公开(公告)号：CN109800773A

公开(公告)日：2019-05-24

申请号：CN201910121876.4

申请日：2019-02-19

Applicant: 北京大学

Inventor： 高飙 ,  潘彦成 ,  徐安然 ,  赵卉菁

IPC: G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于三维激光雷达的越野路面提取方法，属于图像识别技术领域。包括将激光雷达获取的连续多帧的三维激光点云数据叠加后，投影到俯视图中得到路面高程图；利用深度卷积神经网络对路面高程图进行特征提取，得到路面高程图的通行代价图；对通行代价图进行离散化，获取可通行区域标签、障碍物区域标签和模糊区域标签；根据可通行区域标签、障碍物区域标签和模糊区域标签对离散化的通行代价图进行图像可视化，获取可通行越野路面区域图。本发明不受光照和天候的影响，即可提取可通行的越野路面；基于深度学习的特征提取方法，可自适应学习到环境特征，在不同场景下适应性更强；提出的自动数据标注方案，有效减少对人工标注样本的需求。

公开(公告)号：CN109800773B

公开(公告)日：2021-01-22

申请号：CN201910121876.4

申请日：2019-02-19

Applicant: 北京大学

Inventor： 高飙 ,  潘彦成 ,  徐安然 ,  赵卉菁

IPC: G06K9/46 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于三维激光雷达的越野路面提取方法，属于图像识别技术领域。包括将激光雷达获取的连续多帧的三维激光点云数据叠加后，投影到俯视图中得到路面高程图；利用深度卷积神经网络对路面高程图进行特征提取，得到路面高程图的通行代价图；对通行代价图进行离散化，获取可通行区域标签、障碍物区域标签和模糊区域标签；根据可通行区域标签、障碍物区域标签和模糊区域标签对离散化的通行代价图进行图像可视化，获取可通行越野路面区域图。本发明不受光照和天候的影响，即可提取可通行的越野路面；基于深度学习的特征提取方法，可自适应学习到环境特征，在不同场景下适应性更强；提出的自动数据标注方案，有效减少对人工标注样本的需求。