基于边缘检测优化的激光雷达物体检测方法技术

本发明专利技术公开了基于边缘检测优化的激光雷达物体检测方法，所述激光雷达物体检测方法包括：初始粗预测模块，所述初始粗预测模块包括降采样功能、特征编码功能、特征提取功能、回归功能、分类功能；边缘检测模块，所述边缘检测模块包括区域点云提取功能、密集填充与投影功能、边缘检测功能；优化预测模块，所述优化预测模块包括边缘检测判别功能、特征提取功能、回归功能、分类功能，本发明专利技术能够解决当前自动驾驶车辆行驶中对物体较多且相邻物体距离较近的场景下，一个物体检测包围框包含多个物体的问题。问题。问题。

【技术实现步骤摘要】
基于边缘检测优化的激光雷达物体检测方法


[0001]本专利技术涉及自动驾驶感知
，特别是涉及基于边缘检测优化的激光雷达物体检测方法。

技术介绍

[0002]在自动驾驶车辆行驶过程中，对车辆周边环境精准感知至关重要，而物体检测是环境感知任务中一项非常重要的感知技术。随着深度学习的发展，基于深度学习的物体检测方法因其优异性能已经得到广泛使用，目前现有的激光雷达物体检测方法根据特征提取次数分为单阶段和多阶段两种。其中单阶段激光雷达物体检测方法(PointPillars、SASSD、SESSD等)，通过对输入的激光雷达点云数据进行特征编码、特征提取操作后，直接利用学习的特征进行物体的分类、回归预测；多阶段激光雷达物体检测方法(PointRCNN、PV
‑
RCNN、Voxel
‑
RCNN等)，在第一阶段会对输入的激光雷达点云数据进行特征编码、特征提取操作后，会进行一个较为粗糙的二分类(前景与背景两类)、回归预测，在第二阶段会对第一阶段得到的ROI进行再次特征提取，结合第一阶段的特征，最后得到精确的分类、回归预测结果。
[0003]现有单阶段的激光雷达物体检测方法，都是直接利用表示物体正面的原始点云数据，通过大量数据和卷积神经网络的强大表征能力，直接回归整个物体的长宽高尺寸以及中心点位置，这样做虽然可以得到拟合物体形状的包围框，但在多个物体贴合较为紧密的情境下(比如一个人刚打开车门准备上/下车)，会只得到一个物体的包围框和分类(实际上是两种)。这种预测结果，对自动驾驶车辆后续决策规划会造成一定不良影响，会干扰车辆的安全行驶。

