一种基于直升机机载激光雷达的地物语义分割方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN114140470A(43)申请公布日2022.03.04(21)申请号202111484048.0G06V10/764(2022.01)(22)申请日2021.12.07(71)申请人群周科技（上海）有限公司地址200434上海市虹口区广粤路501号401室(72)发明人范锐军陈潇付康林(74)专利代理机构上海乐泓专利代理事务所(普通合伙)31385代理人苏杰(51)Int.Cl.G06T7/10(2017.01)G06K9/62(2022.01)G06N3/04(2006.01)G06N3/08(2006.01)G06V10/762(2022.01)权利要求书2页说明书4页附图3页(54)发明名称一种基于直升机机载激光雷达的地物语义分割方法(57)摘要本发明涉及一种基于直升机机载激光雷达的地物语义分割方法，涉及直升机机载激光雷达实时处理技术领域，包括以下步骤：通过激光雷达获取实时点云，进行点云数据的采集，将采集的点云数据进入降采样模块，保留点云特征的同时减少点云数据量，得到有效数据，把经过降采样后获得的有效数据经过预处理将三维点云编码为二维鸟瞰图，利用深度学习网络的方式将点分为地点和物点，只在物点内进行障碍物检测，将物点集合分成无数个孤立的点云簇，利用点云簇特点分类，对聚类后的属于同一目标的点云计算其外接多面体，得到区分待检测物。其优点在于，可以同时满足实时性和低功耗要求，检测性能较佳，保障了直升机飞行的安全需要。CN114140470ACN114140470A权利要求书1/2页1.一种基于直升机机载激光雷达的地物语义分割方法，其特征在于，包括以下步骤：S1：通过激光雷达获取实时点云，进行点云数据的采集，并进入S2步骤；S2：将采集的点云数据进入降采样模块，保留点云特征的同时减少点云数据量，得到有效数据，并进入S3步骤；S3：把经过降采样后获得的有效数据经过预处理将三维点云编码为二维鸟瞰图，并进入S4步骤；S4：利用深度学习网络的方式将点分为地点和物点，只在物点内进行障碍物检测，并进入S5步骤；S5：利用欧式聚类的方式将物点集合分成无数个孤立的点云簇，并进入S6步骤；S6：利用点云簇特点分类，对聚类后的属于同一目标的点云计算其外接多面体，根据外接多面体的属性对其进行分类，得到区分待检测物。2.根据权利要求1所述的基于直升机机载激光雷达的地面目标语义分割方法，其特征在于，步骤S1包括以下步骤：S11：激光雷达发送udp包；S12：server端收包解包进行舍去坏点进行坐标系转换；S13：完成点云数据的采集。3.根据权利要求1所述的基于直升机机载激光雷达的地面目标语义分割方法，其特征在于，步骤S2中通过体素滤波进行降采样。4.根据权利要求1所述的基于直升机机载激光雷达的地面目标语义分割方法，其特征在于，步骤S3包括以下步骤：S31：在roi范围内，将三维点云编码为二维鸟瞰图；S32：使用落入同一栅格的点云最高高度值，以及落入同一栅格的点云高度中位数编码二维特征图。5.根据权利要求1所述的基于直升机机载激光雷达的地面目标语义分割方法，其特征在于，所述待检测物包括建筑物、杆状物、风车、高压线塔、信号塔。6.根据权利要求1所述的基于直升机机载激光雷达的地面目标语义分割方法，其特征在于，所述步骤S3还包括：设立一个roi，在激光雷达坐标系中为‑128m<x≤128m,0<z≤256m，把点云转化为像素坐标系，按照0.5mX0.5m空间对应一个统计单元，用最高点以及落入同一栅格的点云高度中位数来代替这个像素的值的方式统计，转化的三通道值为(x，y，z)，转化的五通道值为(x，y，z，yaw，pitch)，从而得到一个五通道和一个三通道的二维特征图作为网络的输入。7.根据权利要求6所述的基于直升机机载激光雷达的地面目标语义分割方法，其特征在于，所述yaw和所述pitch分别为三维可以求出的两个角度。8.根据权利要求6所述的基于直升机机载激光雷达的地面目标语义分割方法，其特征在于，将所述步骤S3中的五通道的二维特征图，作为网络的输入，通过1乘1卷积核，输出通道为32通道，得出特征图；用32通道点云三维坐标张量特征图，经多次特征提取、多次特征图拼接、多次上采样以及损失函数输入，输出预测种类图，用1通道点云三维坐标张量特征图，经最邻近分类算法随机条件场得出点云图。9.根据权利要求8所述的基于直升机机载激光雷达的地面目标语义分割方法，其特征2CN114140470A权利要求书2/2页在于，所述backbone具体包括以下步骤：将所述步骤S3中的三通道的二维特征图，经过三次3x3的有填充卷积，和当前backbone输入特征图以(3，3)的卷积核尺寸大小拆分成通道数变为原来