一种点云数据处理方法技术

本发明专利技术涉及智能驾驶技术领域，更具体的，涉及一种点云数据处理方法

【技术实现步骤摘要】
一种点云数据处理方法、装置、电子设备及存储介质


[0001]本专利技术涉及智能驾驶
，更具体的，涉及一种点云数据处理方法
、
装置
、
电子设备及存储介质
。

技术介绍

[0002]在智能驾驶过程中，车辆利用车载传感器来采集车辆周围环境信息，利用深度学习模型检测出道路
、
车辆
、
行人
、
障碍物等目标对象，通过匈牙利匹配
、
卡尔曼滤波
、
拓展卡尔曼滤波等跟踪技术跟踪这些目标对象并形成轨迹
。
[0003]但深度学习模型往往存在局限性，对于训练样本中出现频率较少的目标对象类型，如清洁车
、
油罐车等，有时无法将其检测出来，会存在漏检的现象，并且在跟踪目标时，由于滤波器存在一定的滞后性，当目标对象在做非线性运动时
(
加速
、
减速或转弯
)
，滤波器跟踪预测的目标对象的位置将与目标对象的真实位置有一定偏差，导致无法有效地跟踪，形成的轨迹本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种点云数据处理方法，其特征在于，包括：基于针对当前帧点云的模型检测结果和点云聚类结果，确定所述当前帧点云的目标聚类对象；所述目标聚类对象携带第一位置信息；从所述目标聚类对象对应的当前预测轨迹数据中确定上一帧点云的历史聚类对象，所述历史聚类对象携带历史位置信息和历史状态信息；基于所述历史位置信息和初始位置偏移量确定所述历史聚类对象在当前帧点云对应的预测聚类对象；所述预测聚类对象携带预测位置信息；基于所述第一位置信息和所述预测聚类对象的所述预测位置信息确定第一距离损失，以及基于所述第一位置信息和所述历史聚类对象的所述历史位置信息确定第二距离损失；基于所述第一距离损失和所述第二距离损失对所述初始位置偏移量进行修正，并更新所述第一距离损失和所述第二距离损失，直至所述第一距离损失和所述第二距离损失分别满足预设条件时停止修正，将停止修正时的所述初始位置偏移量作为目标位置偏移量；基于所述历史状态信息和所述目标位置偏移量，确定所述目标聚类对象的第二状态信息；基于所述目标聚类对象的所述第二状态信息，更新所述目标聚类对象对应的当前预测轨迹数据，得到目标轨迹数据
。2.
根据权利要求1所述的点云数据处理方法，其特征在于，所述基于针对当前帧点云的模型检测结果和点云聚类结果，确定所述当前帧点云的目标聚类对象包括：获取所述当前帧点云，基于预设检测模型对所述当前帧点云进行目标检测得到所述模型检测结果；所述模型检测结果中包含所述当前帧点云的检测对象；对所述当前帧点云进行点云聚类处理，得到所述点云聚类结果；所述点云聚类结果中包含所述当前帧点云的聚类对象；对所述检测对象和所述聚类对象进行关联，确定关联结果；其中，将所述关联结果中与所述聚类对象关联上的所述检测对象作为目标检测对象；所述目标检测对象携带第一状态信息；所述第一状态信息用于更新所述目标检测对象对应的当前预测轨迹数据；将所述关联结果中未与所述检测对象关联上的所述聚类对象作为所述目标聚类对象
。3.
根据权利要求1所述的点云数据处理方法，其特征在于，在从所述目标聚类对象对应的当前预测轨迹数据中确定上一帧点云的历史聚类对象之前，所述方法还包括：获取全部当前预测轨迹数据；所述全部当前预测轨迹数据包含所述当前帧点云的预测对象；所述预测对象携带预测状态信息；将所述预测对象分别与所述目标检测对象和所述目标聚类对象进行匹配，得到匹配结果；其中，将所述匹配结果中与所述目标聚类对象匹配成功的所述预测对象，作为待处理预测对象；所述待处理预测对象的当前预测轨迹数据为所述目标聚类对象对应的当前预测轨迹数据；所述从所述目标聚类对象对应的当前预测轨迹数据中确定上一帧点云对应的历史聚类对象包括：从所述目标聚类对象对应的当前预测轨迹数据中确定所述待处理预测对象对应的上
一帧点云；对所述待处理预测对象对应的上一帧点云进行点云聚类处理和关键点提取处理，得到所述历史聚类对象
。4.
根据权利要求3所述的点云数据处理方法，其特征在于，所述基于所述历史位置信息和初始位置偏移量确定所述历史聚类对象在当前帧点云对应的预测聚类对象包括：基于所述历史位置信息确定所述历史聚类对象的中心点，遍历所述历史聚类对象除中心点以外的点；对遍历到的每个点，基于所述中心点的坐标和所述初始位置偏移量，确定所述点在所述当前帧点云对应的坐标，得到所述预测位置信息；基于所述预测位置信息得到所述历史聚类对象在所述当前帧点云对应的所述预测聚类对象
。5.<...

【专利技术属性】
技术研发人员：章孝承，陈胤子，张振林，
申请(专利权)人：中汽创智科技有限公司，
类型：发明
国别省市：