点云数据的处理方法技术

本公开是关于一种点云数据的处理方法

【技术实现步骤摘要】
点云数据的处理方法、装置、车辆及存储介质


[0001]本公开涉及自动驾驶
，尤其涉及一种点云数据的处理方法
、
装置
、
车辆及存储介质
。

技术介绍

[0002]相关技术中，需要对车辆传感器获取的点云数据进行特征提取获取
BEV(Bird
’
s Eye View
，鸟瞰图
)
特征，以基于
BEV
特征进行目标检测
。
但点云数据易受电磁散射影响，导致相邻帧的点云数据之间可能存在明显的差异，且未经处理的原始点云数据中存在较多噪点，对提取得到的点云数据的
BEV
特征也会造成影响
。

技术实现思路

[0003]为克服相关技术中存在的问题，本公开提供一种点云数据的处理方法
、
装置
、
车辆及存储介质
。
[0004]根据本公开实施例的第一方面，提供一种点云数据的处理方法，包括：获取多帧连续点云数据；建立鸟瞰图
BEV
网格；基于所述多帧连续点云数据进行聚类跟踪，获取所述多帧之中任一帧中第一聚类目标的目标特征；将所述第一聚类目标的目标特征映射至所述
BEV
网格，获得第一
BEV
特征矩阵；将所述多帧之中任一帧的第一点云数据映射至所述
BEV
网格，获取第二
BEV
特征矩阵；将所述第一
BEV
特征矩阵和所述第二
BEV
特征矩阵进行矩阵聚合，获得所述多帧之中任一帧的
BEV
聚合特征矩阵
。
[0005]在一种实现方式中，所述基于所述多帧连续点云数据进行聚类跟踪，获取所述多帧之中任一帧中第一聚类目标的目标特征，包括：分别对每帧所述点云数据进行聚类，获取每帧所述点云数据中的聚类目标；将所述多帧连续点云数据中的聚类目标进行匹配，获取所述多帧连续点云数据中的聚类目标之间的匹配关系；基于所述匹配关系对所述多帧之中任一帧中的第一聚类目标进行目标跟踪，获取所述第一聚类目标的目标特征
。
[0006]在一种实现方式中，所述将所述第一聚类目标的目标特征映射至所述
BEV
网格，获得第一
BEV
特征矩阵，包括：基于所述第一聚类目标的目标特征，从所述
BEV
网格中确定所述第一聚类目标所处的第一目标网格；将所述第一聚类目标的目标特征映射至所述第一目标网格，生成所述第一
BEV
特征矩阵
。
[0007]在一种可选地实现方式中，所述目标特征包括以下至少一项：所述第一聚类目标的中心点；所述第一聚类目标的朝向角；所述第一聚类目标的长度；所述第一聚类目标的宽度；所述第一聚类目标的高度；所述第一聚类目标的目标类型；所述第一聚类目标的生命周期；所述第一聚类目标的存在性概率；所述第一聚类目标的二维速度矢量；所述第一聚类目标的运动状态；所述第一聚类目标的可穿越类型；所述第一聚类目标的镜像概率
。
[0008]可选地，所述基于所述第一聚类目标的目标特征，从所述
BEV
网格中确定所述第一聚类目标所处的第一目标网格，包括：基于所述第一聚类目标的中心点
、
所述第一聚类目标的朝向角
、
所述第一聚类目标的长度和所述第一聚类目标的宽度，在所述
BEV
网格所在平面
上生成所述第一聚类目标对应的目标框；获取所述目标框与所述
BEV
网格中每个网格的重叠率；将所述
BEV
网格中所述重叠率大于或等于重叠率阈值的网格作为所述第一目标网格
。
[0009]可选地，所述方法还包括：将所述第一目标网格对应的重叠率作为所述第一目标网格的网格特征
。
[0010]在一种实现方式中，所述将所述多帧之中任一帧的第一点云数据映射至所述
BEV
网格，获取第二
BEV
特征矩阵，包括：基于所述第一点云数据，确定所述第一点云数据对应的雷达点在所述
BEV
网格中所处的第二目标网格；对所述第一点云数据进行增强重组，获取所述雷达点的雷达点特征；基于所述雷达点特征进行特征编码，获取点云特征；将所述点云特征映射至所述第二目标网格，获取所述第二
BEV
特征矩阵
。
[0011]根据本公开实施例的第二方面，提供一种点云数据的处理装置，包括：获取模块，用于获取多帧连续点云数据；第一处理模块，用于建立鸟瞰图
BEV
网格；第二处理模块，用于基于所述多帧连续点云数据进行聚类跟踪，获取所述多帧之中任一帧中第一聚类目标的目标特征；第三处理模块，用于将所述第一聚类目标的目标特征映射至所述
