栅格检测跟踪框架构建环境语义占据与速度场方法及系统技术方案

本发明专利技术涉及一种栅格检测跟踪框架构建环境语义占据与速度场方法及系统，包括：通过多种车载异构传感器，由神经网络的深度学习获取环境的完全语义分割地图；在完全语义分割地图上进行栅格级跟踪，给定上游模块生成的细粒度语义鸟瞰图，对每个栅格的占据和速度进行建模，并将粒子分配到栅格中，进行粒子的更新；进行栅格级后融合，将细粒度的语义和速度信息融合，通过环境中每个栅格的语义，占据和速度的属性全面理解，形成增强的可行驶空间认知。形成增强的可行驶空间认知。形成增强的可行驶空间认知。

【技术实现步骤摘要】
栅格检测跟踪框架构建环境语义占据与速度场方法及系统


[0001]本专利技术涉及一种自动驾驶领域，特别是关于一种利用计算机视觉与概率推理理论，实现栅格级检测与跟踪框架构建环境的语义占据与速度场的方法及系统。

技术介绍

[0002]占据栅格图(OGM)是机器人和自动驾驶领域的一种重要的环境表达形式。通过传感器原始数据描述环境被各种物体的占用率，车辆可以避免与障碍物发生碰撞。栅格地图的主要优点是完全表达感知数据和场景，可以分析感知范围与不确定性，同时通常用作强大的多传感器融合框架。与室内机器人不同，自动驾驶汽车通常在高度动态的交通环境中运行，需要分辨出障碍物的速度，因此产生了动态占据栅格地图(DOGM)技术，主要用蒙特卡洛方法用随机粒子建模栅格速度并通过贝叶斯推断进行粒子筛选并最终得到栅格速度，然而对于大量的数据需要非常大量的粒子数，运行时间很长，同时速度准确率低。
[0003]场景流是一种表示图像或点云中每个点在三维空间中前后两帧之间变化的技术。该技术的主要困难在于使用图像数据的方法难以估计标准三维空间中的运动，点云数据的方法则面临目前没有本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种栅格检测跟踪框架构建环境语义占据与速度场方法，其特征在于，包括：通过多种车载异构传感器，由神经网络的深度学习获取环境的完全语义分割地图；在完全语义分割地图上进行栅格级跟踪，给定上游模块生成的细粒度语义鸟瞰图，对每个栅格的占据和速度进行建模，并将粒子分配到栅格中，进行粒子的更新；进行栅格级后融合，将细粒度的语义和速度信息融合，通过环境中每个栅格的语义，占据和速度的属性全面理解，形成增强的可行驶空间认知。2.如权利要求1所述栅格检测跟踪框架构建环境语义占据与速度场方法，其特征在于，多种车载异构传感器包括：毫米波雷达的点云通过传感器逆映射器形成栅格的速度先验，补充栅格跟踪滤波器在观测中的速度辅助信息；由高线数激光雷达输出稠密的点云信息，以对场景的无盲区完全理解；将车载多相机进行环视的安装，并进行深度估计，通过视角转换在鸟瞰图上分割物体和地面形成语义栅格，以对360
°
场景完全理解。3.如权利要求1所述栅格检测跟踪框架构建环境语义占据与速度场方法，其特征在于，在完全语义分割地图上进行栅格级跟踪，包括：将原始信息旋转到对齐大地坐标系，栅格和粒子不需要旋转操作；设定观测栅格，将目标检测中常见障碍物的栅格区域其感兴趣区域布尔值设置为真；在观测栅格中选择其中感兴趣区域内的栅格，布尔值为真的观测元素，平均分配新生成的粒子到每次观测的栅格中；如果粒子在预测和更新后对应的栅格已经离开感兴趣区域，则使这部分粒子消失，粒子权重变为零，对剩下的粒子的权重进行排序，最终消失的粒子数和新生成的粒子数是相等的设定的超参数；构建动态栅格图，对粒子和栅格进行预测与更新，实现栅格级跟踪。4.如权利要求3所述栅格检测跟踪框架构建环境语义占据与速度场方法，其特征在于，构建动态栅格图，包括：对粒子进行预测，将已有的粒子根据合适的运动学模型预测当前的粒子在下一帧的位置和速度，包括在预测后计算每个粒子的新网格单元索引；将粒子分配到栅格，根据网格单元索引对所有粒子进行排序，每个粒子检查它是具有相同索引的组的第一个还是最后一个粒子；如果是，则将其索引写入相应的网格单元中，对栅格占据状态进行预测与更新；对持续存在的粒子进行更新，计算粒子相对于观测的似然函数，并根据似然函数调整粒子的权重，最后对权重归一化，不改变粒子的状态变量；对于单个粒子来说，新的权重等于旧的权重乘似然函数再进行归一化；根据粒子的宏观统计状态变量输出栅格的速度信息，包括粒子的速度...

【专利技术属性】
技术研发人员：江昆，杨殿阁，施以宁，王云龙，杨蒙蒙，
申请(专利权)人：清华大学，
类型：发明
国别省市：