买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：济南大学

摘要：本发明从场景点云在鸟瞰图BEV视图中，所有物体都从顶部观察，道路通常呈现为连续的平面区域的特性出发，通过BEV编码映射，BEV数据标注，深度模型训练BEV解码还原等步骤，在BEV中将复杂的三维点云数据简化为二维图像，降低了数据处理的复杂度和计算需求，同时保留了足够的信息来执行道路特征的提取，简化了点云道路提取过程，实现对道路点云的精准提取。

主权项：1.一种基于BEV感知的道路点云提取方法，其特征在于，具体实施步骤如下：S1：BEV编码映射；S2：BEV数据标注；S3：深度模型的训练；S4：BEV解码还原；在上述S1中，BEV编码映射过程的具体实施步骤为：S101：使用高度，密度，反射率三个维度的特征，将点云以每像素0.1m的分辨率在2D空间中投影为鸟瞰网络图；S102：鸟瞰网络图表示的LIDAR空间范围为向右25.6m，向左25.6m，向前51.2m；在上述分辨率为0.1的情况下使用此范围会导致每个通道的输入形状为512*512；Lidar空间中的高度剪裁在+2m和-2m之间；S103：映射至0~255区间以表示为高度、密度、反射率通道的像素值；映射策略使用Threshold-Min标准化方法： ；其中，Value是原始数据值，Threshold是设定的阈值，通常是数据集中的最大值或其他特定值，Min是最小值一般为0，NormalizedValue是标准化后的值，将映射后的数据备份至位置矩阵中，以便后续的解码还原；在上述S2中，BEV数据标注过程的具体实施步骤为：S201：获得映射后的BEV数据后，使用对图像标注的方法进行数据，为确保标注的一致性，每个BEV数据仅标注道路；S202：BEV数据集标注了1600张，训练集、验证集、测试集的划分比例为8：1：1，训练集中包含图片1280张，验证集和测试集各包含图片160张；在上述S3中，其训练过程的具体实施步骤为：S301：使用统一的架构来训练点云BEV数据，在统一架构中，数据的预处理、特征提取和后处理等步骤可以设计为共享或部分共享，这样可以减少数据在处理过程中的重复流动，降低数据传输和转换的开销；S302：需要对深度模型进行部署，分别采用U-Net、PSP-Net、DeepLabV3+和HR-Net四种模型进行部署和训练；在上述S4中，获得预训练模型后，模型输出的仍然是BEV特征图，需要根据S2中得到位置矩阵进行像素还原，还原需要查询原始点云，在原始点云中查询结果即为道路点云。

全文数据：

权利要求：

百度查询： 济南大学 一种基于BEV感知的道路点云提取方法