静止物体的检测方法、装置及电子设备制造方法及图纸

本发明专利技术实施例公开了一种静止物体的检测方法、装置及电子设备，所述方法包括：获取场景的点云数据，以及点云数据中每个数据点的特征信息；对点云数据中的各数据点进行三角网连接，生成三角网络模型，并使用预设的相机对三角网络模型进行拍照，获得图像；获取图像中每个像素点对应的第一数据点，并根据每个第一数据点的特征信息，获得点云数据的特征图；将特征图输入到分类模型中，获得点云数据中静止物体对应的数据点。即本实施例，通过获取场景的点云数据的特征图，将特征图作为分类模型的输入，实现对场景中静止物体的准确检测，提高了静止地图的生成精度。

Detection Method, Device and Electronic Equipment for Static Objects

The embodiment of the present invention discloses a detection method, device and electronic equipment for stationary objects. The method includes: acquiring point cloud data of scene and characteristic information of each data point in point cloud data; triangulating each data point in point cloud data, generating triangular network model, and taking pictures with preset camera relative triangular network model to obtain images. The first data point corresponding to each pixel in the image is obtained, and the feature map of the point cloud data is obtained according to the feature information of each first data point. The feature map is input into the classification model to obtain the corresponding data points of the stationary object in the point cloud data. That is to say, by acquiring the feature map of the point cloud data of the scene and using the feature map as the input of the classification model, the static object in the scene can be accurately detected, and the generating accuracy of the static map can be improved.

