一种基于点云数据的多源特征融合的重定位方法及装置，利用GCN特征识别环境特征，并与语义特征融合，获取更丰富的环境信息，提高识别鲁棒性和准确率。别鲁棒性和准确率。别鲁棒性和准确率。

【技术实现步骤摘要】
基于点云的多源特征融合的重定位方法及装置


[0001]本专利技术涉及计算机
，尤其涉及一种基于点云的多源特征融合的重定位方法及装置。

技术介绍

[0002]高精度识别是自动驾驶的主要基石，它为自动驾驶车辆提供可靠、准确的定位。重定位的本质是提取全局特征，从序列数据中检索特征匹配的数据。
[0003]目前，基于图像数据的自动驾驶技术应用比较广泛，利用图像的颜色和轮廓信息可以提取高识别度的特征，其规则的数据结构也便于深度模型的训练，但其对光照、季节等外界条件的变化比较敏感。当季节和光照发生变化的时候，基于图像特征的识别能力就会下降。

技术实现思路

[0004]本专利技术提供一种基于点云的多源特征融合的重定位方法及装置，用以解决现有技术中基于图像数据的重定位方法鲁棒性差的缺陷，实现提高重定位的鲁棒性。
[0005]第一方面，本专利技术提供一种基于点云的多源特征融合的重定位方法，包括：
[0006]获取待处理点云数据；
[0007]对所述待处理点云数据进行语义分割，获得语义特征以及与所述语义特征一一本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云的多源特征融合的重定位方法，其特征在于，包括：获取待处理点云数据；对所述待处理点云数据进行语义分割，获得语义特征以及与所述语义特征一一对应的语义标签；对所述语义标签进行实例分割，获得实例集合；对所述实例集合进行图卷积特征提取，获得图卷积特征；基于多源特征获得融合向量，其中，所述多源特征包括所述语义特征和所述图卷积特征；将所述融合向量与待匹配定位向量集进行匹配，获得重定位结果。2.根据权利要求1所述的基于点云的多源特征融合的重定位方法，其特征在于，所述基于多源特征获得融合向量之前，还包括：获取与所述待处理点云数据对应的第一图片数据集，基于所述第一图片数据集获得图像特征；所述多源特征还包括所述图像特征。3.根据权利要求1所述的基于点云的多源特征融合的重定位方法，其特征在于，所述待处理点云数据为彩色点云数据。4.根据权利要求3所述的基于点云的多源特征融合的重定位方法，其特征在于，所述彩色点云数据的获取步骤为：获取原始点云数据；获取与所述原始点云数据对应的第二图片数据集；对所述原始点云数据和所述第二图片数据集进行像素融合，获得所述彩色点云数据。5.根据权利要求4所述的基于点云的多源特征融合的重定位方法，其特征在于，所述对所述原始点云数据和所述第二图片数据集进行像素融合，获得所述彩色点云数据，包括：对所述原始点云数据和所述第二图片数据集进行坐标变换，获得与所述原始点云数据对应的像素信息；将所述像素信息和所述原始点云数据进行融合，获得彩色点云数据。6.根据权利要求1
‑
5任一项所述的基于点云的多源特征融合的重定位方法，其特征在于，所述对所述语义标签进行实例分割，获得实例集合，之后还包括：基于所述实例集合获得实例特征；所述多源特征还包括所述实例特征。7.根据权利要求1
‑
5任一项所述的基于点云的多源特征融合的重定位方法，其特征在于，所述对所述实例集合进行图卷积特征提取，获得图卷积特征，包括：基于所述实例集合获得类内属性特征；基于所述...

【专利技术属性】
技术研发人员：邓志东，刘文磊，费家骏，诸子钰，
申请(专利权)人：清华大学，
类型：发明
国别省市：