路沿检测方法、装置、车辆及存储介质制造方法及图纸

本申请涉及一种路沿检测方法、装置、车辆及存储介质，其中，方法包括：获取原始点云数据，并对原始点云数据进行滤波处理和感兴趣区域ROI划分，得到点云ROI区域；将点云ROI区域内的点云数据输入至预设的路沿检测网络模型，得到路沿关键点的点云信息，其中，预设的路沿检测网络模型由点云特征提取结构网络、2D backbone骨干网络、Decoder网络和Head网络构成；基于预设的聚类和极坐标系排序方法，对路沿关键点的点云信息进行处理得到路沿的polyline，并根据路沿的polyline拟合得到路沿的形状。由此，解决相关技术可迁移性较差，效果不佳等问题，可增强路沿检测的迁移性和复用性。性。性。

【技术实现步骤摘要】
View，鸟瞰图)平面，并通过所述Decoder网络进行2D平面上的特征提取，得到目标点云特征；将所述目标点云特征输入至所述Head网络，得到所述路沿关键点的点云信息。
[0009]根据上述技术手段，本申请可以可提高路沿点云检测的效果，并且在无人驾驶多场景下均可适用，迁移性较强。
[0010]可选地，在一些实施例中，所述基于所述点云特征提取结构网络，对所述点云ROI区域内的点云数据进行处理，得到3D稀疏卷积结果，包括：基于预设的体素格子，对所述点云ROI区域内的点云数据进行网格化处理，得到多个体素格；根据每个体素格的最大点云数量对所述每个体素格进行下采样或填充，得到所述3D稀疏卷积结果。
[0011]根据上述技术手段，本申请可以检测远处的路沿点云，检测范围广，且针对弯曲性较大或者遮挡的路沿点云均有较好的检测效果。
[0012]可选地，在一些实施例中，所述Head网络包括分类损失函数和回归损失函数，所述将所述目标点云特征输入至所述Head网络，得到所述路沿关键点的点云信息，包括：根据所述分类损失函数对所述目标点云特征进行分类处理，得到点云分类结果；根据所述本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种路沿检测方法，其特征在于，包括以下步骤：获取原始点云数据，并对所述原始点云数据进行滤波处理和感兴趣区域ROI划分，得到点云ROI区域；将所述点云ROI区域内的点云数据输入至预设的路沿检测网络模型，得到路沿关键点的点云信息，其中，所述预设的路沿检测网络模型由点云特征提取结构网络、2D backbone骨干网络、Decoder网络和Head网络构成；以及基于预设的聚类和极坐标系排序方法，对所述路沿关键点的点云信息进行处理得到路沿的polyline，并根据所述路沿的polyline拟合得到路沿的形状。2.根据权利要求1所述的方法，其特征在于，所述将所述点云ROI区域内的点云数据输入至预设的路沿检测网络模型，得到路沿关键点的点云信息，包括：基于所述点云特征提取结构网络，对所述点云ROI区域内的点云数据进行处理，得到3D稀疏卷积结果；根据所述3D稀疏卷积结果得到稀疏特征，并基于所述2D backbone骨干网络，将所述稀疏特征投影到BEV平面，并通过所述Decoder网络进行2D平面上的特征提取，得到目标点云特征；将所述目标点云特征输入至所述Head网络，得到所述路沿关键点的点云信息。3.根据权利要求2所述的方法，其特征在于，所述基于所述点云特征提取结构网络，对所述点云ROI区域内的点云数据进行处理，得到3D稀疏卷积结果，包括：基于预设的体素格子，对所述点云ROI区域内的点云数据进行网格化处理，得到多个体素格；根据每个体素格的最大点云数量对所述每个体素格进行下采样或填充，得到所述3D稀疏卷积结果。4.根据权利要求3所述的方法，其特征在于，所述Head网络包括分类损失函数和回归损失函数，所述将所述目标点云特征输入至所述Head网络，得到所述路沿关键点的点云信息，包括：根据所述分类损失函数对所述目标点云特征进行分类处理，得到点云分类结果；根据所述回归损失函数对所述目标点云特征进行回归处理，得到所述路沿的位置；根据所述点云分类结果和所述路沿的位置得到所述路沿关键点的点云信息。5.根据权利要求1
‑<...

【专利技术属性】
技术研发人员：贾一石，
申请(专利权)人：重庆长安汽车股份有限公司，
类型：发明
国别省市：