【技术实现步骤摘要】
静止物体的检测方法、装置及电子设备
本专利技术实施例涉及数据处理
，尤其涉及一种静止物体的检测方法、装置及电子设备。
技术介绍
静态地图是对物理空间内固定不变的物体的一种表达方式，其描述的是场景中静止不变的地物。在静态地图的生成中，不仅要剔除正在运动的动态地物，还要剔除当前正处于静止状态但可能在较短的时间内发生变化的动态地物(例如，当前静止的汽车、自动车等)。根据实际数据统计，所有静止地物中静止汽车占比超过75％，因此能否完整剔除静止车辆是评价静态地图质量的关键要素之一，同时也是无人车安全驾驶的重要一环。已有的从静态地图点云数据中检测出静止车辆的方法为BoundingBox(包围盒)检测法，具体是用有向包围盒标识车辆的大小和朝向。但是，已有的BoundingBox检测法会将比车辆略大或略小的BoundingBox作为正确识别，会造成漏检或者误检，导致静态地图无法反映真实的世界，准确性差。
技术实现思路
本专利技术实施例提供一种静止物体的检测方法、装置及电子设备。第一方面，本专利技术实施例提供一种静止物体的检测方法，包括：获取场景的点云数据，以及所述点云数据中每个数据点的特征信息，其中，所述场景中包括背景和暂时处于静止状态的静止物体；对所述点云数据中的各数据点进行三角网连接，生成三角网络模型，并使用预设的相机对所述三角网络模型进行拍照，获得图像，其中所述图像中每个像素点对应所述三角网络模型中的一个三角形；获取所述图像中每个像素点对应的第一数据点，并根据每个第一数据点的特征信息，获得所述点云数据的特征图，其中，所述第一数据点为所述像素点对应的三角形的一个顶点上的数据点；将所述特征图输入到分类模型中，获得所述点云数据中静止物体对应的数据点。在第一方面的一种可能的实现方式中，所述数据点的特征信息包括所述数据点的强度信息、线性概率、面性概率、散乱概率、深度信息、最佳领域和所述最佳领域的法向量的竖直分量中的至少一种。在第一方面的另一种可能的实现方式中，所述特征图包括第一特征图和第二特征图，所述根据每个第一数据点的特征信息，获得所述点云数据的特征图，包括：根据每个所述第一数据点的强度信息、面性概率、散乱概率，生成所述点云数据的第一特征图；根据每个所述第一数据点的最佳领域、深度信息和所述最佳领域的法向量的竖直分量，生成所述点云数据的第二特征图；所述将所述特征图输入分类模型中，获得所述点云数据中的静止物体，包括：将所述第一特征图和所述第二特征图输入分类模型中，获得所述点云数据中的静止物体。在第一方面的另一种可能的实现方式中，所述将所述特征图输入分类模型中，获得所述点云数据中静止物体对应的数据点，包括：将所述特征图输入分类模型中，获得所述图像中每个像素点的类别，所述类别包括背景或静止物体；根据每个像素点的类别，确定每个像素点对应的数据点的类别；根据数据点的类别和各数据点之间的距离，对所述点云数据中各数据点进行聚类，获得至少一个数据簇；根据每个所述数据簇的形状和所包括的数据点数量，确定所述静止物体对应的数据点。在第一方面的另一种可能的实现方式中，所述将所述特征图输入分类模型中，获得所述点云数据中静止物体对应的数据点，包括：将所述特征图输入到SnapNet分类模型中，获得所述图像中每个像素点的类别，其中所述SnapNet分类模型为二分类网络模型，用于区分背景和静止物体。在第一方面的另一种可能的实现方式中，所述根据每个所述数据簇的形状和所包括的数据点数量，确定所述静止物体对应的数据点之后，所述方法还包括：对所述静止物体对应的数据点进行有向包围盒过滤，将所述静止物体对应的数据点包围在所述有向包围盒内。在第一方面的另一种可能的实现方式中，所述获取所述点云数据中每个数据点的特征信息之前，所述方法包括：对所述点云数据进行预处理，剔除所述场景中运动的地物，生成均匀分布的点云数据。在第一方面的另一种可能的实现方式中，所述使用预设的相机对所述三角网络模型进行拍照之前，所述方法还包括：根据预设的约束条件生成相机参数，所述约束条件包括相机的俯仰角大于或等于预设角度，以及生成的图像中有效像素占比高于预设值；根据所述相机参数生成所述预设的相机。在第一方面的另一种可能的实现方式中，所述特征信息包括最佳领域，则所述获取所述点云数据中每个数据点的特征信息，包括：针对每个所述数据点，获取该数据点的所有领域，以及每个领域的线性概率、面性概率和散乱概率；根据每个所述领域的线性概率、面性概率和散乱概率，确定每个所述领域的领域信息量；将领域信息量最小的领域作为该数据点的最佳领域，将所述最佳领域的线性概率、面性概率和散乱概率分别作为该数据点的线性概率、面性概率和散乱概率。第二方面，本专利技术实施例提供一种静止物体的检测装置，包括：第一获取模块，用于获取场景的点云数据，以及所述点云数据中每个数据点的特征信息，其中，所述场景中包括背景和暂时处于静止状态的静止物体；三角网络生成模块，用于对所述点云数据中的各数据点进行三角网连接，生成三角网络模型；拍照模块，用于使用预设的相机对所述三角网络模型进行拍照，获得图像，其中所述图像中每个像素点对应所述三角网络模型中的一个三角形；第二获取模块，用于获取所述图像中每个像素点对应的第一数据点，并根据每个第一数据点的特征信息，获得所述点云数据的特征图，其中，所述第一数据点为所述像素点对应的三角形的一个顶点上的数据点；分类模块，用于将所述特征图输入到分类模型中，获得所述点云数据中静止物体对应的数据点。在第二方面的一种可能的实现方式中，所述数据点的特征信息包括所述数据点的强度信息、线性概率、面性概率、散乱概率、深度信息、最佳领域和所述最佳领域的法向量的竖直分量中的至少一种。在第二方面的另一种可能的实现方式中，所述特征图包括第一特征图和第二特征图，所述第二获取模块，具体用于根据每个所述第一数据点的强度信息、面性概率、散乱概率，生成所述点云数据的第一特征图；根据每个所述第一数据点的最佳领域、深度信息和所述最佳领域的法向量的竖直分量，生成所述点云数据的第二特征图；所述分类模块，具体用于将所述第一特征图和所述第二特征图输入分类模型中，获得所述点云数据中的静止物体。在第二方面的另一种可能的实现方式中，所述分类模块包括：分类单元，用于将所述特征图输入分类模型中，获得所述图像中每个像素点的类别，所述类别包括背景或静止物体；第一确定单元，用于根据每个像素点的类别，确定每个像素点对应的数据点的类别；聚类单元，用于根据数据点的类别和各数据点之间的距离，对所述点云数据中各数据点进行聚类，获得至少一个数据簇；第二确定单元，用于根据每个所述数据簇的形状和所包括的数据点数量，确定所述静止物体对应的数据点。在第二方面的另一种可能的实现方式中，所述分类模块具体用于将所述特征图输入到SnapNet分类模型中，获得所述图像中每个像素点的类别，其中所述SnapNet分类模型为二分类网络模型，用于区分背景和静止物体。在第二方面的另一种可能的实现方式中，所述装置还包括：过滤模块，用于对所述静止物体对应的数据点进行有向包围盒过滤，将所述静止物体对应的数据点包围在所述有向包围盒内。在第二方面的另一种可能的实现方式中，所述装置还包括：预处理模块，用于对所述点云数据进行预处理，剔除所述场景中本文档来自技高网...