BEV
网格，获得第一
BEV
特征矩阵；第四处理模块，用于将所述多帧之中任一帧的第一点云数据映射至所述
BEV
网格，获取第二
BEV
特征矩阵；特征聚合模块，用于将所述第一
BEV
特征矩阵和所述第二
BEV
特征矩阵进行矩阵聚合，获得所述多帧之中任一帧的
BEV
聚合特征矩阵
。
[0012]在一种实现方式中，所述第二处理模块具体用于：分别对每帧所述点云数据进行聚类，获取每帧所述点云数据中的聚类目标；将所述多帧连续点云数据中的聚类目标进行匹配，获取所述多帧连续点云数据中的聚类目标之间的匹配关系；基于所述匹配关系对所述多帧之中任一帧中的第一聚类目标进行目标跟踪，获取所述第一聚类目标的目标特征
。
[0013]在一种实现方式中，所述第三处理模块具体用于：基于所述第一聚类目标的目标特征，从所述
BEV
网格中确定所述第一聚类目标所处的第一目标网格；将所述第一聚类目标的目标特征映射至所述第一目标网格，生成所述第一
BEV
特征矩阵
。
[0014]在一种可选地实现方式中，所述目标特征包括以下至少一项：所述第一聚类目标的中心点；所述第一聚类目标的朝向角；所述第一聚类目标的长度；所述第一聚类目标的宽度；所述第一聚类目标的高度；所述第一聚类目标的目标类型；所述第一聚类目标的生命周期；所述第一聚类目标的存在性概率；所述第一聚类目标的二维速度矢量；所述第一聚类目标的运动状态；所述第一聚类目标的可穿越类型；所述第一聚类目标的镜像概率
。
[0015]可选地，所述第三处理模块具体用于：基于所述第一聚类目标的中心点
、
所述第一聚类目标的朝向角
、
所述第一聚类目标的长度和所述第一聚类目标的宽度，在所述
BEV
网格所在平面上生成所述第一聚类目标对应的目标框；获取所述目标框与所述
BEV
网格中每个网格的重叠率本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种点云数据的处理方法，其特征在于，包括：获取多帧连续点云数据；建立鸟瞰图
BEV
网格；基于所述多帧连续点云数据进行聚类跟踪，获取所述多帧之中任一帧中第一聚类目标的目标特征；将所述第一聚类目标的目标特征映射至所述
BEV
网格，获得第一
BEV
特征矩阵；将所述多帧之中任一帧的第一点云数据映射至所述
BEV
网格，获取第二
BEV
特征矩阵；将所述第一
BEV
特征矩阵和所述第二
BEV
特征矩阵进行矩阵聚合，获得所述多帧之中任一帧的
BEV
聚合特征矩阵
。2.
如权利要求1所述的方法，其特征在于，所述基于所述多帧连续点云数据进行聚类跟踪，获取所述多帧之中任一帧中第一聚类目标的目标特征，包括：分别对每帧所述点云数据进行聚类，获取每帧所述点云数据中的聚类目标；将所述多帧连续点云数据中的聚类目标进行匹配，获取所述多帧连续点云数据中的聚类目标之间的匹配关系；基于所述匹配关系对所述多帧之中任一帧中的第一聚类目标进行目标跟踪，获取所述第一聚类目标的目标特征
。3.
如权利要求1所述的方法，其特征在于，所述将所述第一聚类目标的目标特征映射至所述
BEV
网格，获得第一
BEV
特征矩阵，包括：基于所述第一聚类目标的目标特征，从所述
BEV
网格中确定所述第一聚类目标所处的第一目标网格；将所述第一聚类目标的目标特征映射至所述第一目标网格，生成所述第一
BEV
特征矩阵
。4.
如权利要求3所述的方法，其特征在于，所述目标特征包括以下至少一项：所述第一聚类目标的中心点；所述第一聚类目标的朝向角；所述第一聚类目标的长度；所述第一聚类目标的宽度；所述第一聚类目标的高度；所述第一聚类目标的目标类型；所述第一聚类目标的生命周期；所述第一聚类目标的存在性概率；所述第一聚类目标的二维速度矢量；所述第一聚类目标的运动状态；所述第一聚类目标的可穿越类型；所述第一聚类目标的镜像概率
。5.
如权利要求4所述的方法，其特征在于，所述基于所述第一聚类目标的目标特征，从所述
BEV
网格中确定所述第一聚类目标所处的第一目标网格，包括：基于所述第一聚类目标的中心点
、
所述第一聚类目标的朝向角
、
所述...

【专利技术属性】
技术研发人员：刘长江，
申请(专利权)人：小米汽车科技有限公司，
类型：发明
国别省市：