[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

说明书

本发明公开了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，包括：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；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提取得到体素特征，并投影到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动态障碍物的携带有运动信息的特征向量；预测获得动态障碍物的运动信息。本发明可准确检测障碍物并预测动态障碍物的速度，避免了目标匹配错误的问题，可以提高速度预测的精度。

技术领域

本发明涉及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，属于自动驾驶的技术领域。

背景技术

车辆在自动驾驶过程中，遇到诸如行人，车辆等动态障碍物时，不仅需要感知动态障碍物此时刻的位置，还需要预测出动态障碍物在车辆周围的运动轨迹，所以感知动态障碍物的速度是保证驾驶安全的关键。

目前障碍物的感知，主要依靠相机及激光雷达。相机可以提供丰富的色彩，但在障碍物检测任务上不能提供准确的障碍物空间位置。而激光雷达可以提供高精度的障碍物位置信息，非常适合应用在动态障碍物速度预测的任务上。动态障碍物速度的预测，常见技术是基于单帧目标检测和多目标跟踪算法，识别出同一个动态障碍物在不同时刻的位置，从而得到动态障碍物速度。

基于单帧目标检测及多目标跟踪的算法。这类算法利用相机或激光雷达，使用目标检测算法，检测目标就是动态障碍物，得到动态障碍物在每一帧时刻的位置。每一帧都会有检测到多个目标，于是需要使用多目标跟踪算法，将同一个目标在多帧中的位置进行匹配得到该目标的轨迹，与此同时得到目标的运动方向及速度。多目标跟踪算法的精度高度依赖于检测算法的精度。这类技术缺点在于，一旦在多目标匹配过程中有匹配错的动态障碍物，那么就会计算得到错误的运动速度。或在车辆行驶过程中，远处动态障碍物常常会受到部分遮挡，基于单帧进行目标检测的方法在这种情况下也容易匹配错目标，从而计算出错误的速度。

发明内容

本发明所要解决的技术问题在于克服现有技术的不足，提供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，使用多帧数据和基于卷积神经网络，检测动态障碍物并预测动态障碍物的运动方向和运动速度，不必使用多目标跟踪算法，因而避免了目标匹配错误的问题，可以提高速度预测的精度。

本发明具体采用以下技术方案解决上述技术问题：

一种基于卷积神经网络感知动态障碍物速度的系统，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、卷积神经网络模块、预测速度模块的参数。

进一步地，作为本发明的一种优选技术方案：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。

进一步地，作为本发明的一种优选技术方案：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。