技术实现思路

[0004]为了克服现有技术的不足，本专利技术提供基于边缘检测优化的激光雷达物体检测方法，能够解决当前自动驾驶车辆行驶中对物体较多且相邻物体距离较近的场景下，一个物体检测包围框包含多个物体的问题。
[0005]为解决上述技术问题，本专利技术提供如下技术方案：基于边缘检测优化的激光雷达物体检测方法，所述激光雷达物体检测方法包括：初始粗预测模块，所述初始粗预测模块包括降采样功能、特征编码功能、特征提取功能、回归功能、分类功能；边缘检测模块，所述边缘检测模块包括区域点云提取功能、密集填充与投影功能、边缘检测功能；优化预测模块，所述优化预测模块包括边缘检测判别功能、特征提取功能、回归功能、分类功能。
[0006]作为本专利技术的一种优选技术方案，所述初始粗预测模块中的降采样功能用于对原始点云数据进行降采样，所述初始粗预测模块中的特征编码功能用于对降采样后的点云数据的信息进行编码，所述初始粗预测模块中的特征提取功能利用卷积神经网络，对输入的体素进行处理，得到输入点云数据的高级语义信息，所述初始粗预测模块中的回归功能是利用特征提取功能得到的高级语义信息，回归障碍物的预测结果如中心坐标、长宽高、朝向等信息，这些信息用一个带有朝向标识的长方体包围框表示，所述初始粗预测模块中的分
类功能是对包围框内的点云(即障碍物)进行类别分类，如行人、车辆等，并输出该分类结果的可信度，最后根据置信度，通过NMS算法选出置信度数字最高的M个包围框。
[0007]作为本专利技术的一种优选技术方案，所述边缘检测模块中的区域点云提取功能利用初始粗预测模块得到的三维包围框，所述边缘检测模块中的密集填充功能用于对上述提取得到的区域点云数据进行填充密集化，同时为进行下一步的边缘检测功能，需要对数据去高度值处理(直接将所有点的Z周坐标归零化)，可以得到BEV投影的俯视图，所述边缘检测模块中的边缘检测功能用于判断BEV俯视图中每一个点P与周边K个点连线，相邻两条线的夹角，当夹角大于一定值，我们判定该点P为边缘点。
[0008]作为本专利技术的一种优选技术方案，所述边缘检测功能具体步骤包括：步骤一：对于每一个点P，对点P邻域内(球型分组或者K近邻搜索)的所有点(N个，不包含点P)投影到点P的切平面，此时，点P的位置在投影后并没有改变；步骤二：在投影后的平面内，所有点与P进行连接，按照一定的顺序(逆时针或者顺时针)，可以得到一组每相邻的两条连线组成的夹角集合，θ＝{θ1，θ2，
…
θ
N
}；步骤三：在夹角集合θ＝{θ1，θ2，
…
θ
N
}中找到最大的夹角θ
max
＝max(θ)；步骤四：当θ
max
越大，那么点P越有可能是边界点，此时设置一个阈值，当θ
max
大于设定的阈值时，判定点P为边界点；步骤五：重复以上步骤实现边缘检测，得到包围框内点云的一个边缘点集合。
[0009]作为本专利技术的一种优选技术方案，所述优化预测模块中的边缘检测判别功能利用三维空间中物体是独立存在的，相互之间是存在一定距离，进而可以判断边缘检测模块的结果是否连续，若连续，则证明该框内包含一个物体，无需优化，输出初始粗预测结果即可，若不连续，则说明该框内包含多个物体，需进行优化，所述优化预测模块中的特征提取功能利用卷积神经网络，对输入的点进行处理，得到输入点云数据的高级语义信息，所述优化预测模块中的回归功能利用特征提取功能得到的高级语义信息，优化障碍物的预测回归结果，所述优化预测模块中的分类功能用于对包围框内的点云(即障碍物)进行类别分类，并输出该分类结果的可信度，最后根据置信度，通过NMS算法选出置信度数字最高的那个包围框。
[0010]作为本专利技术的一种优选技术方案，所述边缘检测模块中的区域点云提取功能考虑到初始框不够精确，可能出现相对于真实物体，框较小的情况，此处现将包围框扩大一定倍数，然后通过坐标信息将该三维包围框内的所有点云数据提取出来。
[0011]与现有技术相比，本专利技术能达到的有益效果是：
[0012]本专利技术能对第一阶段得到的包围框内的点云数据进行点的填充，将稀疏的原始点云数据密集化，然后对密集化后的点云数据(包围框内)进行BEV投影，基于BEV投影得到的俯视图进行边缘检测，通过边缘检测结果判断该包围框内是否包含多个物体，如该包围框包含多个物体，则对该包围框内小范围的点云进行第二次检测，对结果进行优化，得到更为精确的检测结果，解决当前自动驾驶车辆行驶中对物体较多且相邻物体距离较近的场景下，一个物体检测包围框包含多个物体的问题。
附图说明
[0013]图1为本专利技术的整体方法流程示意图；
[0014]图2为本专利技术中激光雷达点云数据的边缘检测算法流程示意图。
具体实施方式
[0015]为了使本专利技术实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实施例，进一步阐述本专利技术，但下述实施例仅仅为本专利技术的优选实施例，并非全部。基于实施方式中的实施例，本领域技术人员在没有做出创造性劳动的前提下所获得其它实施例，都属于本专利技术的保护范围。下述实施例中的实验方法，如无特殊说明，均为常规方法，下述实施例中所用的材料、试剂等，如无特殊说明，均可从商业途径得到。
[0016]实施例:
[0017]实施例1：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于边缘检测优化的激光雷达物体检测方法，其特征在于：所述激光雷达物体检测方法包括：初始粗预测模块，所述初始粗预测模块包括降采样功能、特征编码功能、特征提取功能、回归功能、分类功能；边缘检测模块，所述边缘检测模块包括区域点云提取功能、密集填充与投影功能、边缘检测功能；优化预测模块，所述优化预测模块包括边缘检测判别功能、特征提取功能、回归功能、分类功能。2.根据权利要求1所述的基于边缘检测优化的激光雷达物体检测方法，其特征在于：所述初始粗预测模块中的降采样功能用于对原始点云数据进行降采样，所述初始粗预测模块中的特征编码功能用于对降采样后的点云数据的信息进行编码，所述初始粗预测模块中的特征提取功能利用卷积神经网络，对输入的体素进行处理，得到输入点云数据的高级语义信息，所述初始粗预测模块中的回归功能是利用特征提取功能得到的高级语义信息，回归障碍物的预测结果如中心坐标、长宽高、朝向等信息，这些信息用一个带有朝向标识的长方体包围框表示，所述初始粗预测模块中的分类功能是对包围框内的点云(即障碍物)进行类别分类，如行人、车辆等，并输出该分类结果的可信度，最后根据置信度，通过NMS算法选出置信度数字最高的M个包围框。3.根据权利要求1所述的基于边缘检测优化的激光雷达物体检测方法，其特征在于：所述边缘检测模块中的区域点云提取功能利用初始粗预测模块得到的三维包围框，所述边缘检测模块中的密集填充功能用于对上述提取得到的区域点云数据进行填充密集化，同时为进行下一步的边缘检测功能，需要对数据去高度值处理(直接将所有点的Z周坐标归零化)，可以得到BEV投影的俯视图，所述边缘检测模块中的边缘检测功能用于判断BEV俯视图中每一个点P与周边K个点连线，相邻两条线的夹角，当夹角大于一定值，我们判定该点P为边缘点。4.根据权利要求3所述的基于边缘检测优化的激光雷达物体检测方法，其特征在于：所述边缘检测功能具体步骤包括：S1：对于每一个点P，对点P邻域内(球型分组或者K近邻搜索)的所有点(N个，不包含点P)投影到点P的切平面，此时，点P的位置在投影后并没有改变；S2：在投影后的平面内，所...

【专利技术属性】
技术研发人员：赵进，李鑫武，丁华杰，袁亚茹，
申请(专利权)人：上海寻序人工智能科技有限公司，
类型：发明
国别省市：