[发明专利]一种基于卷积神经网络感知动态障碍物速度的方法及系统

权利要求书

1.一种基于卷积神经网络感知动态障碍物速度的系统，其特征在于，包括：

数据采集模块，用于采集激光雷达的点云数据、车辆在地图坐标系下的位置及姿态、每一帧点云数据的时间戳；

数据预处理模块，用于将每一帧的点云数据按照时间戳排序，并转换到地图坐标系；

数据标注模块，用于识别出动态障碍物的位置，计算出动态障碍物在每一帧的运动方向及运动速度；

体素特征提取模块，用于以连续多帧点云数据作为输入，将点云数据切割成体素并对每一个体素提取得到体素特征；

特征投影模块，用于将提取得到的体素特征投影到BEV平面；

卷积神经网络模块，用于将投影到BEV平面的体素特征作为所构建卷积神经网络的输入，经卷积神经网络提取出携带有动态障碍物运动信息的特征向量；

预测速度模块，用于将卷积神经网络模块提取出的携带有动态障碍物运动信息的特征向量作为输入，预测动态障碍物的位置、尺寸、运动方向、运动速度以作为输出；并根据动态障碍物的标注信息计算loss，更新体素特征提取模块、特征投影模块、卷积神经网络模块、预测速度模块的参数。

2.根据权利要求1所述基于卷积神经网络感知动态障碍物速度的系统，其特征在于：所述数据标注模块采用点云目标检测模型一帧帧检测识别出动态障碍物的位置。

3.根据权利要求1所述基于卷积神经网络感知动态障碍物速度的系统，其特征在于：所述卷积神经网络模块提取出动态障碍物的运动信息包括动态障碍物中心位置的三维坐标、动态障碍物的长宽高、运动方向和运动速度。

4.一种基于卷积神经网络感知动态障碍物速度的方法，其特征在于，包括以下步骤：

采集激光雷达的点云数据、车辆在地图坐标系下的位置及姿态、每一帧点云数据的时间戳；

将每一帧的点云数据按照时间戳排序，并转换到地图坐标系；

识别出动态障碍物的位置，计算出动态障碍物在每一帧的运动方向及运动速度；

以连续多帧点云数据作为输入，将点云数据切割成体素并对每一个体素提取得到体素特征，并将提取得到的体素特征投影到BEV平面；

将投影到BEV平面的体素特征作为所构建卷积神经网络的输入，经卷积神经网络提取出携带有动态障碍物运动信息的特征向量；

将提取出的携带有动态障碍物运动信息的特征向量作为输入，预测动态障碍物的位置、尺寸、运动方向、运动速度以作为输出；并根据动态障碍物的标注信息计算loss，更新各参数。

5.根据权利要求4所述基于卷积神经网络感知动态障碍物速度的方法，其特征在于，所述方法中识别出动态障碍物的位置，具体包括：

采用点云目标检测模型一帧帧检测识别出动态障碍物的位置，并识别出各个动态障碍物的轨迹；根据各个动态障碍物的轨迹，计算得到动态障碍物在每一帧的运动方向和运动速度。

6.根据权利要求4所述基于卷积神经网络感知动态障碍物速度的方法，其特征在于，所述方法中经卷积神经网络提取出动态障碍物的运动信息包括动态障碍物中心位置的三维坐标、动态障碍物的长宽高、运动方向和运动速度。