[发明专利]点云分类模型的训练方法、点云分类方法及装置

说明书

本申请提供一种点云分类模型的训练方法、点云分类方法及装置，涉及智能驾驶技术领域，包括：获取多个训练样本，对每个训练样本的点云进行特征提取，获得每个点云的特征向量；根据每个点云的特征向量，获取每个点云的相似度信息，根据每个点云的特征向量和相似度信息以及点云的类别，对点云分类模型进行训练，得到训练完成的点云分类模型。通过训练好的点云分类模型对点云进行分类，可以提升分类的准确性，同时，由于在训练过程中结合的点云的相似度信息，该训练好的点云分类模型具有更好的泛化能力。

技术领域

本申请涉及智能驾驶技术领域，尤其涉及一种点云分类模型的训练方法、点云分类方法及装置。

背景技术

激光雷达广泛应用于无人驾驶、无人机、机器人等领域，已经成为众多智能设备的核心传感器。

例如，在无人驾驶的车辆行驶过程中，通常采用激光雷达获取道路上如其他车辆、行人、路障等障碍物的激光点云数据，通过激光点云数据对障碍物进行识别和分类，以保证无人驾驶的车辆的正常行驶。

但是，激光雷达的分辨率相较于相机等被动传感器低很多。此种特性导致激光雷达在感知周围环境时，不能很好反映障碍物上的纹理细节以及精细的轮廓信息，导致根据障碍物的激光点云数据，对障碍物进行识别和分类时出现错误。

发明内容

本申请实施例提供一种点云分类模型的训练方法、点云分类方法及装置，可以提高对障碍物分类的准确性。

第一方面，本申请实施例提供一种点云分类模型的训练方法，包括：

获取多个训练样本，所述训练样本包括点云和所述点云的类别；

对每个所述训练样本的点云进行特征提取，获得每个所述点云的特征向量；

根据每个所述点云的特征向量，获取每个点云的相似度信息，所述相似度信息包括所述点云与其它每个点云的相似度；

根据每个所述点云的特征向量和所述相似度信息以及所述点云的类别，对点云分类模型进行训练，得到训练完成的点云分类模型。

可选的，所述对每个所述训练样本的点云进行特征提取，包括：

将每个所述训练样本的点云以三维检测框的中心为原点，以所述三维检测框的朝向为预设坐标轴的正方向进行坐标转换，获得转换后的点云，其中，所述朝向为所述三维检测框在三维空间中的朝向；

对所述转换后的点云进行特征提取，获得所述点云的特征向量。

可选的，所述对所述转换后的点云进行特征提取，获得所述点云的特征向量，包括：

将所述三维检测框划分为N*N个栅格；

对每个所述栅格中的点云进行8维特征向量提取，其中，所述8维特征向量包括6维高度特征向量、1维密度特征向量以及1维反射强度特征向量；

将N*N*8维特征向量作为所述点云的特征向量。

可选的，所述根据每个所述点云的特征向量，获取每个点云的相似度信息，所述相似度信息包括所述点云与其它每个点云的相似度，包括：

根据每个所述点云的特征向量，获取所述点云与其它每个点云的特征向量的余弦相似度；

根据每个点云对应的多个余弦相似度以及每个点云的类别，获取所述点云的相似度信息，其中，针对大于预设余弦相似度的两个点云，若所述点云的类别相同，则两个点云的相似度高，若所述点云的类别不同，则两个点云的相似度低。

可选的，所述根据每个所述点云的特征向量和所述相似度信息以及所述点云的类别，对点云分类模型进行训练，得到训练完成的点云分类模型，包括：