激光雷达点云目标检测方法、系统及装置制造方法及图纸

本发明专利技术公开了一种激光雷达点云目标检测方法，对点云信息构建前视图栅格，分别对前视图栅格提取特征以及对每一个前视图栅格内最近点提取点特征并结合，再通过三维目标检测器检测障碍物。本发明专利技术对高分辨率点云信息能够有好的保留，使得检测性能更好。

【技术实现步骤摘要】
激光雷达点云目标检测方法、系统及装置
自动控制
，特别涉及一种高分辨率激光雷达点云目标检测方法及装置。
技术介绍
LaserNet++算法是一种基于点云和图像结合的三维点云目标检测算法，该方案使用图像和点云前视图栅格分别使用两个卷积网络提取特征，将两个特征结合后，再使用LaserNet中的点云目标检测方法进行检测。针对机械式激光雷达数据；主要针对图像和点云结合，没有提取点特征，其中图像特征和电云栅格特征结合需要摄像头和激光雷达标定。其中三维空间索引操作复杂，不利于部署时硬件实现；关键点选取使用最远点采样方式采样，对高分辨率雷达，会损失一定在雷达近处的点。PVRCNN算法是一种纯点云三维目标检测算法，该方案通过构建三维栅格进行特征提取，在第一阶段检测后，对检测结果反向在点云和特征图中组合特征，在第二阶段对框进行微调。以往三维目标检测方法大部分针对传统机械式雷达数据，这类数据较稀疏，使用俯视图栅格方式能够基本满足信息保存需求，但是对于高分辨率雷达数据，其在扫描到障碍物时，会在竖直方向有很大重合性，因此使用俯视图栅格会造成很大程度信息丢失；此外，仅使用栅格特征会丢失原始点云点之间的信息。
技术实现思路
1、本专利技术的目的本专利技术为了解决高分辨率雷达数据，扫描到障碍物时，会在竖直方向有很大重合性，以及使用栅格特征会丢失原始点云点之间的信息的问题，而提出了一种高分辨率激光雷达点云目标检测方法及装置。2、本专利技术所采用的技术方案本专利技术公开了一种激光雷达点云目标检测方法，包括：对点云信息构建前视图栅格，分别对前视图栅格提取特征以及对每一个前视图栅格内最近点提取点特征并结合，再通过三维目标检测器检测障碍物。优选的，包括：输入特征构建步骤，对获取的点云，构建前视图栅格，对于点云中视场范围内每个点，投影到前视图栅格中，记录每个栅格中离激光雷达中心最近的点的统计量作为特征值，并作为前视格栅图的输入特征；将每个前视图栅格中有点栅格内离激光雷达中心最近点的坐标和反射强度进行提取，得到点云输入特征；特征提取步骤，在上述步骤中提取了前视图栅格输入特征和点云输入特征，前视图栅格输出特征使用卷积神经网络进行特征提取；点云输出特征使用点云特征提取网络进行特征，调整输出每个点特征；将点云输出特征投影构造成和前视图栅格输出特征图尺寸相同大小的特征图；使用对应关系，将点云输出特征投影构造成和栅格图输出特征图尺寸相同大小的特征图，保持原有维度，以此和前视图栅格输出特征与点云输出特征进行合并；检测器检测步骤，使用基于前视图的三维目标检测其进行障碍物检测。优选的，输入特征构建步骤：对于所获取的点云P，首先构建前视图栅格，定义栅格图长和宽为L和W，选取点云的垂直视场范围为[-a,a]，水平视场方位为[-b,b]，则根据圆柱体映射方法，对于点云P中视场范围内每个点，投影到前视图栅格中。优选的，输入特征构建步骤：记录前视图栅格每个栅格中最近的点，该点的统计量作为特征值，统计量包括占据栅格、反射强度、高度、水平方位角、垂直方位角，作为前视图栅格输入特征Ifv；然后将每个前视图栅格中有点栅格内离激光雷达中心最近点的坐标和反射强度进行提取，得到点云输入特征Ipoint。