【技术保护点】
1.一种静止物体的检测方法，其特征在于，包括：获取场景的点云数据，以及所述点云数据中每个数据点的特征信息，其中，所述场景中包括背景和暂时处于静止状态的静止物体；对所述点云数据中的各数据点进行三角网连接，生成三角网络模型，并使用预设的相机对所述三角网络模型进行拍照，获得图像，其中所述图像中每个像素点对应所述三角网络模型中的一个三角形；获取所述图像中每个像素点对应的第一数据点，并根据每个第一数据点的特征信息，获得所述点云数据的特征图，其中，所述第一数据点为所述像素点对应的三角形的一个顶点上的数据点；将所述特征图输入到分类模型中，获得所述点云数据中静止物体对应的数据点。

【技术特征摘要】
1.一种静止物体的检测方法，其特征在于，包括：获取场景的点云数据，以及所述点云数据中每个数据点的特征信息，其中，所述场景中包括背景和暂时处于静止状态的静止物体；对所述点云数据中的各数据点进行三角网连接，生成三角网络模型，并使用预设的相机对所述三角网络模型进行拍照，获得图像，其中所述图像中每个像素点对应所述三角网络模型中的一个三角形；获取所述图像中每个像素点对应的第一数据点，并根据每个第一数据点的特征信息，获得所述点云数据的特征图，其中，所述第一数据点为所述像素点对应的三角形的一个顶点上的数据点；将所述特征图输入到分类模型中，获得所述点云数据中静止物体对应的数据点。2.根据权利要求1所述的方法，其特征在于，所述数据点的特征信息包括所述数据点的强度信息、线性概率、面性概率、散乱概率、深度信息、最佳领域和所述最佳领域的法向量的竖直分量中的至少一种。3.根据权利要求2所述的方法，其特征在于，所述特征图包括第一特征图和第二特征图，所述根据每个第一数据点的特征信息，获得所述点云数据的特征图，包括：根据每个所述第一数据点的强度信息、面性概率、散乱概率，生成所述点云数据的第一特征图；根据每个所述第一数据点的最佳领域、深度信息和所述最佳领域的法向量的竖直分量，生成所述点云数据的第二特征图；所述将所述特征图输入分类模型中，获得所述点云数据中的静止物体，包括：将所述第一特征图和所述第二特征图输入分类模型中，获得所述点云数据中的静止物体。4.根据权利要求1-3任一项所述的方法，其特征在于，所述将所述特征图输入分类模型中，获得所述点云数据中静止物体对应的数据点，包括：将所述特征图输入分类模型中，获得所述图像中每个像素点的类别，所述类别包括背景或静止物体；根据每个像素点的类别，确定每个像素点对应的数据点的类别；根据数据点的类别和各数据点之间的距离，对所述点云数据中各数据点进行聚类，获得至少一个数据簇；根据每个所述数据簇的形状和所包括的数据点数量，确定所述静止物体对应的数据点。5.根据权利要求1所述的方法，其特征在于，所述将所述特征图输入分类模型中，获得所述点云数据中静止物体对应的数据点，包括：将所述特征图输入到SnapNet分类模型中，获得所述图像中每个像素点的类别，其中所述SnapNet分类模型为二分类网络模型，用于区分背景和静止物体。6.根据权利要求4所述的方法，其特征在于，所述根据每个所述数据簇的形状和所包括的数据点数量，确定所述静止物体对应的数据点之后，所述方法还包括：对所述静止物体对应的数据点进行有向包围盒过滤，将所述静止物体对应的数据点包围在所述有向包围盒内。7.根据权利要求1所述的方法，其特征在于，所述获取所述点云数据中每个数据点的特征信息之前，所述方法包括：对所述点云数据进行预处理，剔除所述场景中运动的地物，生成均匀分布的点云数据。8.根据权利要求1所述的方法，其特征在于，所述使用预设的相机对所述三角网络模型进行拍照之前，所述方法还包括：根据预设的约束条件生成相机参数，所述约束条件包括相机的俯仰角大于或等于预设角度，以及生成的图像中有效像素占比高于预设值；根据所述相机参数生成所述预设的相机。9.根据权利要求2所述的方法，其特征在于，所述特征信息包括最佳领域，则所述获取所述点云数据中每个数据点的特征信息，包括：针对每个所述数据点，获取该数据点的所有领域，以及每个领域的线性概率、面性概率和散乱概率；根据每个所述领域的线性概率、面性概率和散乱概率，确定每个所述领域的领域信息量；将领域信息量最小的领域作为该数据点的最佳领域，将所述最佳领域的线性概率、面性概率和散乱概率分别作为该数据点的线性概率、面性概率和散乱概率。10.一种静止物体的检测装置，其特征在于，包括：第一获取模块，用于获取...

【专利技术属性】
技术研发人员：卢维欣，宋适宇，董芳芳，徐胜攀，
申请(专利权)人：百度在线网络技术北京有限公司，
类型：发明
国别省市：北京,11