[发明专利]一种端到端无监督激光里程计与语义分割结合的方法

权利要求书

1.一种端到端无监督激光里程计与语义分割结合的方法，其特征在于，包含如下步骤：

步骤1：对采集的点云数据进行预处理后，获得训练集；

步骤2：搭建激光里程计与语义分割网络，构建网络损失函数，基于网络损失函数，利用训练集对激光里程计与语义分割网络进行训练，获得训练好的激光里程计与语义分割网络；

步骤3：将待预测的相邻两帧顶点图输入训练好的激光里程计与语义分割网络中，预测输出当前两帧的语义分割结果和对应的帧间位姿。

2.根据权利要求1所述的一种端到端无监督激光里程计与语义分割结合的方法，其特征在于，所述步骤1具体为：

将相邻两帧点云分别投影到球面坐标系下，获得对应的两帧顶点图；遍历剩余相邻两帧点云，均进行球面投影，最终获得所有组网络输入并组成训练集。

3.根据权利要求1所述的一种端到端无监督激光里程计与语义分割结合的方法，其特征在于，所述步骤2中，激光里程计与语义分割网络包括两个骨干网络、两个语义分割网络、特征聚合模块、不确定度预测模块和位姿预测网络；

第一骨干网络与第一语义分割网络相连，第二骨干网络与第二语义分割网络相连，第一骨干网络和第二骨干网络均与特征聚合模块相连，第一语义分割网络和第二语义分割网络均与特征聚合模块相连，特征聚合模块与不确定度预测模块和位姿预测网络相连，前一帧顶点图输入到第一语义分割网络中，第一语义分割网络输出前一帧的语义分割结果，后一帧顶点图输入到第二语义分割网络中，第二语义分割网络输出后一帧的语义分割结果，不确定度预测模块输出不确定度图，位姿预测网络输出预测帧间位姿。

4.根据权利要求3所述的一种端到端无监督激光里程计与语义分割结合的方法，其特征在于，所述第一骨干网络与第二骨干网络为孪生网络，第一语义分割网络与第二语义分割网络为孪生网络，具体地，第一骨干网络包括五个降采样模块，第一语义分割网络包括五个上采样模块，第一-第五降采样模块依次相连，第一-第五上采样模块依次相连，第五上采样模块与特征聚合模块相连，第一降采样模块与第五上采样模块相连，第一降采样模块与特征聚合模块相连，第二降采样模块与第四上采样模块相连，第二降采样模块与特征聚合模块相连，第三降采样模块与第三上采样模块相连，第三降采样模块与特征聚合模块相连，第四降采样模块与第二上采样模块相连，第四降采样模块与特征聚合模块相连，第五降采样模块与第一上采样模块相连，第五降采样模块与特征聚合模块相连，第五上采样模块输出语义分割结果。

5.根据权利要求3所述的一种端到端无监督激光里程计与语义分割结合的方法，其特征在于，所述特征聚合模块包括至少一个自注意力组合模块，每个自注意力组合模块包括两个自注意力机制和一个跨自注意力机制，第一骨干网络的输出以及第一语义分割网络的输出均输入到每个自注意力组合模块的第一自注意力机制中，第二骨干网络的输出以及第二语义分割网络的输出均输入到每个自注意力组合模块的第二自注意力机制中，第一自注意力机制和第二自注意力机制均与跨自注意力机制相连，如果存在多个自注意力组合模块，则将前一个自注意力组合模块的输出分别输入到下一个自注意力组合模块的第一自注意力机制和第二自注意力机制中，将最后一个自注意力组合模块的输出作为特征聚合模块的输出。

6.根据权利要求1所述的一种端到端无监督激光里程计与语义分割结合的方法，其特征在于，所述步骤2中，网络损失函数由激光里程计的损失函数和语义分割的损失函数相加获得。