一种激光雷达点云预训练方法技术

本发明专利技术涉及自动驾驶技术领域，具体涉及一种激光雷达点云预训练方法，包括：向点云空间输入点云；将点云空间划分为若干体素；确定点云空间中的非空体素；对非空体素进行采样，得到非掩码体素和掩码体素；对掩码体素进行位置掩码或形状掩码；将掩码体素和非掩码体素输入至体素编码器，输出代表每一个体素的特征向量；将每个体素的特征向量输入至骨干中提取特征，输出每一个体素的特征数据；根据每个掩码体素的特征数据将该掩码体素被掩码的信息恢复；将经过上述预训练后的体素编码器和骨干的权重保留迁移到下游任务中使用。其能显著降低检测网络对带标注数据的依赖，使得网络在使用有限标注数据训练的情况下也能将性能显著提高。高。高。

【技术实现步骤摘要】
一种激光雷达点云预训练方法


[0001]本专利技术涉及自动驾驶
，具体而言，涉及一种激光雷达点云预训练方法。

技术介绍

[0002]激光雷达点云检测是从激光雷达扫描得到的场景点云中检测物体，输出物体的三维包围盒以及类别，往往应用在室外车辆自动驾驶场景。
[0003]现有激光雷达点云检测网络需要大量带标注的数据进行训练检测网络对带标注的数据具有非常高的依赖性，网络在有限的标注数据下性能很难提高。
[0004]有鉴于此，特提出本申请。

技术实现思路

[0005]本专利技术的目的在于提供一种激光雷达点云预训练方法，其能够对检测网络的体素编码器和骨干进行预训练，从而显著降低检测网络对带标注数据的依赖，使得网络在使用有限标注数据训练的情况下也能将性能显著提高。
[0006]本专利技术的实施例是这样实现的：
[0007]一种激光雷达点云预训练方法，其包括如下步骤：
[0008]S1：划定点云空间，向点云空间中输入整个场景的点云；
[0009]S2：将点云空间划分为大小相等的若干体素，将位本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种激光雷达点云预训练方法，其特征在于，包括如下步骤：S1：划定点云空间，向所述点云空间中输入整个场景的点云；S2：将所述点云空间划分为大小相等的若干体素，将位于同一体素内的点云归为一组；S3：确定所述点云空间中的非空体素；S4：对非空体素进行采样，采样出来的非空体素作为非掩码体素，没有被采样到的非空体素作为掩码体素；S5：对掩码体素进行位置掩码或形状掩码，并将需要进行掩码的信息替换成可学习的特征信息；其中，一个掩码体素采用一种掩码形式；S6：将掩码体素和非掩码体素输入至体素编码器，输出代表每一个体素的特征向量；S7：将每个体素的特征向量输入至Transformer骨干中提取特征，输出每一个体素的特征数据；S8：根据每个掩码体素的特征数据将该掩码体素被掩码的信息恢复；以及S9：将经过步骤S1～S8预训练后的体素编码器和Transformer骨干的权重保留迁移到下游任务中使用。2.根据权利要求1所述的激光雷达点云预训练方法，其特征在于，在所述步骤S4中，采用最远点采样按照预设的采样比例对非空体素进行采样。3.根据权利要求1所述的激光雷达点云预训练方法，其特征在于，在所述步骤S4中，重复执行采样过程用以得到分别用于位置掩码和形状掩码的体素。4.根据权利要求1所述的激光雷达点云预训练方法，其特征在于，每个非空...

【专利技术属性】
技术研发人员：徐润森，王泰，张文蔚，陈润健，曹金坤，庞江淼，林达华，
申请(专利权)人：上海人工智能创新中心，
类型：发明
国别省市：