高程预测方法、装置、终端设备以及存储介质制造方法及图纸

本发明专利技术公开了一种高程预测方法、装置、终端设备以及存储介质，通过获取目标飞行器的飞行数据；将飞行数据输入预先训练的高程预测模型进行预测，得到高程地图，其中，高程预测模型基于样本真值信息训练得到，样本真值信息基于获取的3D点云信息进行不等距栅格划分得到。通过对3D点云信息进行不等距栅格划分得到样本真值信息，进而基于样本真值信息训练得到高程预测模型，不等距栅格划分的方式对不同远近的距离提供不同的关注度，避免引入更多远距离物体导致的误差，改善训练得到的高程预测模型的效果，通过训练得到的高程预测模型对目标飞行器的飞行数据进行预测，得到高程地图，为目标飞行器提供了流畅的高程信息，同时提高了高程信息的准确性。信息的准确性。信息的准确性。

【技术实现步骤摘要】
高程预测方法、装置、终端设备以及存储介质


[0001]本专利技术涉及飞行汽车
，尤其涉及高程预测方法、装置、终端设备以及存储介质。

技术介绍

[0002]对于包括飞行汽车或机器人在内的各类飞行器而言，飞行器周围的高程信息是巡航场景中不可或缺的信息，现有技术中的近似场景常采用将多传感器、多视角数据转到BEV(Bird
’
s Eye View，鸟瞰图)视角下进行表达，主要包括对飞行器周围的3D空间进行栅格化，对每个栅格的类别进行预测，此类方法对于算力要求比较高，在空中场景需要预测更多视角方向(下视、上视)情况下，部署应用过程中栅格化的细粒度和算力难以平衡，现有技术中采用的2.5D栅格化方法对算力要求相对较低，但此类方法通常会采用等距栅格化方式生成栅格地图的高度值，而实际场景中，对于不同距离的目标的关注度应该是不同的，同时在模型训练过程中对于不同距离的目标训练难度是不同的，对于远距离物体更难训练，采用等距划分给的方式使得在更关注近距离物体的同时引入更多远距离物体训练产生的误差，导致模型训练难以收敛或者训练指标下降，进而致使通过模型预测出的高程信息准确性较低，进一步导致飞行器难以对巡航过程中的障碍物进行快速感知和预警。
[0003]因此，有必要提出一种提高高程信息的准确性的解决方案。
[0004]上述内容仅用于辅助理解本专利技术的技术方案，并不代表承认上述内容是现有技术。