优选的，根据网络输入对点数进行限制操作，如Fpoint中点数没达到限制数，随机选取其中的点进行补充，如超过限制数目，则使用随机选取点进行去除；此外记录点特征和栅格特征的对应关系index。优选的，所述的特征提取步骤：提取了前视图栅格输入特征Ifv和点云输入特征Ipoint，使用卷积神经网络进行特征提取得到前视图栅格输出特征Ffv；使用点云特征提取网络进行特征提取得到点云输出特征Fpoint，输出每个点特征；使用index对应关系，将Fpoint投影构造成和Ffv特征图尺寸相同大小的特征图，保持原有维度，以此和前视图栅格输出特征与点云输出特征Ffv进行合并得到检测器检测模型输入特征Finput。优选的，检测器检测步骤，基于前视图的三维目标检测其进行障碍物检测以及对Finput特征进行目标检测。本专利技术提出了一种激光雷达点云目标检测系统，包括输入特征构建模块、特征提取模块、检测器检测模块模块；对点云信息构建前视图栅格，分别对前视图栅格提取特征以及对每一个前视图栅格内最近点提取点特征并结合，再通过三维目标检测器检测障碍物。优选的，包括：输入特征构建模块，用于对获取的点云，构建前视图栅格，对于点云中视场范围内每个点，投影到前视图栅格中，记录每个栅格中离激光雷达中心最近的点的统计量作为特征值，并作为前视格栅图的输入特征；将每个前视图栅格中有点栅格内离激光雷达中心最近点的坐标和反射强度进行提取，得到点云输入特征；特征提取模块，用于在上述模块中提取了前视图栅格输入特征和点云输入特征，前视图栅格输出特征使用卷积神经网络进行特征提取；点云输出特征使用点云特征提取网络进行特征，调整输出每个点特征；将点云输出特征投影构造成和前视图栅格输出特征图尺寸相同大小的特征图；使用对应关系，将点云输出特征投影构造成和栅格图输出特征图尺寸相同大小的特征图，保持原有维度，以此和前视图栅格输出特征与点云输出特征进行合并；检测器检测模块，用于使用基于前视图的三维目标检测其进行障碍物检测。优选的，输入特征构建模块：用于对于所获取的点云P，首先构建前视图栅格，定义栅格图长和宽为L和W，选取点云的垂直视场范围为[-a,a]，水平视场方位为[-b,b]，则根据圆柱体映射方法，对于点云P中视场范围内每个点，投影到前视图栅格中。优选的，输入特征构建模块：用于记录前视图栅格每个栅格中最近的点，该点的统计量作为特征值，统计量包括占据栅格、反射强度、高度、水平方位角、垂直方位角，作为前视图栅格输入特征Ifv；然后将每个前视图栅格中有点栅格内离激光雷达中心最近点的坐标和反射强度进行提取，得到点云输入特征Ipoint。优选的，根据网络输入对点数进行限制操作，如Fpoint中点数没达到限制数，随机选取其中的点进行补充，如超过限制数目，则使用随机选取点进行去除；此外记录点特征和栅格特征的对应关系index。优选的，所述的特征提取模块：提取了前视图栅格输入特征Ifv和点云输入特征Ipoint，使用卷积神经网络进行特征提取得到前视图栅格输出特征Ffv；使用点云特征提取网络进行特征提取得到点云输出特征Fpoint，输出每个点特征；使用index对应关系，将Fpoint投影构造成和Ffv特征图尺寸相同大小的特征图，保持原有维度，以此和前视图栅格输出特征与点云输出特征Ffv进行合并得到检测器检测模型输入特征Finput。优选的，检测器检测模块，基于前视图的三维目标检测其进行障碍物检测以及对Finput特征进行目标检测。本专利技术提出了一种基于激光雷达点云目标检测装置，包括存储器和处理器，存储器存储有计算机程序，所述处理器执行所述计算机程序时实现所述的方法步骤。3、本专利技术所采用的本文档来自技高网...

