[发明专利]地面点云的确定方法、装置、存储介质及电子装置在审
申请号: | 202111645438.1 | 申请日: | 2021-12-29 |
公开(公告)号: | CN114299029A | 公开(公告)日: | 2022-04-08 |
发明(设计)人: | 傅佳安;张凯;李乾坤 | 申请(专利权)人: | 浙江大华技术股份有限公司 |
主分类号: | G06T7/00 | 分类号: | G06T7/00;G06T3/00;G06T7/60;G06N3/04;G06N3/08 |
代理公司: | 北京康信知识产权代理有限责任公司 11240 | 代理人: | 张丹红 |
地址: | 310051 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 面点 确定 方法 装置 存储 介质 电子 | ||
本发明实施例提供了一种地面点云的确定方法、装置、存储介质及电子装置,其中,该方法包括:通过激光雷达采集点云数据,得到点云数据集合;将点云数据集合中的点云数据输入目标神经网络模型,得到目标神经网络模型输出的目标平面参数;根据目标平面参数,确定点云数据集合中的地面点云数据。通过本发明,解决了地面点云的检测准确率较低问题,进而达到了提高地面点云的检测准确率的效果。
技术领域
本发明实施例涉及计算机领域,具体而言,涉及一种地面点云的确定方法、装置、存储介质及电子装置。
背景技术
相关领域中,通过各类测量仪器得到目标对象表面的点数据集合被称为点云,点云通常包含目标对象表面上各点的位置坐标信息,但是在存在地面的场景中,例如,在自动驾驶场景中,需要对场景中的各类目标对象进行检测,使车辆能做出正确的行驶决策,道路上的各类目标对象都与地面直接接触,这会导致地面点云对目标点云的标注,以及目标点云的准确检测存在干扰。因此,需要对点云数据中的地面点云进行检测,从而实现对地面点云的过滤。
现有技术中,可以根据激光雷达的安装高度对点云数据进行筛选,以确定地面待测点云数据,根据相邻两个地面待测点之间的坡度确定地面点,以得到地面点云数据,但是,通过该方法进行地面点云的检测需要先获取激光雷达的安装高度、俯仰角等先验信息,才能对点云数据筛选,且对于未知来源的点云数据的识别具有局限性,导致地面点云的检测准确率较低。
针对相关技术中存在的上述问题,目前尚未提出有效的解决方案。
发明内容
本发明实施例提供了一种地面点云的确定方法、装置、存储介质及电子装置,以至少解决相关技术中对地面点云的检测准确性较低的问题。
根据本发明的一个实施例,提供了一种地面点云的确定方法,包括:通过激光雷达采集点云数据,得到点云数据集合;将所述点云数据集合中的点云数据输入目标神经网络模型,得到所述目标神经网络模型输出的目标平面参数,其中,所述目标神经网络模型是使用训练点云数据训练得到的神经网络模型,所述目标神经网络模型满足预设收敛条件,所述预设收敛条件是所述目标神经网络模型输出的预估平面参数,与所述训练点云数据对应的实际平面参数之间的损失值小于或等于预设值;根据所述目标平面参数,确定所述点云数据集合中的地面点云数据。
可选地,所述将所述点云数据集合中的点云数据输入目标神经网络模型,得到所述目标神经网络模型输出的目标平面参数,包括:将所述点云数据集合中的点云数据输入目标神经网络模型,通过所述目标神经网络模型的体素化网络层、卷积层,以及高度压缩网络层对所述云数据集合中的点云数据进行处理,得到所述目标神经网络模型输出的所述目标平面参数。
可选地,所述通过所述目标神经网络模型的体素化网络层、卷积层,以及高度压缩网络层对所述云数据集合中的点云数据进行处理,得到所述目标神经网络模型输出的所述目标平面参数,包括:将所述点云数据集合中的点云数据输入所述体素化网络层,通过所述体素化网络层对所述点云数据集合进行体素化,得到所述体素化网络层输出的体素数据集合;将所述体素数据集合输入3D卷积层,通过所述3D卷积层对所述体素数据集合进行特征提取,得到三维特征数据集合,其中,所述卷积层包括所述3D卷积层;将所述三维特征数据集合输入所述高度压缩网络层,通过所述高度压缩网络层和2D卷积层,得到所述目标平面参数,其中,所述卷积层包括所述2D卷积层。
可选地,所述将所述三维特征数据集合输入所述高度压缩网络层,通过所述高度压缩网络层和2D卷积层,得到所述目标平面参数,包括:将所述三维特征数据集合输入所述高度压缩网络层,通过所述高度压缩网络层对所述三维特征数据集合中的高度特征数据进行压缩,得到所述高度压缩网络层输出的二维特征数据集合;将所述二维特征数据集合输入所述2D卷积层,通过所述2D卷积层对所述二维特征数据集合进行回归处理,得到所述目标平面参数。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大华技术股份有限公司,未经浙江大华技术股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202111645438.1/2.html,转载请声明来源钻瓜专利网。