申请/专利权人：厦门大学

申请日：2024-04-28

公开（公告）日：2024-06-28

公开（公告）号：CN118262085A

主分类号：G06V10/22

分类号：G06V10/22;G06V10/26;G06V10/40;G06V10/766;G06V10/774;G06V10/778;G06V10/82

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明公开了一种基于语义感知的激光雷达定位方法、装置及可读介质，涉及计算机模型领域，包括：构建包含坐标点回归网络、语义分割网络和知识蒸馏网络的场景定位模型，坐标点回归网络包括多尺度特征提取模块和回归模块，回归模块包括定位回归器和语义回归器，定位回归器输出每个点在世界坐标系所对应的坐标，语义回归器输出点云数据中每个点的第一语义特征；语义分割网络用于提取点云数据中每个点的第二语义特征，将第二语义特征下采样为教师特征，将第一语义特征作为学生特征，学生特征和教师特征输入知识蒸馏网络中进行知识蒸馏，构建总损失函数并对场景定位模型进行训练，得到经训练的坐标点回归网络；解决定位的鲁棒性和准确性低等问题。

主权项：1.一种基于语义感知的激光雷达定位方法，其特征在于，包括以下步骤：构建包含坐标点回归网络、语义分割网络和知识蒸馏网络的场景定位模型，所述坐标点回归网络包括依次连接的多尺度特征提取模块和回归模块，所述多尺度特征提取模块包括依次连接的第一3D卷积层、第一卷积模块、第二卷积模块、第一残差块、第三卷积模块、第一残差模块和注意力模块，所述第一卷积模块、所述第一残差块和所述第一残差模块的输出特征均输入所述注意力模块中，所述回归模块包括依次连接的第二残差模块和回归器，所述回归器包括定位回归器和语义回归器，所述定位回归器输出对应场景的雷达坐标系下目标的点云数据经过下采样后的每个点在世界坐标系所对应的坐标，所述语义回归器输出所述点云数据中每个点的第一语义特征；所述语义分割网络用于提取所述点云数据中每个点的第二语义特征，将所述第二语义特征下采样为教师特征，将所述第一语义特征作为学生特征，所述学生特征和所述教师特征输入所述知识蒸馏网络中进行基于扩散模型的蒸馏，并构建总损失函数，采用所述总损失函数对所述场景定位模型进行训练，得到经训练的坐标点回归网络；获取对应场景的雷达坐标系下目标的点云数据并输入到所述经训练的坐标点回归网络，预测得到场景的雷达坐标系下目标的点云数据经过下采样后的每个点在世界坐标系所对应的坐标。

全文数据：

权利要求：

百度查询： 厦门大学 基于语义感知的激光雷达定位方法、装置及可读介质

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD