[发明专利]一种基于生成对抗网络的激光点云上色方法和装置

说明书

本发明公开了一种基于生成对抗网络的激光点云上色方法和装置，涉及计算机技术领域。该方法的一具体实施方式包括：获取样本集；其中，样本集包括激光点云以及彩色点云；输入激光点云以及彩色点云至生成对抗网络中，以对生成对抗网络中的生成网络以及判别网络进行相互竞争的参数迭代训练，得到训练后的网络模型；基于训练后的网络模型，对待上色激光点云进行上色和判别，得到对应的上色点云。该实施方式不需要搭建任何摄像头硬件装置，且不受天气、环境等因素的影响，操作简单、成本低、占用内存小，并能够获取完整的点云上色结果。

技术领域

本发明涉及计算机技术领域，尤其涉及一种基于生成对抗网络的激光点云上色方法和装置。

背景技术

激光点云是由激光雷达向目标发射激光束，并对反射激光进行检测和分析，以获取点云数据，其属性包括三维空间坐标位置X、Y、Z和反射强度Intensity。

激光点云具有采集密度高，对环境光照鲁棒和测距精准等优点，因而随着自动驾驶技术的开展，基于激光点云的场景理解技术是不可或缺的手段之一。

然而激光点云的点云数据属性过于单一，难以表达文理色彩丰富的现实场景，为此，各种车载系统往往搭建若干摄像头，来配合激光雷达获取带有颜色R、G、B的激光数据。这种由采集视频对激光点云上色的主要流程为：

1)预先对激光雷达和摄像头进行位置标定，建立激光雷达和摄像头的相对几何关系；

2)在采集过程中同步采集点云束和视频帧，并对同一时刻所采集的点云束和视频帧进行匹配；

3)在统一坐标系下，根据预定的相对几何关系，将点云束投影到所匹配的视频帧中，用视频帧中的投影点像素颜色对点云上色。

在实现本发明的过程中，发明人发现现有技术至少存在如下问题：

1)操作复杂：需要搭建复杂的激光和摄像头系统，并对两者进行标定和同步；

2)使用局限：在清洗场景下所拍摄的视频具有较高的识别率，但在模糊场景下，比如因天气原因、光线变化所引起的图像模糊、夜间场景下，所获取的视频质量偏低，难以保证高质量点云上色；

3)成本高：为对点云进行完整的高质量上色，还需要高品质的全景摄像头，所耗成本较高，还可能存在数据存储量大等问题。

发明内容

有鉴于此，本发明实施例提供一种基于生成对抗网络的激光点云上色方法和装置，至少能够解决现有点云上色方式操作复杂、成本高、环境要求高、完成效果不佳等缺点。

为实现上述目的，根据本发明实施例的一个方面，提供了一种基于生成对抗网络的激光点云上色方法，包括：

获取样本集；其中，样本集包括激光点云以及彩色点云；

输入激光点云以及彩色点云至生成对抗网络中，以对生成对抗网络中的生成网络以及判别网络进行相互竞争的参数迭代训练，得到训练后的网络模型；

基于训练后的网络模型，对待上色激光点云进行上色和判别，得到对应的上色点云。

可选的，输入激光点云以及彩色点云至生成对抗网络中，以对生成对抗网络中的生成网络以及判别网络进行相互竞争的参数迭代训练，得到训练后的网络模型，包括：

输入激光点云至生成网络，得到对应的第一上色点云，通过判别网路判别第一上色点云为真的概率，确定生成网络的损失函数值；

通过判别网络判别彩色点云为真的概率，结合所判别的第一上色点云为真的概率，确定判别网络的损失函数值；

根据反向传递方式，分别最小化生成网络和判别网络的损失函数值，以迭代更新生成网络以及判别网络的参数，得到网络模型。