【技术实现步骤摘要】
本申请涉及自动驾驶，尤其涉及雷达特征生成方法、装置、设备及存储介质。
技术介绍
1、视觉特征提取任务在自动驾驶系统中发挥着重要作用，是下游任务的基础，如检测、跟踪、决策、规划等。近年，得益于相机传感器的造价低廉，基于相机多视图的3d感知技术发展迅速。然而，相机数据缺乏深度信息和3d几何线索，无法对3d空间中的目标实现高精度和鲁棒的特征表示。因此，激光雷达传感器被集成到系统中，将点云和图像两个模态数据进行融合，从而实现更准确的感知特征提取。然而，激光雷达的性能在恶劣天气条件下会下降，包括雾、雨和雪，且由于其高昂的成本，该技术的广泛应用受到了限制。作为替代方案，毫米波雷达因其在不利条件下的稳健性能以及提供3d空间和速度信息的能力，受到越来越多的关注。同时，相较于激光雷达其造价更为廉价，进而将多视角相机与经济的毫米波雷达传感器相结合，实现更全面、更可靠的多模态视觉感知是一种可行且有效的解决方案。因此，如何高效地提取毫米波雷达特征，并利用2d图像特征稠密化毫米波雷达特征生成，是目前亟需解决的问题。
技术实现思路
1、本申请的主要目的在于提供一种雷达特征生成方法、装置、设备及存储介质，旨在解决现有提取毫米波雷达特征方法效率低的技术问题。
2、为实现上述目的，本申请提出一种雷达特征生成方法，所述雷达特征生成方法包括：
3、对雷达点云数据进行特征提取得到目标雷达扰动特征；
4、根据当前图像数据和热力图引导计算策略确定目标图像扰动特征；
5、根据所述
6、在一实施例中，所述对雷达点云数据进行特征提取得到目标雷达扰动特征的步骤，包括：
7、对雷达点云数据进行格式转换，得到雷达体素数据；
8、输入所述雷达体素数据至目标卷积编码器，得到初始雷达扰动特征；
9、对所述初始雷达扰动特征进行视图转换，得到目标雷达扰动特征。
10、在一实施例中，所述输入所述雷达体素数据至目标卷积编码器，得到初始雷达扰动特征的步骤，包括：
11、输入所述雷达体素数据至目标卷积编码器中进行特征处理，得到目标雷达稀疏特征；
12、根据所述目标雷达稀疏特征和高斯分布噪声得到初始雷达扰动特征。
13、在一实施例中，所述根据所述目标雷达稀疏特征和高斯分布噪声得到初始雷达扰动特征的步骤，包括：
14、根据高斯分布噪声和初始卷积核权重确定噪声权重矩阵；
15、根据所述噪声权重矩阵进行模型训练，得到目标噪声特征模型；
16、根据所述目标雷达稀疏特征和所述目标噪声特征模型确定初始雷达扰动特征。
17、在一实施例中，所述根据当前图像数据和热力图引导计算策略确定目标图像扰动特征的步骤，包括：
18、根据预设残差网络对当前图像数据进行特征提取并下采样，得到初始图像特征；
19、根据热力图引导计算策略、雷达点云数据以及所述初始图像特征确定热力图图像特征；
20、对所述热力图图像特征进行视图转换，得到目标图像扰动特征。
21、在一实施例中，所述根据热力图引导计算策略、雷达点云数据以及所述初始图像特征确定热力图图像特征的步骤，包括：
22、根据热力图引导计算策略和雷达点云数据确定当前生成热力图；
23、根据预设图像解码模型和图像鸟瞰特征确定当前解码热力图；
24、根据所述当前生成热力图和所述当前解码热力图进行损失计算，得到目标图像热力图；
25、根据所述目标图像热力图和所述初始图像特征得到热力图图像特征。
26、在一实施例中，所述根据所述目标雷达扰动特征和所述目标图像扰动特征确定目标稠密雷达特征的步骤，包括：
27、根据所述目标雷达扰动特征和所述目标图像扰动特征进行特征拼接，得到目标拼接特征；
28、根据所述目标拼接特征、预设自注意力策略以及特征通道数量确定目标稠密雷达特征。
29、此外，为实现上述目的，本申请还提出一种雷达特征生成装置，所述雷达特征生成装置包括：
30、处理模块，用于对雷达点云数据进行特征提取得到目标雷达扰动特征；
31、所述处理模块，还用于根据当前图像数据和热力图引导计算策略确定目标图像扰动特征；
