[发明专利]去除动态物体的语义分割方法及系统

说明书

本发明属于图像处理领域，提供了一种去除动态物体的语义分割方法及系统。其中，该语义分割方法包括获取场景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。

技术领域

本发明属于图像数据处理领域，尤其涉及一种去除动态物体的语义分割方法及系统。

背景技术

本部分的陈述仅仅是提供了与本发明相关的背景技术信息，不必然构成在先技术。

机器人的同时定位与建图（Simultaneous Localization and Mapping，SLAM）技术已在高精度地图采集、无人驾驶定位、AGV、AR/VR、无人机等领域广泛应用，然而，在复杂场景（比如：矿山场景）下，由于动态物体会使观测与地图之间产生错误关联，干扰雷达获取的点云信息，导致较大的环境定位与地图构建误差；深度学习能够获取激光点云数据密集语义信息并对其进行训练分类，但却只能实现二维层面较高精度定位与建图，对三维层面的定位与建图精度及稳定性较低。因此，单一激光SLAM和三维点云的深度学习技术无法满足动态复杂环境的定位与建图需求。

发明内容

为了解决上述背景技术中存在的技术问题，本发明提供一种去除动态物体的语义分割方法及系统，其能够有效地去除复杂环境中的动态物体，并最终实现稳定地高精度定位及语义地图构建。

为了实现上述目的，本发明采用如下技术方案：

本发明的第一个方面提供一种去除动态物体的语义分割方法，其包括：

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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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：