一种面向实时场景补全的占据网络制造技术

本发明专利技术涉及一种面向实时场景补全的占据网络。使用自动选帧算法选择最优的未来2帧激光雷达点云，并将第3帧（当前帧）和过去的相邻2帧激光雷达点云对齐到第3帧激光雷达点云的坐标系下；通过体素化分别将5帧激光雷达点云和第3帧激光雷达点云转换为3D占据网格，作为教师网络和学生网络的输入；输入经过教师网络和学生网络，得到通过3D编码器和多尺度空洞卷积解码器后的占据网格特征；通过NST（Neutron Selectivity Transfer）知识蒸馏损失函数，计算两个占据网格特征之间的相关性，强迫学生网络学习教师网络的特性；通过全连接共享占据网格中每个体素之间的特征，并将占据网格进行上采样，得到最精细的占据网格。本发明专利技术有效的提升了对小物体、大物体目标的补全性能。

【技术实现步骤摘要】

本专利技术涉及一种面向实时场景补全的占据网络。

技术介绍

1、场景补全是3d感知中的一项关键任务，使自动驾驶和机器人系统能够在复杂环境中有效地理解和导航。其基本任务包括分析传感器数据，以准确地为每个空间区域分配语义标签，从而能够对整个3d场景进行详细描述。该描述不仅包括环境的几何结构，还赋予物体和地理特征语义。在三维语义场景完成中，激光雷达和相机是主要的传感器。激光雷达点云提供了精确的深度和稳定性，但稀疏性是一个显著的缺点。相反，图像提供丰富的颜色数据，但提供较弱的深度信息，通常需要大量计算来提取3d细节。这种限制对自动驾驶尤其不利，因为自动驾驶对实时性有严格的要求。此外，当前基于相机的方法在语义完成和几何重构能力方面都落后于基于激光雷达的方法。因此，采用激光雷达传感器作为输入成为实时3d语义场景完成方法的首选。

2、由于自动驾驶感知环境的迫切需求，已经提出了许多3d语义场景完成的方法。在使用激光雷达作为输入的方法中，根据其表示，可以将其分为两类：基于点云的方法和基于占用网格的方法。基于点云的方法以其在语义场景完成方面的卓越性能而闻名，这归功于本文档来自技高网...

【技术保护点】

1.一种面向实时场景补全的占据网络，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种面向实时场景补全的占据网络，其特征在于，所述步骤S1具体实现过程如下：

3.根据权利要求2所述的一种面向实时场景补全的占据网络，其特征在于，所述步骤S2具体实现过程如下：

4.根据权利要求3所述的一种面向实时场景补全的占据网络，其特征在于，所述步骤S3具体实现过程如下：

5.根据权利要求4所述的一种面向实时场景补全的占据网络，其特征在于，所述步骤S4具体实现过程如下：

6.根据权利要求5所述的一种面向实时场景补全的占据网络，其特征在于，所...

【技术特征摘要】

1.一种面向实时场景补全的占据网络，其特征在于，包括如下步骤：

2.根据权利要求1所述的一种面向实时场景补全的占据网络，其特征在于，所述步骤s1具体实现过程如下：

3.根据权利要求2所述的一种面向实时场景补全的占据网络，其特征在于，所述步骤s2具体实现过程如下：

4.根据权利...

【专利技术属性】
技术研发人员：郑海峰，赖全，冯心欣，郑明魁，
申请(专利权)人：福州大学，
类型：发明
国别省市：