32、生成模块，用于根据所述目标雷达扰动特征和所述目标图像扰动特征确定目标稠密雷达特征。
33、此外，为实现上述目的，本申请还提出一种雷达特征生成设备，所述设备包括：存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述计算机程序配置为实现如上文所述的雷达特征生成方法的步骤。
34、此外，为实现上述目的，本申请还提出一种存储介质，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如上文所述的雷达特征生成方法的步骤。
35、此外，为实现上述目的，本申请还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，所述计算机程序被处理器执行时实现如上文所述的雷达特征生成方法的步骤。
36、本申请通过对雷达点云数据进行特征提取得到目标雷达扰动特征；根据当前图像数据和热力图引导计算策略确定目标图像扰动特征；根据所述目标雷达扰动特征和所述目标图像扰动特征确定目标稠密雷达特征。通过在毫米波雷达点云数据稀疏的情况下，采用大核卷积技术捕获长距离依赖关系，并通过高斯噪声扰动优化卷积核参数，避免过拟合问题，并在稠密化特征生成过程中，利用热力掩码引导和多模态融合技术，生成高质量的稠密毫米波雷达特征图，提升感知性能，进而提高了提取毫米波雷达特征的效率。
本文档来自技高网...【技术保护点】
1.一种雷达特征生成方法，其特征在于，所述雷达特征生成方法包括：
2.如权利要求1所述的方法，其特征在于，所述对雷达点云数据进行特征提取得到目标雷达扰动特征的步骤，包括：
3.如权利要求2所述的方法，其特征在于，所述输入所述雷达体素数据至目标卷积编码器，得到初始雷达扰动特征的步骤，包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述目标雷达稀疏特征和高斯分布噪声得到初始雷达扰动特征的步骤，包括：
5.如权利要求1所述的方法，其特征在于，所述根据当前图像数据和热力图引导计算策略确定目标图像扰动特征的步骤，包括：
6.如权利要求5所述的方法，其特征在于，所述根据热力图引导计算策略、雷达点云数据以及所述初始图像特征确定热力图图像特征的步骤，包括：
7.如权利要求1所述的方法，其特征在于，所述根据所述目标雷达扰动特征和所述目标图像扰动特征确定目标稠密雷达特征的步骤，包括：
8.一种雷达特征生成装置，其特征在于，所述装置包括：
9.一种雷达特征生成设备，其特征在于，所述设备包括：存储器、
10.一种存储介质，其特征在于，所述存储介质为计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7中任一项所述的雷达特征生成方法的步骤。
...【技术特征摘要】
1.一种雷达特征生成方法，其特征在于，所述雷达特征生成方法包括：
2.如权利要求1所述的方法，其特征在于，所述对雷达点云数据进行特征提取得到目标雷达扰动特征的步骤，包括：
3.如权利要求2所述的方法，其特征在于，所述输入所述雷达体素数据至目标卷积编码器，得到初始雷达扰动特征的步骤，包括：
4.如权利要求3所述的方法，其特征在于，所述根据所述目标雷达稀疏特征和高斯分布噪声得到初始雷达扰动特征的步骤，包括：
5.如权利要求1所述的方法，其特征在于，所述根据当前图像数据和热力图引导计算策略确定目标图像扰动特征的步骤，包括：
6.如权利要求5所述的方法，其特征在于，所述根据热力图引导计算策略、雷达点云数据以...
【专利技术属性】
技术研发人员：刘会凯，朱玟谦，张文，王宇明，王绍政，
申请(专利权)人：岚图汽车科技有限公司，
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。