详情

原文传递一种提取激光雷达点云中道路标记线的方法

专利名称：	一种提取激光雷达点云中道路标记线的方法
摘要：	本发明公开了一种提取激光雷达点云中道路标记线的方法，包括以下步骤：S1、提出M‑Transformer网络，对道路标记线原始点云进行处理，获取原始点云的上下文信息和不同道路标记线之间的长期依赖关系；S2、基于并行池化注意力机制，对所述道路标记线的特征关系进行聚合；S3、整合所有尺度的位置依赖关系，计算特征序列的最小值和平均值，并将它们连接起来得到道路标记线点云数据的二维特征；S4、使用Softmax函数获得所述二维特征的特征权值，进一步增强道路标记线点云数据的语义特征，得到精确的道路标记线分布。本发明，可以快速、准确地提取大规模城市道路场景的道路标记线。
专利类型：	发明专利
申请人：	中央财经大学;南京海茵茨数字技术有限公司
发明人：	马凌飞;李军;杜静;李静;李志龙;赵花
专利状态：	有效
申请日期：	2023-07-31T00:00:00+0800
发布日期：	2023-11-10T00:00:00+0800
申请号：	CN202310948855.6
公开号：	CN117031436A
代理机构：	苏州圆融专利代理事务所(普通合伙)
代理人：	郭磊
分类号：	G01S7/48;G06V10/40;G06V10/80;G06V10/82;G06N3/045;G06N3/0464;G01S17/89;G;G01;G06;G01S;G06V;G06N;G01S7;G06V10;G06N3;G01S17;G01S7/48;G06V10/40;G06V10/80;G06V10/82;G06N3/045;G06N3/0464;G01S17/89
申请人地址：	100089 北京市海淀区学院南路39号;
主权项：	1.一种提取激光雷达点云中道路标记线的方法，其特征在于：包括以下步骤： S1、提出M-Transformer网络，对道路标记线原始点云进行处理，获取原始点云的上下文信息和不同道路标记线之间的长期依赖关系； S2、基于并行池化注意力机制，对所述道路标记线的特征关系进行聚合； S3、整合所有尺度的位置依赖关系，计算特征序列的最小值和平均值，并将它们连接起来得到道路标记线点云数据的二维特征； S4、使用Softmax函数获得所述二维特征的特征权值，进一步增强道路标记线点云数据的语义特征，得到精确的道路标记线分布。 2.根据权利要求1所述的一种提取激光雷达点云中道路标记线的方法，其特征在于：所述S1具体包括以下步骤： S11、对原始点云数据进行多重线性变换，分别得到点云特征的查询矩阵、键矩阵和值矩阵； S12、基于S11输出的查询向量和键向量，进行点积运算，得到能量函数； S13、利用Softmax函数将能量函数进行归一化处理，计算向量值权重，得到点云深层特征； S14、利用卷积、批量归一化和ReLU激活函数对点云深层特征进行顺序操作，学习点云数据注意力特征； S15、将上述点云数据的注意力特征进行融合，得到道路标记线点云数据的上下文信息和长期依赖关系。 3.根据权利要求2所述的一种提取激光雷达点云中道路标记线的方法，其特征在于：所述S2具体包括以下步骤： S21、将S15得到的路标记线点云数据的上下文信息和长期依赖关系，利用最大池化和平均池化操作，进行特征聚合； S22、将聚合后的特征输送到Softmax函数获得特征权重，进一步得到道路标记线点云数据深层次聚合特征。 4.根据权利要求3所述的一种提取激光雷达点云中道路标记线的方法，其特征在于：所述S3具体包括以下步骤： S31、基于S22得到的点云数据更深层次特征，计算其特征序列的最小值和平均值，并将它们连接起来得到道路标记线点云数据的二维特征。 5.根据权利要求4所述的一种提取激光雷达点云中道路标记线的方法，其特征在于：所述S4具体包括以下步骤： S41、使用Softmax函数获得所述二维特征的特征权值，进一步增强道路标记线点云数据的语义特征，得到精确的道路标记线分布。