[发明专利]一种面向复杂环境的可通行区域检测方法及系统

权利要求书

1.一种面向复杂环境的可通行区域检测方法，其特征在于：包括如下步骤：

步骤1，构建可通行区域点云深度学习检测子系统，包含道路类型识别网络和可通行区域检测网络，道路类型识别网络具体为点云深度学习分类网络，深度学习检测可通行区域检测网络具体为点云深度学习分割网络，并通过一个生成器、一个生成器条件约束网络和一个判别器条件生成对抗学习网络，其中，生成器为上述点云深度学习分割网络，生成器条件约束网络为上述点云深度学习分类网络，判别器为另一个点云深度学习分类网络，通过对抗学习网络训练上述道路类型识别网络和可通行区域检测网络以达到检测精度；

步骤2，构建可通行区域传统方法检测子系统，包含道路类型识别模块和可通行区域检测模块，道路类型识别模块由特征提取和传统机器学习分类器构成，可通行区域检测模块由特征提取、路边提取与跟踪以及路面提取构成；

步骤3，点云深度学习检测子系统和传统方法检测子系统通过深度学习框架底层接口直接连接，完成两个子系统结合，组成完整面向复杂环境的可通行区域检测系统；

步骤4，车载激光雷达新采集点云数据优先输入点云深度学习检测子系统，对于新采集点云数据进行识别分析，获得可通行区域，若在新采集点云数据在输入到点云深度学习检测子系统时，未能获得有效道路类型结果，则将新采集点云传输到传统方法检测子系统，获得可通行区域。

2.根据权利要求1所述的面向复杂环境的可通行区域检测方法，其特征在于：所述步骤4中获得可通行区域的具体步骤如下，车载激光雷达新采集点云数据优先输入点云深度学习检测子系统，若道路类型识别网络给出有效道路类型，则将道路类型结果和新采集点云数据继续输入可通行区域检测网络，若输出有效可通行区域检测结果，则直接结束此次检测，若未输出有效可通行区域检测结果，则将上述道路类型结果和新采集点云数据转输到传统检测子系统的可通行区域检测模块，先后进行特征提取、路边检测和路面检测以获得可通行区域，若新采集点云输入点云深度学习子系统的道路类型识别网络后，未能获得有效道路类型结果，则将新采集点云转输到传统方法检测子系统，在道路类型识别模块先后进行特征提取以及分类器分类以获得道路类型识别结果，进而将上述道路类型结果和新采集点云数据继续输入可通行区域检测模块，先后进行特征提取、路边检测和路面检测以获得可通行区域。

3.根据权利要求2所述的面向复杂环境的可通行区域检测方法，其特征在于：所述步骤1中训练上述道路类型识别网络和可通行区域检测网络以达到检测精度的具体步骤如下：

步骤1.1，利用带可通行区域标签的三维激光雷达点云训练集R_l，road样本训练一个点云深度学习分割网络G，使网络G可以检测出点云数据的可通行区域，利用带道路类型标签的三维激光雷达点云训练集R_type样本训练一个点云深度学习分类网络C，使网络C可以检测出点云数据的道路类型；

步骤1.2，把步骤1.1训练完成的点云深度学习分割网络G作为条件生成对抗网络中的生成器；把步骤1.1训练完成的点云深度学习分类网络C作为条件生成对抗网络中产生条件的网络；把另一点云深度学习分类网络D作为生成对抗网络的判别器；

步骤1.3，首先判别器网络D进行训练学习，把生成器网络G以及其条件网络C固定不进行训练学习；

步骤1.4：考虑到条件网络C和生成器网络G输出结果对可通行区域分割效果的影响并非相互独立，将条件网络C和生成器网络G进行同步训练学习，判别器网络D固定不进行训练学习；

步骤1.5：重复步骤1.3和1.4至条件网络C和生成器网络G达到一定精度，取出条件网络C作为可通行区域点云深度学习检测子系统的道路类型识别网络，取出生成器网络G作为可通行区域点云深度学习检测子系统的可通行区域检测网络。