一种基于点云柱状快速编码算法的自动驾驶目标检测方法技术

本发明专利技术公开了一种基于点云柱状快速编码算法的自动驾驶目标检测方法，包括步骤：一、将点云转换为稀疏伪图像的特征编码器网络；101、点云输入；102、堆积点云柱；103、特征学习；104、生成伪图像；二、将改进的ECA模块加入Point Pillars算法的2D卷积主干网络中，将伪图像处理为高级表示；三、使用SSD检测头进行Bbox的回归，实现自动驾驶3D目标检测。本发明专利技术能够改善目标检测网络在遮挡条件下的检测效果，能够有效提高检测精度。效提高检测精度。效提高检测精度。

【技术实现步骤摘要】
一种基于点云柱状快速编码算法的自动驾驶目标检测方法


[0001]本专利技术属于自动驾驶目标检测
，具体涉及一种基于点云柱状快速编码算法的自动驾驶目标检测方法。

技术介绍

[0002]近年来，以深度学习为基础的人工智能技术的发展突飞猛进，由此依托人工智能技术的自动驾驶汽车在这些年也开始向商业化推进。国内外很多汽车行业龙头公司不断推出安装了高级辅助驾驶系统(Advanced Driver Assistant System)，简称ADAS)的新型汽车。ADAS是主要包含三个方面:环境感知、决策与规划以及对车辆的控制，其中环境感知是指从驾驶车辆的道路环境中获取信息利用收集的信息提取相关知识为后期某些目标决策规划提供支持，属于实现自动驾驶的基础及决定性环节。在自动驾驶领域环境感知的含义是车辆对于道路场景环境的理解能力,例如可行驶区域分割、车道线检测、障碍物类型及位置检测和目标分类跟踪等。
[0003]针对道路场景中自动驾驶车辆目标检测的问题，专家学者们提出通过PCL点云处理库对点云数据进行特征聚类，根据聚类结果得到路面车辆的特征，在此基础上本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于点云柱状快速编码算法的自动驾驶目标检测方法，其特征在于，该方法包括以下步骤：步骤一、将点云转换为稀疏伪图像的特征编码器网络；具体过程为：步骤101、点云输入：将输入点云分割成多个点云柱状单元，每个点云柱在XY平面上以步长L对点云进行划分，得到三维的小单元格；步骤102、堆积点云柱：当每个点云柱中的点云数据数据超过N个时，采用随机采样的方法从中选取N个，当每个点云柱中的点云数据数据少于N个时，采用零填充的方法填充到N个，将一帧点云数据编码成维度为(D,P,N)的稠密张量；步骤103、特征学习：用PointNet网络首先将每个包含D维特征的点用一个线性层Batch Norm和ReLU激活函数处理，生成维度为(C,P,N)的张量；然后对每个点云柱单元进行最大池化操作，得到维度为(C,P)的张量；步骤104、生成伪图像：通过Scatter算子生成伪图像，通过每个点的点云柱索引值，将上一步生成的(C,P)张量转换回其原始点云柱坐标用来创建大小为(C,H,W)的伪图像，其中H和W分别表示伪图像的高度和宽度；步骤二、将改进的ECA模块加入Point Pillars算法的2D卷积主干网络中，将伪图像处理为高级表示；步骤三、使用SSD检测头进行Bbox的回归，实现自动驾驶3D目标检测。2.按照权利要求1所述的一种基于点云柱状快速编码算法的自动驾驶目标检测方法，其特征在于：步骤101中对点云进行划分时，设置XY平面...

【专利技术属性】
技术研发人员：杨钊灿，沈永峰，孙叶凡，陈飞洋，岳松儒，
申请(专利权)人：上海电机学院，
类型：发明
国别省市：