一种结合点云形状特征的自动驾驶实时三维目标检测方法技术

本发明专利技术公开了一种结合点云形状特征的自动驾驶实时三维目标检测方法，使用计算机图形学中的三角形网络对局部特征进行表示，从而灵活的呈现复杂的局部体素特征。本发明专利技术对体素内部的每一个点使用K近邻算法寻找距离最近的K个点，使用这些点构建以该点为中心的伞状曲面，使用曲面的法向量方向、曲面中心坐标等信息构建每个点的曲面特征，用全连接神经网络以及最大池化层生成一个曲面特征，从而使用该曲面特征表示点云周围的局部形状。本发明专利技术使用伞状曲面构造为每个点云周围的点云形状进行建模，从而补充了缺失的局部形状学习特征，减少了自动驾驶感知任务中误检与漏检的现象。本发明专利技术在完成点云局部形状建模的同时保证了算法的实时性。的实时性。的实时性。

【技术实现步骤摘要】
一种结合点云形状特征的自动驾驶实时三维目标检测方法


[0001]本专利技术涉及自动驾驶汽车领域的三维目标检测方法，特别是一种结合点云形状特征的自动驾驶实时三维目标检测方法。

技术介绍

[0002]环境感知作为自动驾驶中最重要的一个模块，对于保障车辆安全有着至关重要的作用。其中，三维目标检测通过各类传感器(激光雷达、毫米波雷达、摄像头等)获取目标的位置、尺寸以及类别信息。激光雷达通过对四周物体进行高速的扫描采样，获取到大规模无序点云，从而获得简单并精准的三维场景表征，是对自动驾驶感知方案最重要的传感器之一。随着深度神经网络的发展，目前主流的基于激光雷达点云的三维目标检测算法主要分为基于原始点云的检测方法和基于体素的检测方法。
[0003]其中，基于原始点云的检测方法通常将激光雷达扫描得到的全部点云进行最远点采样和特征聚合：采样部分从全部点云中抽取部分点云，而特征聚合则对这些抽取出来的点云及其周围的点云进行特征聚合，从而使得每个点云聚合周围点云的特征信息。然而，基于原始点云的方法会造成较大的内存和计算开销，并不适应自动驾驶场景下的对检测算法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种结合点云形状特征的自动驾驶实时三维目标检测方法，其特征在于：包含以下步骤：A、为3D场景中的任意体素进行点云分配将车载激光雷达采集到的全部点云P分配给各个体素，当体素内的点云数量超过预设最大点云数量N时随机采样N个点云，当点云数量少于N时使用0将点云数量补齐到N个，从而使每个非空体素中都有相同数量的点云数量N，每个点云包含三维位置坐标信息c及点云反射强度信息i；B、为体素内的任一点云寻找邻接点并构建代表性曲面以体素内任意一个点云作为原点，使用K近邻算法为其找到几何距离最近的K个邻接点云；将这K个邻接点云按照极坐标系下相对当前点云的角度顺时针排序，并依次两两与当前点云构建三角形网格，使得每个点云对应K个三角形网格，计算体素内每个点云对应网格的法向量方向v
norm
及网格中心坐标c
center
，最终为每个点云生成K个法向量及网格中心坐标，具体公式如下：v
norm
＝(c
k
‑
c
current
)
×
(c
k
‑1‑
c
current
)0≤k≤K式中：c
current
表示当前点云的坐标，c
k
表示第k个邻近点的坐标C、对体素内部的代表性曲面进行特征提取将每个点生成网格的法向量方向v
nom
、网格中心坐标c
center
以及网格中心的极坐标c
sphere
使用全连接神经网络以及最大池化，为每个点云生成一个表征局部形状的伞状曲面特征向量f
umbella...

【专利技术属性】
技术研发人员：郭烈，黄亮，余旭东，殷广，赵剑，李刚，
申请(专利权)人：大连理工大学宁波研究院，
类型：发明
国别省市：