[发明专利]一种基于CNN点云目标检测的配准方法

权利要求书

1.一种基于CNN点云目标检测的配准方法，其特征在于，包括以下步骤:

获取源点云数据；

将所述源点云数据输入CNN模型，计算得到中心偏移预测信息和物体预测信息，所述中心偏移预测信息用于判定是否为相同物体的点，所述物体预测信息用于判定是否为障碍物点；

在GPU上对所述源点云中的障碍物点进行剔除并生成用于点云配准的输入点云；

利用所述输入点云进行点云配准。

2.根据权利要求1所述的基于CNN点云目标检测的配准方法，其特征在于，所述将所述源点云数据输入CNN模型，得到中心偏移预测信息和物体预测信息，具体步骤为：

将所述源点云输入到所述CNN模型的前处理模块，在局部坐标系中构建俯视图2D网格，所述2D网格包含若干个单元格；

基于所述源点云中点的X、Y坐标数据，将所述源点云中的每个点均映射到各自所属的所述单元格中；

映射结束后，计算所述2D网格内每个单元格中点的若干个统计测量，并将所述若干个统计测量分别传递给所述CNN模型的输入通道特征，所述统计测量与所述输入通道特征一一对应；

将所述输入通道特征输入至所述CNN模型进行计算，得到中心偏移预测信息和物体预测信息。

3.根据权利要求2所述的基于CNN点云目标检测的配准方法，其特征在于，所述在GPU上对所述源点云中的障碍物点进行剔除并生成用于点云配准的输入点云，具体步骤为：

将所述源点云从CPU内存拷入GPU显存；

在所述GPU显存中创建局部坐标系俯视图2D网格，所述2D网格包含若干个单元格；

为所述源点云中的每一个点分配一个GPU线程，根据点的X，Y坐标将每一个点映射到所述2D网格中各自所属的单元格；

为每一个所述2D网格的单元格分配一个GPU线程，每一个单元格都被看作是一个节点，利用所述CNN模型输出的所述物体预测信息判定各个节点是否为障碍物节点，利用所述中心偏移预测确定各个节点的中心节点；

为每一个所述2D网格的单元格分配一个GPU线程，根据确定的每一节点的中心节点，结合快慢指针算法，将所有属于相同物体的节点进行链接形成链表；

为每一个所述2D网格的单元格分配一个GPU线程，随机为每个节点分配置信度；

为每一个所述2D网格的单元格分配一个GPU线程，利用快慢指针和GPU原子操作为每一个节点搜寻父节点，一个链表中置信度最大的节点被选为该链表的父节点，链表当中的所有节点拥有相同的父节点和中心节点，并根据所述物体预测信息将所有链表中的节点更新为障碍物节点；

为所述源点云中的每一个点分配一个GPU线程，检查该点是否被标记为障碍物节点，若是，则剔除该点，若不是，则保留该点；

滤除障碍物点后生成配准模块的输入点云。

4.根据权利要求1所述的基于CNN点云目标检测的配准方法，其特征在于，所述CNN模型为CNNSeg模型、PointPillars模型、Complex-YOLO模型和SECOND模型中的一种。

5.根据权利要求2所述的基于CNN点云目标检测的配准方法，其特征在于，所述统计测量为单元格中点的最大高度、单元格中点的最大强度、单元格中点的平均高度、单元格中点的平均强度、单元格中的点数、单元格中心相对于原点的角度、单元格中心与原点之间的距离和二进制值标示单元格是空还是被占用。

6.根据权利要求3所述的基于CNN点云目标检测的配准方法，其特征在于，所述每个节点的置信度互不相等。