【技术实现步骤摘要】
本专利技术属于自动驾驶三维动态目标检测领域，特别涉及使用矢量化高精地图作为模态输入之一，利用矢量化高精地图的先验约束信息与lidar点云的实时动态信息协同完成车辆驾驶过程中动态目标的检测，尤其涉及一种面向自动驾驶的矢量高精地图与lidar点云融合的3d目标检测方法与设备。
技术介绍
1、3d目标检测是自动驾驶领域的一项关键任务，其核心任务是检测自车周围的其他车辆、行人等动态目标。为实现这一任务，自动驾驶系统通常依靠各种传感器获取车辆周围的环境信息。相机传感器和lidar传感器是自动驾驶系统常用的数据采集设备，相机传感器通常用于提供丰富的语义和纹理信息，而lidar传感器则用于提供深度、方向和坐标等几何信息。然而，每个传感器都有其自身的弱点，相机传感器缺乏物体的深度信息，而lidar点云无法感知环境中的语义信息，且远距离物体的点云分布稀疏，容易受极端天气的影响。因此，单一信息源不足以完成完整的物体检测。
2、为了增强感知性能，最先进的方法是通过融合来自不同传感器的数据进行多模态3d目标检测。根据传感器的不同，多模态融合方案主要...
【技术保护点】
1.矢量高精地图与点云融合的3D目标检测方法，其特征在于，包括：
2.根据权利要求1所述矢量高精地图与点云融合的3D目标检测方法，其特征在于，根据获取的点云数据提取点云特征，包括：
3.根据权利要求1所述矢量高精地图与点云融合的3D目标检测方法，其特征在于，根据获取的高精地图提取矢量高精地图特征，包括：
4.根据权利要求1所述矢量高精地图与点云融合的3D目标检测方法，其特征在于，所述方法还包括：将提取的点云特征和矢量高精地图特征以级联的方式进行多模态特征融合，并使用注意力机制对融合后多模态特征中的点云特征和矢量高精地图特征进行动态平
5...
【技术特征摘要】
1.矢量高精地图与点云融合的3d目标检测方法，其特征在于，包括：
2.根据权利要求1所述矢量高精地图与点云融合的3d目标检测方法，其特征在于，根据获取的点云数据提取点云特征，包括：
3.根据权利要求1所述矢量高精地图与点云融合的3d目标检测方法，其特征在于，根据获取的高精地图提取矢量高精地图特征，包括：
4.根据权利要求1所述矢量高精地图与点云融合的3d目标检测方法，其特征在于，所述方法还包括：将提取的点云特征和矢量高精地图特征以级联的方式进行多模态特征融合，并使用注意力机制对融合后多模态特征中的点云特征和矢量高精地图特征进行动态平衡。
5.根据权利要求4所述矢量高精地图与点云融合的3d目标检测方法，其特征在于，所述方法还包括：使用3d目标检测头对平衡后的多模态特征进行动态目标检测。
<...【专利技术属性】
技术研发人员：应申，李玉，石群智，蒋宇馨，顾江岩，
申请(专利权)人：武汉大学，
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。