[发明专利]去除动态物体的语义分割方法及系统

权利要求书

1.一种去除动态物体的语义分割方法，其特征在于，包括：

获取场景3D点云并投影到2D深度图中，计算点云的法向量信息，构建带有回环的面元地图；

对带有回环的面元地图进行点云语义分割，构建出语义点云地图，将语义点云地图映射到3D点云地图中并去除出现的边缘阴影及点云离散化现象；

利用语义点云地图中的语义点云信息去除动态物体，并添加语义迭代最近点约束，得到优化后的语义点云地图；

去除出现的边缘阴影及点云离散化现象的过程为：

基于KNN搜索方法，在语义点云地图的原始点云中对每个点临近的k个扫描点进行一致性检测，利用点云的语义信息增加点的标签准确性以及对相同标签的离散化点进行插值来降低映射到三维点云时出现的阴影；

所述KNN搜索方法支持GPU，且直接对原始点云操作。

2.如权利要求1所述的去除动态物体的语义分割方法，其特征在于，所述面元地图中的每个面元都包含面元中心坐标、法向量、圆半径、面元创建时间、面元最后更新时间和面元稳定性概率。

3.如权利要求1所述的去除动态物体的语义分割方法，其特征在于，所述构建带有回环的面元地图的过程，包括：

利用所有点云的法向量构建向量图，建立面元结构，构建出面元地图；

基于面元地图上一帧坐标系，利用关键帧渲染出一个虚拟帧和当前帧进行面元结构信息的前端ICP帧间匹配，计算得到帧间相对位姿；

获得当前帧位姿后，将当前帧融合到已有的面元地图中，更新面元地图；

基于关键帧之前的历史帧构建回环检测；

回环检测通过后，把回环约束加入到位姿图中，进行位姿图优化，将优化的位姿整合到面元地图中，并更新当前位姿。

4.如权利要求1所述的去除动态物体的语义分割方法，其特征在于，利用RangeNet++神经网络对带有回环的面元地图进行点云语义分割，得到点云的语义信息以及相应的概率信息。

5.如权利要求1所述的去除动态物体的语义分割方法，其特征在于，利用语义点云地图中的语义点云信息去除动态物体之前，还包括：

如果某点的固定邻域中有其他的点的语义标签与该点不同，则去除该点，并且该点领域内若还有其他点，则标记为相同标签，然后利用周围标签的点对其进行填充，获得一致性深度地图。

6.如权利要求5所述的去除动态物体的语义分割方法，其特征在于，采用点云语义信息处理动态物体，在更新地图时，如果深度地图和面元地图之间的语义信息不一致，则假设物体为动态物体，在递归贝叶斯滤波器的稳定性项的计算中添加惩罚项，经过多次检测去除不稳定面元，实现动态物体的去除。

7.一种去除动态物体的语义分割系统，其特征在于，包括：

面元结构地图构建模块，其用于获取场景3D点云并投影到2D深度图中，计算点云的法向量信息，构建带有回环的面元地图；

语义点云地图构建模块，其用于对带有回环的面元地图进行点云语义分割，构建出语义点云地图，将语义点云地图映射到3D点云地图中并去除出现的边缘阴影及点云离散化现象；

语义点云地图优化模块，其用于利用语义点云地图中的语义点云信息去除动态物体，并添加语义迭代最近点约束，得到优化后的语义点云地图；

在语义点云地图构建模块中，去除出现的边缘阴影及点云离散化现象的过程为：

基于KNN搜索方法，在语义点云地图的原始点云中对每个点临近的k个扫描点进行一致性检测，利用点云的语义信息增加点的标签准确性以及对相同标签的离散化点进行插值来降低映射到三维点云时出现的阴影；

所述KNN搜索方法支持GPU，且直接对原始点云操作。

8.如权利要求7所述的去除动态物体的语义分割系统，其特征在于，在所述面元结构地图构建模块中，构建带有回环的面元地图的过程，包括：

利用所有点云的法向量构建向量图，建立面元结构，构建出面元地图；

基于面元地图上一帧坐标系，利用关键帧渲染出一个虚拟帧和当前帧进行面元结构信息的前端ICP帧间匹配，计算得到帧间相对位姿；

获得当前帧位姿后，将当前帧融合到已有的面元地图中，更新面元地图；

基于关键帧之前的历史帧构建回环检测；

回环检测通过后，把回环约束加入到位姿图中，进行位姿图优化，将优化的位姿整合到面元地图中，并更新当前位姿。