[发明专利]用于识别场景中各区域类型的方法和装置

权利要求书

1.一种用于识别场景中各区域类型的方法，包括：

获取待识别场景的激光点云；

对所述激光点云进行预处理及鸟瞰网格化投影，得到投影图，其中，所述投影图中每个像素与一个网格对应，且每个像素包括该像素对应的网格内的激光点云的鸟瞰投影；

对于所述投影图中每个像素，提取投影在该像素内的所有激光点云的以下高度特征，生成各特征图：最大高度，最大高度与最小高度之差，距离最小高度第一区间内的激光点云占投影在该像素内的总点云数比例，距离最小高度第二区间内的激光点云占投影在该像素内的总点云数比例，其中，距离最小高度第一区间内的激光点云占投影在该像素内的总点云数比例的特征图用于区分地面和路沿高度，距离最小高度第二区间内的激光点云占投影在该像素内的总点云数比例的特征图用于区分栅栏和路沿高度；

将所述各特征图输入预先训练的神经网络模型，得到各像素的类别，其中，类别包括以下6种：障碍物，地面，路沿，栅栏，绿植，其他；

对于所述投影图中每个像素，将该像素的类别作为投影在该像素内的所有激光点云的类别输出。

2.根据权利要求1所述的方法，其中，所述神经网络模型通过如下方法训练：

获取样本激光点云；

对所述样本激光点云进行预处理及鸟瞰网格化投影，得到样本投影图，其中，所述样本投影图中每个像素与一个网格对应，且每个像素包括该像素对应的网格内的样本激光点云的鸟瞰投影；

对于所述样本投影图中每个像素，提取投影在该像素内的所有样本激光点云的以下高度特征，生成各样本特征图：最大高度，最大高度与最小高度之差，距离最小高度第一区间内的激光点云占投影在该像素内的总点云数比例，距离最小高度第二区间内的激光点云占投影在该像素内的总点云数比例；

对所述样本投影图中每个像素进行类别标注生成目标图；

将所述各样本特征图作为输入，所述目标图作为期望输出，训练神经网络模型。

3.根据权利要求2所述的方法，其中，所述对所述样本投影图中每个像素进行类别标注生成目标图，包括：

对于所述样本投影图中每个像素，将投影在该像素内各类别的激光点云中数量最大的类别作为像素类别进行标注生成目标图。

4.根据权利要求3所述的方法，其中，所述对所述样本投影图中每个像素进行类别标注生成目标图，包括：

对于所述样本投影图中每个像素，根据先验信息及识别任务需求，调整该像素的类别生成顺序，进行标注生成目标图。

5.根据权利要求2所述的方法，其中，所述方法还包括：

根据不同类别像素数量，调整各类别训练权重，平衡不同类别像素数量差异过大的问题。

6.一种用于识别场景中各区域类型的装置，包括：

获取单元，被配置成获取待识别场景的激光点云；

投影单元，被配置成对所述激光点云进行预处理及鸟瞰网格化投影，得到投影图，其中，所述投影图中每个像素与一个网格对应，且每个像素包括该像素对应的网格内的激光点云的鸟瞰投影；

生成单元，被配置成对于所述投影图中每个像素，提取投影在该像素内所有激光点云的以下高度特征，生成各特征图：最大高度，最大高度与最小高度之差，距离最小高度第一区间内的激光点云占投影在该像素内的总点云数比例，距离最小高度第二区间内的激光点云占投影在该像素内的总点云数比例，其中，距离最小高度第一区间内的激光点云占投影在该像素内的总点云数比例的特征图用于区分地面和路沿高度，距离最小高度第二区间内的激光点云占投影在该像素内的总点云数比例的特征图用于区分栅栏和路沿高度；

检测单元，被配置成将所述各特征图输入预先训练的神经网络模型，得到各像素的类别，其中，类别包括以下6种：障碍物，地面，路沿，栅栏，绿植，其他；

输出单元，被配置成对于所述投影图中每个像素，将该像素的类别作为投影在该像素内的所有激光点云的类别输出。