激光雷达点云目标检测方法、系统及装置.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CN112183393A(43)申请公布日2021.01.05(21)申请号202011060317.6(22)申请日2020.09.30(71)申请人深兰人工智能（深圳）有限公司地址518131广东省深圳市龙华区民治街道民治社区1970科技园8栋115(72)发明人陈海波李忠蓬(74)专利代理机构常州佰业腾飞专利代理事务所(普通合伙)32231代理人滕诣迪(51)Int.Cl.G06K9/00(2006.01)G06K9/20(2006.01)G06K9/46(2006.01)G06K9/62(2006.01)G06N3/04(2006.01)权利要求书2页说明书6页附图2页(54)发明名称激光雷达点云目标检测方法、系统及装置(57)摘要本发明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。本发明对高分辨率点云信息能够有好的保留，使得检测性能更好。CN112183393ACN112183393A权利要求书1/2页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2CN112183393A权利要求书2/2页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。9.根据权利要求8所述的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，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