【技术实现步骤摘要】
本申请涉及近距离雷达监测领域，尤其涉及一种基于深度学习的点云生成方法、装置、电子设备及系统。
技术介绍
1、近年来，毫米波雷达在物体探测识别任务中的应用逐渐广泛，毫米波的波长介于厘米波和光波之间，因此毫米波兼有微波制导和光电制导的优点。例如，体积小、质量轻、穿透雾、烟、灰尘的能力强等。
2、然而实践发现，依据毫米波雷达的原始数据进行点云提取得到的通常为稀疏点云(即依据点云可以获取到的信息量很少)，且由于毫米波雷达的测角能力的限制，提取到的稀疏点云的质量往往较差，限制了通过对稀疏点云重构得到稠密点云的方案的效果，进而，导致下游任务，如模式识别、行为识别等的准确性较低。
技术实现思路
1、有鉴于此，本申请提供一种基于深度学习的点云生成方法、装置、电子设备及系统。
2、具体地，本申请是通过如下技术方案实现的：
3、根据本申请实施例的第一方面，提供一种基于深度学习的点云生成方法，包括：
4、对毫米波雷达的模数转换器adc原始数据进行特征提取，得到第一
【技术保护点】
1.一种基于深度学习的点云生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对毫米波雷达的ADC原始数据进行特征提取，得到第一3D雷达特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述对毫米波雷达的ADC原始数据进行特征提取，得到第一3D雷达特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述深度学习模型的训练过程包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述第二3D雷达特征输入到待训练的深度学习模型之后，还包括：
6.根据权利要求1-5任一项所述的方...
【技术特征摘要】
1.一种基于深度学习的点云生成方法，其特征在于，包括：
2.根据权利要求1所述的方法，其特征在于，所述对毫米波雷达的adc原始数据进行特征提取，得到第一3d雷达特征，包括：
3.根据权利要求1所述的方法，其特征在于，所述对毫米波雷达的adc原始数据进行特征提取，得到第一3d雷达特征，包括：
4.根据权利要求1所述的方法，其特征在于，所述深度学习模型的训练过程包括：
5.根据权利要求4所述的方法，其特征在于，所述将所述第二3d雷达特征输入到待训练的深度学习模型之后，还包括：
6.根据权利要求1-5...
【专利技术属性】
技术研发人员：张尚迪，
申请(专利权)人：杭州海康威视数字技术股份有限公司，
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。