【技术实现步骤摘要】
用于确定激光雷达强度值的方法和系统以及训练方法
[0001]本专利技术涉及一种用于从像点的通过3D场景的模拟产生的距离数据确定像点的强度值的计算机实施的方法。
[0002]本专利技术还涉及一种提供训练的机器学习算法的方法，所述训练的机器学习算法用于从通过3D场景的模拟产生的像点的距离数据确定像点的强度值。
[0003]本专利技术还涉及一种用于从像点的通过3D场景的模拟产生的距离数据确定像点的强度值的系统。此外，本专利技术涉及一种计算机可读介质。
技术介绍
[0004]通常，为了产生激光雷达数据，在真实环境中需要进行复杂的测试行驶，以便获得相应的数据。因此，期望合成地产生激光雷达传感器数据。激光雷达点云基本包括两个特征，即对象的强度和对象到激光雷达传感器的距离。
[0005]激光雷达强度作为激光束的返回强度被记录。例如激光雷达强度可以随着反射激光束的表面对象的特性而变化。低的数字代表低的反射率，高的数字代表高的反射率。返回激光束的强度还可能受到入射角(扫描角)、行程、表面成分、粗糙度和水分含量的影响。<...
【技术保护点】
【技术特征摘要】
1.一种用于从像点(12)的通过3D场景的模拟(14)产生的距离数据(16)确定像点(12)的强度值(10)的计算机实施的方法，所述方法包括以下步骤：提供(S1)像点(12)的距离数据(16)；将输出像点(12)的第一强度值(10A)的机器学习算法(A)应用(S2)于距离数据(16)；将光束跟踪方法(V)应用(S3)于距离数据(16)，以用于在使用用于多个第一像点(12a)的预采集的——尤其是测量的——材料反射值(15)和/或用于多个第二像点(12b)的统计方法(18)的情况下确定像点(12)的第二强度值(10b)；为像点(12)的第一强度值(10a)中的每个第一强度值分配(S4)第一置信值(K1)和/或为像点(12)的第二强度值(10b)中的每个第二强度值分配第二置信值(K2)；以及在使用分配给每个第一强度值(10a)和/或第二强度值(10b)的置信值(K1、K2)的情况下计算(S5)像点(12)的——尤其是经校正的——第三强度值(10c)。2.根据权利要求1所述的计算机实施的方法，其中，所述像点(12)的——尤其是经校正的——第三强度值(10c)通过由第一乘积和第二乘积构成的乘积和除以相应的像点(12)的置信值(K1、K2)的总和而形成加权平均值来计算，第一乘积由相应的第一强度值(10a)和所分配的第一置信值(K1)构成，并且第二乘积由相应的第二强度值(10b)和所分配的第二置信值(K2)构成。3.根据权利要求1或2所述的计算机实施的方法，其中，为在使用用于多个第一像点(12a)的预采集的——尤其是测量的——材料反射值(15)的情况下所确定的第二强度值(10b)比为通过用于多个第二像点(12b)的统计方法(18)所确定的第二强度值(10b)分配更高的置信值(K1、K2)。4.根据前述权利要求中任一项所述的计算机实施的方法，其中，提供所述像点(12)的摄像头图像数据(20)、尤其RGB图像数据，其中，像点(12)的距离数据(16)和像点(12)的摄像头图像数据(20)通过3D场景的模拟(14)来提供。5.根据前述权利要求中任一项所述的计算机实施的方法，其中，所述3D场景的模拟(14)产生像点(12)的原始距离数据(16)作为3D点云，所述3D点云通过图像处理方法(22)转换成2D球坐标并且作为像点(12)的——尤其是2D的——距离数据(16)来提供。6.根据前述权利要求中任一项所述的计算机实施的方法，其中，所述机器学习算法(A)和所述光束跟踪方法(V)同时处理像点(12)的所提供的距离数据(16)。7.根据前述权利要求中任一项所述的计算机实施的方法，其中，在所述3D场景的模拟(14)中、尤其是在交通模拟(14)中使用像点(12)的所计算的——尤其是经校正的——第三强度值(10)。8.根据前述权利要求中任一项所述的计算机实施的方法，其中，通过双向反射分布函数确定所述用于多个第一像点(12a)的预采集的——尤其是测量的——材料反射值(15)。9.一种用于提供经训练的机器学习算法(A)的计算机实施的方法，所述机器学习算法用于从像点(12)的通过3D场景的模拟(14)产生的距离数据(16)确定像点(12)的强度值(10...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。