[发明专利]用于运载工具的方法和系统以及运载工具

权利要求书

1.一种用于运载工具的方法，包括：

使用至少一个处理器从在环境中操作的所述运载工具的深度传感器获得点云；

使用所述至少一个处理器对所述点云进行编码；

使用深度学习网络以经编码的点云作为输入来估计所述环境中的地平面；

使用所估计的地平面和所述环境的地图来确定所述环境中的可驾驶区域；

使用所述至少一个处理器基于所述可驾驶区域来规划通过所述环境的路径；以及

使用所述运载工具的控制电路沿所述路径操作所述运载工具。

2.根据权利要求1所述的方法，其中，所述深度学习网络包括二维卷积主干即2D卷积主干、以及用于估计所述地平面的地平面估计头即GPE头，所述方法还包括：

使用所述至少一个处理器根据所述2D卷积主干的多个步幅获得特征图；

使用所述至少一个处理器将各特征图上采样为原始特征图大小；以及

使用所述至少一个处理器和加权求和来组合上采样特征图以生成用于估计所述地平面的输出图。

3.根据权利要求2所述的方法，其中，对所述点云进行编码还包括：

将所述点云划分为图像嵌入中的2D柱；

针对各柱，

选择多个采样点；

向所选择的采样点添加多个增强；以及

使用点网络来处理各柱以获得该柱的点特征；

将所述点特征基于相应的柱位置绘制成点特征图以创建2D点特征图；

使用所述2D卷积主干对所述2D点特征图进行处理以获得不同步幅的丰富特征图；以及

将所述丰富特征图传递到所述GPE头以估计所述地平面。

4.根据权利要求3所述的方法，其中，所述图像嵌入是鸟瞰图像即BEV图像。

5.根据权利要求2所述的方法，其中，所述GPE头包括一个或多个卷积层。

6.一种用于运载工具的方法，包括：

使用至少一个处理器获得在环境中操作的深度传感器所捕获的点云；

使用至少一个处理器对所述点云进行编码；以及

使用深度学习网络以经编码的点云作为输入来估计所述环境中的地平面；

使用所述至少一个处理器将所估计的地平面与地面真值图进行比较以确定地平面估计损失；以及

使用所述至少一个处理器基于所确定的地平面估计损失来更新所述深度学习网络的参数。

7.根据权利要求6所述的方法，其中，将所估计的地平面与所述地面真值图进行比较以确定地平面估计损失还包括使地平面估计与所述地面真值图的损失函数最小化。

8.根据权利要求7所述的方法，其中，所述损失函数是平滑-l回归损失。

9.根据权利要求6所述的方法，其中，所述深度学习网络包括耦接至用于估计所述地平面的地平面估计头即GPE头的2D卷积主干，所述方法还包括：

使用所述至少一个处理器根据所述2D卷积主干的多个步幅获得特征图；

使用所述至少一个处理器将各特征图上采样为原始特征图大小；以及

使用所述至少一个处理器和加权求和来组合上采样特征图以生成用于估计所述地平面的输出图。

10.根据权利要求9所述的方法，其中，对所述点云进行编码还包括：

将所述点云划分为图像嵌入中的2D柱；

针对各柱，

选择多个采样点；

向所选择的采样点添加多个增强；以及

使用点网络来处理各柱以获得该柱的点特征；

将所述点特征基于相应的柱位置绘制成点特征图以创建2D点特征图；

使用所述2D卷积主干对所述2D点特征图进行处理以获得不同步幅的丰富特征图；以及

将所述丰富特征图传递到所述GPE头以估计所述地平面。

11.根据权利要求9所述的方法，其中，所述GPE头包括一个或多个卷积层。