【技术实现步骤摘要】
本专利技术涉及点云检测，特别涉及一种基于时序特征的多帧点云检测方法及系统。
技术介绍
1、在自动驾驶感知方案中，相比于视觉3d目标检测，基于激光雷达的目标检测是目前精度更高的方案。在单帧点云输入方案上进行优化的同时，如何利用时序信息提升点云检测算法的精度也是尤为重要。一些方案在使用3d稀疏卷积和点级别特征提取方法的基础上提出了一些在特征层上的时序特征融合方案。离线训练可以得到精度较高的模型，但在实际量产方案的激光雷达算法部署时，3d稀疏卷积耗时很大，需要针对算子和部署硬件进行优化，费时费力；点级别特征提取方法，如pointnet，pointnet++等方法，更多的使用了全连接层，而全连接层相比于卷积操作，同复杂度的情况下，在gpu或npu上计算时延也会慢很多。所以在车端量产点云感知方案的设计时除了需要考虑检测模型的精度外，还需要考虑模型部署的时延。
2、现有公开的点云检测方法和利用时序信息提高精测的方法，大多是在3d点云模型中，点云特征提取主要使用了3d稀疏卷积(3d sparse conv)，但对于部署来说，现有车端量产芯片基本没有针对性支持3d稀疏卷积做部署优化，而是对2d卷积支持的更好，部署速度更快。对于点级别的特征提取，如pointnet等网络结构中，更多的使用了全连接层，很多只有npu的车端部署芯片上，对全连接层的部署也较为困难，部署速度慢。针对以上问题，本专利技术提出了一种基于时序特征的多帧点云检测方法，在不使用3d稀疏卷积和点级别特征提取的情况下，能够更好地利用时序信息提升检测结果。
【技术保护点】
1.一种基于时序特征的多帧点云检测方法，其特征在于，包括：
2.根据权利要求1所述的基于时序特征的多帧点云检测方法，其特征在于，所述点云检测方法在步骤“获取前n帧点云”和步骤“对所述前n帧点云进行点云拼接”之间还包括：对前1帧到前n帧的点云使用位姿转化到当前帧坐标系下。
3.根据权利要求1所述的基于时序特征的多帧点云检测方法，其特征在于，对拼接后的点云进行点云特征提取，得到第一结果具体包括以下步骤：
4.根据权利要求1所述的基于时序特征的多帧点云检测方法，其特征在于，所述对拼接后的点云进行时序特征提取具体包括：
5.一种基于时序特征的多帧点云检测系统，其特征在于，包括：
6.根据权利要求5所述的基于时序特征的多帧点云检测系统，其特征在于，所述点云检测系统还包括：坐标转换模块，用于对前1帧到前n帧的点云使用位姿转化到当前帧坐标系下。
7.根据权利要求5所述的基于时序特征的多帧点云检测系统，其特征在于，所述点云特征提取模块具体包括以下步骤：
8.根据权利要求5所述的基于时序特征的多帧点云检测方法，其特
9.一种电子设备，其特征在于，包括存储器及处理器，所述存储器用于存储计算机程序，所述处理器运行所述计算机程序以使所述电子设备执行权利要求1-5中任一项所述的基于时序特征的多帧点云检测方法。
10.一种计算机可读存储介质，其特征在于，其存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1-5中任一项所述的基于时序特征的多帧点云检测方法。
...【技术特征摘要】
1.一种基于时序特征的多帧点云检测方法，其特征在于，包括：
2.根据权利要求1所述的基于时序特征的多帧点云检测方法，其特征在于，所述点云检测方法在步骤“获取前n帧点云”和步骤“对所述前n帧点云进行点云拼接”之间还包括：对前1帧到前n帧的点云使用位姿转化到当前帧坐标系下。
3.根据权利要求1所述的基于时序特征的多帧点云检测方法，其特征在于，对拼接后的点云进行点云特征提取，得到第一结果具体包括以下步骤：
4.根据权利要求1所述的基于时序特征的多帧点云检测方法，其特征在于，所述对拼接后的点云进行时序特征提取具体包括：
5.一种基于时序特征的多帧点云检测系统，其特征在于，包括：
6.根据权利要求5所述的基于时序特征的多帧点云检测系统，其特征在...
【专利技术属性】
技术研发人员：秦欢，赵亚丽，梁爽，
申请(专利权)人：北京超星未来科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。