一种基于特征融合的野外环境建图方法、设备及存储介质技术

本发明专利技术属于地图建模技术领域，具体涉及一种基于特征融合的野外环境建图方法、设备及存储介质。一种基于特征融合的野外环境建图方法，包括：采集多种图像信息；根据预设算法，解构所述图像信息，获得多种图像特征；建立模型，将所述多种图像特征进行融合，生成可行驶区域特征图。动态融合LiDAR和RGB图像信息，通过交叉学习关注，生成具有融合特征的可行驶区域特征图，以实现精确的越野自由空间检测。以实现精确的越野自由空间检测。以实现精确的越野自由空间检测。

【技术实现步骤摘要】
一种基于特征融合的野外环境建图方法、设备及存储介质


[0001]本专利技术属于地图建模
，具体涉及一种基于特征融合的野外环境建图方法、设备及存储介质。

技术介绍

[0002]自动驾驶发展的最终目标是解放驾驶员，即任何道路环境都不需要人类的关注。为了实现这一目标，有必要对各种道路环境进行研究，而不仅仅局限于道路环境，而现有的研究大多集中于道路环境。自由空间检测是自动驾驶最重要的技术之一，对于结构化的道路场景和非结构化的越野场景有不同的概念。对于前者，自由空间主要指常规道路，而对于越野场景，自由空间的概念相对模糊。自动驾驶汽车需要通过草地、沙地或泥泞的越野环境。这对自动驾驶汽车来说是一个巨大的挑战，因为越野环境复杂多样，例如，高草和矮草在可穿越性方面非常不同，因为高草可能隐藏不可见的障碍物或洞。据我们所知，关于越野环境中自由空间检测的研究相对较少。基于数据驱动的方法在过去十年中取得了巨大成功，世界已经进入深度学习时代。在基于数据驱动的深度学习方法的帮助下，自动驾驶的许多问题已经得到解决，自动驾驶汽车正在成为现实。为了提高自动驾驶的深度学习方法本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于特征融合的野外环境建图方法，其特征在于：所述方法包括：采集多种图像信息；根据预设算法，解构所述图像信息，获得多种图像特征；建立模型，将所述多种图像特征进行融合，生成可行驶区域特征图。2.根据权利要求1所述的一种基于特征融合的野外环境建图方法，其特征在于：采集多种图像信息，包括：通过第一传感器采集RGB图像信息，第二传感器采集LiDAR高程图信息。3.根据权利要求2所述的一种基于特征融合的野外环境建图方法，其特征在于：根据预设算法，解构所述图像信息，获得多种图像特征，包括：从所述LiDAR高程图中提取几何特征，基于所述几何特征形成可行驶性代价，通过对所述可行驶性代价设定阈值，规划识别出第一可行驶区域，形成第一可行驶性地图。4.根据权利要求3所述一种基于特征融合的野外环境建图方法，其特征在于：根据预设算法，解构所述图像信息，获得多种图像特征，还包括：通过预设的Mask R
‑
CNN算法对所述RGB图像进行分割，获得第二可行驶性地图。5.根据权利要求4所述一种基于特征融合的野外环境建图方法，其特征在于：建立模型，将所述多种图像特征进行融合，生成可行驶区域特征图，包括：同步所述第一传感器和所述第二传感器的时间，选取标定参考物，建立统一的全局坐标系，将所述第一可行驶地图和所述第二可行驶地图进行融合，在所述全局坐标系内完成建模。6.根据权利要求5所述一种基于特征融合的野外环境建图方法，其特征在于：将所述第一可行驶地图和所述第二可行驶地图进行融合，包括：将所述第一可行驶性地图和所述第二可行驶性地图输入预设的OFF
‑
Net网路，对所述第二可行驶性地图和第二可行驶性地图的表面法线进行补丁嵌入处理；在所述OFF
‑
Net网路的神经网络层对所述第一可行驶性地图和所述第二可行驶性地图进行斑块叠加，通过预设的S形激活函数进行交叉学习处理，生成所述可行驶区域特征图。7.根据权利要求6所述一种基于特征融合的野外环境建图方法，其特征在于：所述补丁嵌入处理，包括：通过预设的头部Q、K、V计算多头部自我关注函数：在进行所述补丁嵌入处理的过程中，通过3
×
3卷积来捕获Transformer编码器的位置信息：x
out
＝MLP(GELU(Conv3×3(MLP(x
in
))))+x
in<...

【专利技术属性】
技术研发人员：仲元红，陶歆，张靖怡，
申请(专利权)人：重庆大学，
类型：发明
国别省市：