一种激光点云数据处理方法、装置、电子设备及存储介质制造方法及图纸

本发明专利技术公开了一种激光点云数据处理方法、装置、电子设备及存储介质，其中，该方法包括：确定点云数据在极坐标系下所对应的深度图像；对所述深度图像进行行采样处理，得到至少一组待输入预先构建的神经网络中的采样数据；其中，所述神经网络中包括扩展残差块；基于所述神经网络对所述采样数据进行处理，得到超分辨率下的目标点云数据。解决了基于点云数据的特征提取不够准确，得到的图像分辨率不高问题，实现了从激光点云数据中获取更多特征信息，得到超分辨率的点云数据，以基于目标点云数据辅助车辆自动驾驶的效果。助车辆自动驾驶的效果。助车辆自动驾驶的效果。

【技术实现步骤摘要】
一种激光点云数据处理方法、装置、电子设备及存储介质


[0001]本专利技术涉及数据处理
，尤其涉及一种激光点云数据处理方法、装置、电子设备及存储介质。

技术介绍

[0002]激光雷达的点云数据对于自动驾驶车辆对周围环境的感知和场景几何信息的理解至关重要。
[0003]由于激光点云数据在水平方向上的分辨率较高，但在垂直方向上的分辨率较低，基于激光点云数据获取的特征信息不够准确，存在场景细节丢失的情况，以至于对自动驾驶车辆进行辅助时，无法为车辆提供更为准确的场景信息。
[0004]为了解决上述问题，需要对激光点云数据的处理方法进行改进。

技术实现思路

[0005]本专利技术提供了一种激光点云数据处理方法、装置、电子设备及存储介质，以解决基于点云数据的特征提取不够准确，得到的图像分辨率不高问题。
[0006]第一方面，本专利技术实施例提供了一种激光点云数据处理方法，包括：
[0007]确定点云数据在极坐标系下所对应的深度图像；
[0008]对所述深度图像进行行采样处理，得到至少一组待输入预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种激光点云数据处理方法，其特征在于，包括：确定点云数据在极坐标系下所对应的深度图像；对所述深度图像进行行采样处理，得到至少一组待输入预先构建的神经网络中的采样数据；其中，所述神经网络中包括扩展残差块；基于所述神经网络对所述采样数据进行处理，得到超分辨率下的目标点云数据。2.根据权利要求1所述的方法，其特征在于，所述确定点云数据在极坐标系下所对应的深度图像，包括：根据目标激光雷达所对应的线束数量以及划分的网格数据，确定与所述深度图像相对应的图像尺寸；确定位于同一网格内的点云数据组；对于各点云数据组，根据当前点云数据组中各点云数据的坐标信息，确定与所述当前点云数据组所对应的极坐标；基于各点云数据组的极坐标，确定所述深度图像。3.根据权利要求2所述的方法，其特征在于，所述根据当前点云数据组中各点云数据的坐标信息，确定与所述当前点云数据组所对应的极坐标，包括：通过对所述点云数据的坐标信息求均值，得到与所述当前点云数据组相对应的均值坐标；基于所述均值坐标，确定所述极坐标。4.根据权利要求1所述的方法，其特征在于，所述神经网络包括第一尺寸的卷积层、扩展残差块、第二尺寸的卷积层和转置卷积层，所述扩展残差块中包括第一参数的卷积层、第二参数的卷积层以及第三参数的卷积层以及第四参数的卷积层。5.根据权利要求4所述的方法，其特征在于，所述神经网络的损失函数由至少两部分构成，所述至少两部分包括深度图像损失函数和特征匹配对抗性损失函数。6.根据权利要求1所述的方法，其特征在于，还包括：确定历史点云数据在极坐标系下的历史深度图像，并对所述历史深度图像采样处理，得到至少一个历史采样数据；...

【专利技术属性】
技术研发人员：蒋萌，王宇，孙雪，庞伟凇，
申请(专利权)人：中国第一汽车股份有限公司，
类型：发明
国别省市：