【技术保护点】
1.一种激光雷达点云目标检测方法，其特征在于，/n对点云信息构建前视图栅格，分别对前视图栅格提取特征以及对每一个前视图栅格内最近点提取点特征并结合，再通过三维目标检测器检测障碍物。/n

【技术特征摘要】
1.一种激光雷达点云目标检测方法，其特征在于，
对点云信息构建前视图栅格，分别对前视图栅格提取特征以及对每一个前视图栅格内最近点提取点特征并结合，再通过三维目标检测器检测障碍物。


2.根据权利要求1所述的激光雷达点云目标检测方法，其特征在于，包括：
输入特征构建步骤，对获取的点云，构建前视图栅格，对于点云中视场范围内每个点，投影到前视图栅格中，记录每个栅格中离激光雷达中心最近的点的统计量作为特征值，并作为前视格栅图的输入特征；将每个前视图栅格中有点栅格内离激光雷达中心最近点的坐标和反射强度进行提取，得到点云输入特征；
特征提取步骤，在上述步骤中提取了前视图栅格输入特征和点云输入特征，前视图栅格输出特征使用卷积神经网络进行特征提取；点云输出特征使用点云特征提取网络进行特征，调整输出每个点特征；将点云输出特征投影构造成和前视图栅格输出特征图尺寸相同大小的特征图；使用对应关系，将点云输出特征投影构造成和栅格图输出特征图尺寸相同大小的特征图，保持原有维度，以此和前视图栅格输出特征与点云输出特征进行合并；
检测器检测步骤，使用基于前视图的三维目标检测其进行障碍物检测。


3.根据权利要求2所述的激光雷达点云目标检测方法，其特征在于，输入特征构建步骤：
对于所获取的点云P，首先构建前视图栅格，定义栅格图长和宽为L和W，选取点云的垂直视场范围为[-a,a]，水平视场方位为[-b,b]，则根据圆柱体映射方法，对于点云P中视场范围内每个点，投影到前视图栅格中。


4.根据权利要求3所述的激光雷达点云目标检测方法，其特征在于，输入特征构建步骤：
记录前视图栅格每个栅格中最近的点，该点的统计量作为特征值，统计量包括占据栅格、反射强度、高度、水平方位角、垂直方位角，作为前视图栅格输入特征Ifv；然后将每个前视图栅格中有点栅格内离激光雷达中心最近点的坐标和反射强度进行提取，得到点云输入特征Ipoint。


5.根据权利要求4所述的激光雷达点云目标检测方法，其特征在于，根据网络输入对点数进行限制操作，如Fpoint中点数没达到限制数，随机选取其中的点进行补充，如超过限制数目，则使用随机选取点进行去除；此外记录点特征和栅格特征的对应关系index。


6.根据权利要求2所述的激光雷达点云目标检测方法，其特征在于，所述的特征提取步骤：提取了前视图栅格输入特征Ifv和点云输入特征Ipoint，使用卷积神经网络进行特征提取得到前视图栅格输出特征Ffv；使用点云特征提取网络进行特征提取得到点云输出特征Fpoint，输出每个点特征；使用index对应关系，将Fpoint投影构造成和Ffv特征图尺寸相同大小的特征图，保持原有维度，以此和前视图栅格输出特征与点云输出特征Ffv进行合并得到检测器检测模型输入特征Finput。


7.根据权利要求1所述的激光雷达点云目标检测方法，其特征在于，检测器检测步骤，基于前视图的三维目标检测其进行障碍物检测以及对Finput特征进行目标检测。


8.一种激光雷达点云目标检测系统，其特征在于，包括输入特征构建模块、特征提取模块、检测器检测模块模块；
对点云信息构建前视...

【专利技术属性】
技术研发人员：陈海波，李忠蓬，
申请(专利权)人：深兰人工智能深圳有限公司，
类型：发明
国别省市：广东;44