【技术实现步骤摘要】
一种跨模态融合蒸馏的水面分割方法及系统
[0001]本专利技术涉及计算机视觉
,特别是涉及一种基于LiDAR点云辅助图像跨模态融合蒸馏的水面分割方法及系统。
技术介绍
[0002]无人艇具有风险低、灵活性高等特点,在水面上执行费力和危险的任务,具有很大的应用价值,比如海上监测、应急救援、灾害搜索等。对水面区域进行准确分割,为无人艇的自主安全航行提供了主要保障。为了提高船舶和人员安全性,针对无人艇水面分割方法的研究将是必不可少的。
[0003]水面分割任务适用于理解大规模户外场景,旨在对图像的像素级做处理,将无人艇航行的区域分割为水面区域和非水面区域,这样可以有效的限制检测算法的范围,更好的检测水面和非水面的其他目标,增加检测准确性,确保无人艇的航行安全。过去几年里,人们专注于用相机图像或激光雷达点云作为输入进行水面分割。但由于每种传感器自身的限制,仅使用单传感器的方法在复杂的环境中易受到影响和挑战。具体而言,相机传感器采集的图像可以提供丰富的颜色、纹理等信息,但缺少深度方面的信息,且易受光照和天气的影响。比如,强光线在水面上出现反射情况,会导致相机收集到很多眩光图像,影响水面分割效果。与图像信息相比,激光雷达传感器收集的点云则对深度具有很好的感应,同时对光照和天气等影响因素具有鲁棒性,但缺乏图像所具备的颜色、纹理等丰富信息。因此,有研究提出可以用激光雷达点云辅助相机图像,将两者融合的方法来感知环境,提高分割算法的性能。
[0004]然而,现有的融合方法网络十分复杂,同时处理图像和点云的计算负担重 ...
【技术保护点】
【技术特征摘要】
1.一种跨模态融合蒸馏的水面分割方法,其特征在于,所述方法包括:获取2D图像数据和3D点云数据;所述2D图像数据和所述3D点云数据在同一视野内;利用2D网络获取所述2D图像数据的2D特征图根据获取所述2D图像数据的相机的内参矩阵和外参矩阵将所述3D点云数据透视投影至2D平面,得到2D平面像素;利用所述2D平面像素与所述3D点云数据建立点
‑
像素对应关系;查找所述点
‑
像素对应关系中包含的2D特征图中的像素,得到包含像素;将所述包含像素所对应的2D特征提取出来,得到逐点2D特征利用3D网络获取所述3D点云数据的3D特征图F
3D
;利用点与体素的对应关系在所述3D特征图F
3D
上进行最近邻插值法计算,得到逐点3D特征利用MLP网络将所述逐点2D特征转换为3D学习者特征将所述3D学习者特征与所述逐点3D特征拼接融合,得到融合特征利用2D预测网络根据所述逐点2D特征进行水面分割预测,并利用分类器得到2D预测分数;利用3D预测网络根据所述融合特征进行水面分割预测,并利用分类器得到融合预测分数;利用KL散度计算所述2D预测分数和所述融合预测分数之间的蒸馏损失;利用降低所述蒸馏损失的方法调节所述2D预测网络,得到调节2D预测网络;利用所述调节2D预测网络进行水面预测分割。2.根据权利要求1所述的跨模态融合蒸馏的水面分割方法,其特征在于,所述利用2D网络获取所述2D图像数据的2D特征图具体包括:利用2D网络提取所述2D图像数据的多尺度特征;利用反卷积将所述多尺度特征上采样至与所述2D图像数据的分辨率相同,得到2D特征图3.根据权利要求1所述的跨模态融合蒸馏的水面分割方法,其特征在于,所述根据获取所述2D图像数据的相机的内参矩阵和外参矩阵将所述3D点云数据透视投影至2D平面,得到2D平面像素的计算公式为:其中,(u
i
,v
i
)表示2D平面像素坐标,K为相机的内参矩阵,T为相机的外参矩阵,(x
i
,y
i
,z
i
)表示3D点云坐标。4.根据权利要求1所述的跨模态融合蒸馏的水面分割方法,其特征在于,所述点
‑
像素对应关系为:其中,表示向下取整运算操作,(u
i
,v
i
)表示2D平面像素坐标,O
pixel
表示点
‑
像素对应关系映射图,N表示3D点的数量。
5.根据权利要求1所述的跨模态融合蒸馏的水面分割方法,其特征在于,在所述将所述包含像素所对应的2D特征提取出来,得到逐点2D特征之后,还包...
【专利技术属性】
技术研发人员:李小毛,张婧婷,高建焘,彭艳,谢少荣,
申请(专利权)人:上海大学,
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。