CN114842438B 用于自动驾驶汽车的地形检测方法、系统及可读存储介质 （重庆长安汽车股份有限公司）

JournalofPhotogrammetry,RemoteSensing433-448.本发明具体涉及用于自动驾驶汽车的地形从目标车辆的多个角度获取地面的图像数据和2S4：通过目标车辆的车身运动姿态对各个角度的S7：基于地面材质分割图像提取可通行区域通过卡尔曼滤波器对融合后的车身位姿态进行通过将图像语义信息和点云语义信息对应的外参矩阵和内参矩阵进行级联的方式,实现S403：基于车身运动姿态计算对应的变换矩阵，通过3通过目标车辆在世界坐标系下的位姿变换矩阵和相机外参矩阵级联获得当前相机坐标系通过半径滤波算法对拼接后的预处理点云数据进行滤波平15.如权利要求14所述的用于自动驾驶汽车的地形检测方法，其特征在于：步骤S50316.如权利要求14所述的用于自动驾驶汽车的地形检测方法，其特征在于：步骤S501多个三维视觉采集模块，安装于目标车辆上，用于从车载处理模块，用于通过各个角度的图像数据结合目标车辆过目标车辆的车身运动姿态结合三维深度相机的外部参数对各个角度的预处理点云数据4基于各个角度之间的位姿转换关系结合目标车辆的车身运动姿态修正三维深度相机通过预设的外参矩阵将相机位姿转换为对应的从预处理点云数据中提取点云特征点对各个角度的预处理点云数据进基于车身运动姿态计算对应的变换矩阵，通过变换矩阵对配准后通过语义分割图像结合损失函数对深度网络块先基于当前时刻的地面三维点云和地面三维点云的历史数据生成完整的地面三维点云，5类程序被处理器执行时实现如权利要求1-17任一项所述的用于自动驾驶汽车的地形检测6[0001]本发明涉及自动驾驶汽车技术领域，具体涉及用于自动驾驶汽车的地形检测方出地面材质用以为车辆规划路线提供参考信息，从而能够提高地形检测的可靠性和实用78再通过目标车辆的车身运动姿态结合三维深度相机的外部参数对各个角度的预处理点云[0053]基于各个角度之间的位姿转换关系结合目标车辆的车身运动姿态修正三维深度9管理类程序被处理器执行时实现本发明的用于自动驾驶汽车的模块基于可通行区域和障碍物信息为车辆在此复杂场景下规划计算出一条通计算各个三维视觉采集模块的运动姿态，进而能够有效的计算目标车辆的车身运动姿态，由堆叠的3D稀疏卷积层组成类u-net结构来提取体素特征Fvoxel；再由体素特征Foxvel映片实例吸收，形成更好的实例分割结果。最后通过NMS非极大值抑制来去除重复的实例预[0140]本实施例中，通过半径滤波算法对拼接后的预处理点云后是一个双线性采样，之后传输给一个sigmoid函数。损失函数采用包含Focalloss、的性能，可以捕获大尺度的和精细结构的清晰的边界信息。其中多尺度结构相似性指数[0161]基于各个角度之间的位姿转换关系结合目标车辆的车身运动姿态修正三维深度各个角度之间的位姿转换关系结合目标车辆的车身运动姿态修正三维深度相机的外部参[0166]需要说明的是，本实施例所述的静态的环境重建可采用现有其他的成熟手段实再通过目标车辆的车身运动姿态结合三维深度相机的外部参数对各个角度的预处理点云[0179]基于各个角度之间的位姿转换关系结合目标车辆的车身运动姿态修正三维深度各个角度之间的位姿转换关系结合目标车辆的车身运动姿态修正三维深度相机的外部参计算各个三维视觉采集模块的运动姿态，进而能够有效的计算目标车辆的车身运动姿态，由堆叠的3D稀疏卷积层组成类u-net结构来提取体素特征Fvoxel；再由体素特征Foxvel映片实例吸收，形成更好的实例分割结果。最后通过NMS非极大值抑制来去除重复的实例预[0217]本实施例中，通过半径滤波算法对拼接后的预处理点云后是一个双线性采样，之后传输给一个sigmoid函数。损失函数采用包含Focalloss、的性能，可以捕获大尺度的和精细结构的清晰的边界信息。其中多尺度结构相似性指数[0237]需要说明的是，本实施例所述的静态的环境重建可采用现有其他的成熟手段实[0241]最后需要说明的是，以上实施例仅用以说明