技术实现思路

[0005]本专利技术的主要目的在于提供一种高程预测方法、装置、终端设备以及存储介质，目的是提高高程信息的准确性。
[0006]为实现上述目的，本专利技术提供一种高程预测方法，所述高程预测方法包括：
[0007]获取目标飞行器的飞行数据；
[0008]将所述飞行数据输入预先训练的高程预测模型进行预测，得到高程地图，其中，所述高程预测模型基于样本真值信息训练得到，所述样本真值信息基于获取的3D点云信息进行不等距栅格划分得到。
[0009]可选地，所述将所述飞行数据输入预先训练的高程预测模型进行处理，得到高程地图的步骤之前还包括：
[0010]获取样本训练数据，其中，所述样本训练数据包括样本图像数据、样本激光点云数据及样本惯导信息；
[0011]根据所述样本图像数据、样本激光点云数据及样本惯导信息确定所述样本真值信息；
[0012]对所述样本图像数据和样本激光点云数据进行特征处理，得到样本融合特征；
[0013]基于所述样本融合特征进行高程地图预测，得到高程地图预测值；
[0014]将所述高程地图预测值与所述样本真值信息进行比对，得到损失参数及指标评价结果；
[0015]基于反向传播机制，根据所述损失参数及指标评价结果进行参数迭代，直至所述高程预测模型收敛，终止训练，得到训练后的高程预测模型。
[0016]可选地，所述根据所述样本图像数据、样本激光点云数据及样本惯导信息确定所述样本真值信息的步骤包括：
[0017]根据所述样本图像数据或样本激光点云数据进行建图，得到3D地图；
[0018]在所述3D地图对应的坐标系下，根据所述样本图像数据及样本激光点云数据对应的样本惯导信息进行计算，得到当前位姿；
[0019]根据所述当前位姿获取自机坐标系下预设范围内的3D点云信息，并基于预设规则对所述3D地图进行不等距栅格划分，得到各个栅格；
[0020]基于所述3D点云信息确定所述各个栅格的高度信息，并将所述各个栅格的高度信息作为所述样本真值信息。
[0021]可选地，所述基于预设规则对所述3D地图进行不等距栅格划分，得到各个栅格的步骤包括：
[0022]在所述自机坐标系下，沿X轴及Z轴方向进行距离的对数转化，得到转化距离；
[0023]对预设距离范围内的转化距离进行栅格划分，得到所述各个栅格。
[0024]可选地，所述对所述样本图像数据和样本激光点云数据进行特征处理，得到样本融合特征的步骤包括：
[0025]将所述样本图像数据输入图像特征提取模块进行特征提取，得到样本图像特征，和/或，将所述样本激光点云数据输入激光点云特征提取模块进行特征提取，得到样本激光点云特征；
[0026]基于视角转换模块将所述样本图像特征和样本激光点云特征分别投影到自机坐标系，得到转换图像特征和转换激光点云特征；
[0027]对所述转换图像特征和转换激光点云特征进行特征融合，得到所述样本融合特征。
[0028]可选地，所述基于视角转换模块将所述样本图像特征和样本激光点云特征分别投影到自机坐标系，得到转换图像特征和转换激光点云特征的步骤之后还包括：
[0029]判断所述转换图像特征和转换激光点云特征是否包括多帧自机坐标系下的特征；
[0030]若所述转换图像特征和转换激光点云特征包括多帧自机坐标系下的特征，则根据所述样本惯导信息将所述多帧自机坐标系下的特征统一到当前帧的自机坐标系下，得到当前帧对应的转换图像特征和转换激光点云特征。
[0031]可选地，所述基于所述样本融合特征进行高程地图预测，得到高程地图预测值的步骤包括：
[0032]通过神经网络对所述样本融合特征进行压缩，得到压缩特征；
[0033]对所述压缩特征进行栅格划分，得到所述实时高程地图预测值。
[0034]此外，为实现上述目的，本专利技术还提供一种高程预测装置，所述高程预测装置包括：
[0035]获取模块，用于获取目标飞行器的飞行数据；
[0036]预测模块，用于将所述飞行数据输入预先训练的高程预测模型进行预测，得到高程地图，其中，所述高程预测模型基于样本真值信息训练得到，所述样本真值信息基于获取的3D点云信息进行不等距栅格划分得到。
[0037]此外，为实现上述目的，本专利技术还提供一种终端设备，所述终端设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的高程预测程序，所述高程预测程序被所述处理器执行时实现如上所述的高程预测方法的步骤。
[0038]此外，为实现上述目的，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有高程预测程序，所述高程预测程序被处理器执行时实现如上所述的高程预测方法的步骤。
[0039]本专利技术实施例提出的一种高程预测方法、装置、终端设备以及存储介质，通过获取目标飞行器的飞行数据；将所述飞行数据输入预先训练的高程预测模型进行预测，得到高程地图，其中，所述高程预测模型基于样本真值信息训练得到，所述样本真值信息基于获取的3D点云信息进行不等距栅格划分得到。通过预先训练的高程预测地图，对目标飞行器的飞行数据进行预测，得到高程地图，并应用于目标飞行器的巡航过程，为目标飞行器提供了准确流畅的高程信息，便于目标飞行器对巡航过程中遇到的障碍物进行感知和预警，从而提高飞行器的安全性能。
附图说明
[0040]图1为本专利技术高程预测装置所属终端设备的功能模块示意图；
[0041]图2为本专利技术高程本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高程预测方法，其特征在于，所述高程预测方法包括以下步骤：获取目标飞行器的飞行数据；将所述飞行数据输入预先训练的高程预测模型进行预测，得到高程地图，其中，所述高程预测模型基于样本真值信息训练得到，所述样本真值信息基于获取的3D点云信息进行不等距栅格划分得到。2.如权利要求1所述的高程预测方法，其特征在于，所述将所述飞行数据输入预先训练的高程预测模型进行处理，得到高程地图的步骤之前还包括：获取样本训练数据，其中，所述样本训练数据包括样本图像数据、样本激光点云数据及样本惯导信息；根据所述样本图像数据、样本激光点云数据及样本惯导信息确定所述样本真值信息；对所述样本图像数据和样本激光点云数据进行特征处理，得到样本融合特征；基于所述样本融合特征进行高程地图预测，得到高程地图预测值；将所述高程地图预测值与所述样本真值信息进行比对，得到损失参数及指标评价结果；基于反向传播机制，根据所述损失参数及指标评价结果进行参数迭代，直至所述高程预测模型收敛，终止训练，得到训练后的高程预测模型。3.如权利要求2所述的高程预测方法，其特征在于，所述根据所述样本图像数据、样本激光点云数据及样本惯导信息确定所述样本真值信息的步骤包括：根据所述样本图像数据或样本激光点云数据进行建图，得到3D地图；在所述3D地图对应的坐标系下，根据所述样本图像数据及样本激光点云数据对应的样本惯导信息进行计算，得到当前位姿；根据所述当前位姿获取自机坐标系下预设范围内的3D点云信息，并基于预设规则对所述3D地图进行不等距栅格划分，得到各个栅格；基于所述3D点云信息确定所述各个栅格的高度信息，并将所述各个栅格的高度信息作为所述样本真值信息。4.如权利要求3所述的高程预测方法，其特征在于，所述基于预设规则对所述3D地图进行不等距栅格划分，得到各个栅格的步骤包括：在所述自机坐标系下，沿X轴及Z轴方向进行距离的对数转化，得到转化距离；对预设距离范围内的转化距离进行栅格划分，得到所述各个栅格。5.如权利要求3所述的高程预测方法，其特征在于，所述对所述样本图像数据和样本激光点云数据进行特征处理，得到样...

【专利技术属性】
技术研发人员：徐敏，谢锴，张新，谷靖，
申请(专利权)人：广东汇天航空航天科技有限公司，
类型：发明
国别省市：