一种基于深度学习的激光点云目标检测识别装置及方法制造方法及图纸

本发明专利技术涉及一种基于深度学习的激光点云目标检测识别装置及方法，方法包括如下步骤：1）数据采集模块采集激光点云数据；2）数据标注模块对激光点云数据进行自动标注；3）深度学习模块对标注后的激光点云数据进行特征提取；4）预测模块根据提取的特征基于深度神经网络模型进行目标的实时预测。本发明专利技术所述一种基于深度学习的激光点云目标检测识别方法中，先对单帧点云数据进行特征提取，然后将提取的特征进行稀疏化处理，转化为可以供RPN卷积神经网络计算的数据结构，将用于图像领域的卷积神经网络移植到三维的激光点云领域，从而提高对激光点云数据中目标检测识别的准确性。点云数据中目标检测识别的准确性。点云数据中目标检测识别的准确性。

A laser point cloud target detection and recognition device and method based on deep learning

【技术实现步骤摘要】
一种基于深度学习的激光点云目标检测识别装置及方法


[0001]本专利技术属于汽车智能化的
，具体涉及一种基于深度学习的激光点云目标检测识别装置及方法。

技术介绍

[0002]随着汽车智能化的快速发展，越来越多的汽车上搭载了自动驾驶系统。自动驾驶系统利用各种传感器感知车辆周围的环境情况，激光雷达不仅测距远、精度高，还能获取三维立体的激光点云数据，激光点云数据包括被测物体的三维结构信息、强度信息、RGB信息以及扫描方向信息等，自动驾驶系统可基于激光点云数据作出更为准确的判断和控制。
[0003]自动驾驶系统利用激光点云数据时需要进行目标检测识别，激光点云目标检测识别的传统方法主要包括如下流程：分割地面、点云聚类、特征提取和检测识别，如中国专利CN201710188951.X一种基于激光点云的动静态目标物识别方法及装置，这种传统方法存在如下问题：一是分割地面通常依赖于人为设计的特征和规则，如设置一些阈值、表面法线等，泛化能力较差；二是多阶段的处理流程可能产生复合型错误，如聚类和分类并没有建立在一定上下基础上，可能出现目标周围的环境信息缺本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于深度学习的激光点云目标检测识别装置，其特征在于：包括数据采集模块、数据标注模块、深度学习模块和预测模块；数据采集模块用于采集激光点云数据，数据标注模块用于对激光点云数据进行自动标注，深度学习模块用于对标注后的激光点云数据进行特征提取和用于训练深度神经网络模型，预测模块用于根据提取的特征基于深度神经网络模型进行目标的实时预测。2.根据权利要求1所述一种基于深度学习的激光点云目标检测识别装置，其特征在于：数据采集模块还用于采集与激光点云数据时空同步的图像数据。3.根据权利要求2所述一种基于深度学习的激光点云目标检测识别装置，其特征在于：数据标注模块还用于对图像数据进行自动标注。4.一种基于深度学习的激光点云目标检测识别方法，其特征在于：使用如权利要求3所述一种基于深度学习的激光点云目标检测识别装置，包括如下步骤：1)数据采集模块采集激光点云数据；2)数据标注模块对激光点云数据进行自动标注；3)深度学习模块对标注后的激光点云数据进行特征提取；4)预测模块根据提取的特征基于深度神经网络模型进行目标的实时预测。5.根据权利要求4所述一种基于深度学习的激光点云目标检测识别方法，其特征在于：步骤1)中数据采集模块还采集与激光点云数据时空同步的图像数据；步骤2)中数据标注模块还对图像数据进行自动标注，并将标注后的图像数据作为参考对标注后的激光点云数据进行校验和修正。6.根据权利要求4所述一种基于深度学习的激光点云目标检测识别方法，其特征在于：步骤2)中自动标注的标注类别有行人、自行车、小型车、中型车和大型车。7.根据权利要求4所述一种基于深度学习的激光点云目标检测识别方法，其特征在于：步骤3)包括如下子步骤：31)设置点云范围P
c
，表达式如下：P
c
＝[x
min
，y
min
，z
min
，x
max
，y
max
，z
max
]其中，x
min
和x
max
分别表示一帧激光点云数据在三维空间中x方向的最小值和最大值，y
min
和y
max
分别表示一帧激光点云数据在三...

【专利技术属性】
技术研发人员：刘金彦，王宽，邓皓匀，程光凯，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：