一种基于三维金字塔光流的点云预测方法技术

本发明专利技术属于自动驾驶处理领域，公开了一种基于三维金字塔光流的点云预测方法，首先通过球面投影将三维点云转换为范围视图，以获得密集且有序的输入数据。其次，考虑到物体的位置、大小以及到车辆的距离都很重要，本发明专利技术将范围视图序列预测问题分解为场景中空间位置和灰度(代表到车辆的距离)变化的预测。具体来说，使用三维卷积构建范围视图下通道的金字塔多尺度特征，以增加感受野并减少模型参数。为了预测场景中的空间位置，本发明专利技术使用三维交换层来处理空间位置变化，同时整合空间对象尺度变化的影响。此外，本发明专利技术还设计了一个新颖的卷积长短期记忆力网络层来捕获范围视图的灰度变化，从而提高预测精度。实验结果表明，本发明专利技术可以通过利用当前时刻的点云数据预测详细且结构准确的未来点云数据，以用于自动驾驶、文物保护等领域。

【技术实现步骤摘要】

本专利技术属于自动驾驶处理，尤其涉及一种基于三维金字塔光流的点云预测方法。

技术介绍

1、在自动驾驶中，车辆应能够感知和了解周围环境，提前做出适当的决策以实现安全行驶，例如规划路径和避免潜在危险。预测未来的周围环境对于做出及时、适当的决策至关重要，需要准确、高效地估计物体的位置以及车辆与物体之间的距离，同时在精度、效率和数量之间取得平衡模型参数的调整带来了额外的挑战。

2、点云预测，即根据过去的3d点云序列预测未来的3d点云序列，在自动驾驶领域引起了越来越多的关注。因为：第一，3d点云具有高保真度和成本效益；此外，与rgb图像和视频相比，点云可以更好地描述3d周围环境，为预测周围环境提供更多信息；点云预测通常被认为是一项自我监督的任务，不需要额外的手动注释，因为地面真实数据是由后续的激光扫描提供的。

3、在现有的点云预测方法中，预测lidar(光检测和测距)点云上每个点的运动是一种常见的解决方案，称为基于点的方法。已经获得了令人满意的结果，预测每个点的运动需要较少的参数。但是基于点的方法但会导致大量的推理时间，即使是最新的最先进的方本文档来自技高网...

【技术保护点】

1.一种基于三维金字塔光流的点云预测方法，其特征在于，所述基于三维金字塔光流的点云预测方法包括：

2.如权利要求1所述的基于三维金字塔光流的点云预测方法，其特征在于，所述步骤二中的通过球面投影将采样后的三维点云转换为二维范围视图，以获得密集且有序的输入数据，包括以下步骤：记当前的点云序列点云预测的目标是预测未来的点云这里p是点云序列的长度。具体来说，我们将点云投影到球坐标上以形成范围视图：

3.如权利要求1所述的基于三维金字塔光流的点云预测方法，其特征在于，所述步骤三中的使用三维卷积将单通道范围视图映射到多个通道。并将多通道范围视图输入金字塔特征提取模块进行特征提...

【技术特征摘要】

1.一种基于三维金字塔光流的点云预测方法，其特征在于，所述基于三维金字塔光流的点云预测方法包括：

2.如权利要求1所述的基于三维金字塔光流的点云预测方法，其特征在于，所述步骤二中的通过球面投影将采样后的三维点云转换为二维范围视图，以获得密集且有序的输入数据，包括以下步骤：记当前的点云序列点云预测的目标是预测未来的点云这里p是点云序列的长度。具体来说，我们将点云投影到球坐标上以形成范围视图：

3.如权利要求1所述的基于三维金字塔光流的点云预测方法，其特征在于，所述步骤三中的使用三维卷积将单通道范围视图映射到多个通道。并将多通道范围视图输入金字塔特征提取模块进行特征提取，包括以下步骤：给定范围视图，首先使用三维卷积将单通道范围视图映射到多个通道。随后，多通道范围视图被输入到由三维卷积、归一化和leakyrelu激活函数组成的金字塔特征提取模块。

4.如权利要求1所述的基于三维金字塔光流的点云预测方法，其特征在于，所述步骤四中的使用三维交换层来处理空间位置变化，同时整合空间对象尺度变化的影响，包括以下步骤：具体来说，对于金字塔中的第i层，我们采用两层堆叠卷积结构来估计位置变化：

5.如权利要求1所述的基于三维金字塔光流的点云预测方法，其特征在于，所述步骤五中的使用卷积长短期记忆力网络层来捕获范围视图的灰度变化，从而提高预测精度，包括以下步骤：使用卷积运算代替传统的长短期记忆力网络(lstm)单元中每个门的矩阵乘法，形成convlstm。convl...

【专利技术属性】
技术研发人员：耿国华，高健，胡景浩，周蓬勃，张雨禾，
申请(专利权)人：西北大学，
类型：发明
国别省市：