[发明专利]基于点云数据的道路图像分割的方法、装置以及电子设备在审
| 申请号： | 201711456428.7 | 申请日： | 2017-12-28 |
| 公开（公告）号： | CN108345831A | 公开（公告）日： | 2018-07-31 |
| 发明（设计）人： | 陈江林;谢波 | 申请（专利权）人： | 新智数字科技有限公司 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/34;G06N3/04 |
| 代理公司： | 北京晋德允升知识产权代理有限公司 11623 | 代理人： | 杨移;万铁占 |
| 地址： | 065000 河北省廊坊市经济*** | 国省代码： | 河北;13 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 点云数据 神经网络 运算 道路图像分割 三维 道路图像 电子设备 采集 嵌入式设备 球面坐标系 降低设备 降维处理 数据分割 数据训练 网络结构 功耗 降维 稀疏 | ||
1.一种基于点云数据的道路图像分割的方法，其特征在于，包括：
获取道路图像的点云数据，降维得到对应的三维的张量数据；
利用轻量级深度神经网络，根据所述三维的张量数据分割所述道路图像；
其中，所述轻量级深度神经网络基于所述三维的张量数据训练得到。
2.如权利要求1所述的方法，其特征在于，获取道路图像的点云数据，具体包括：
通过激光雷达扫描获得所述道路图像的点云数据。
3.如权利要求2所述的方法，其特征在于，降维得到对应的三维的张量数据，具体包括：
将所述点云数据中三维直角坐标系转化为球面坐标系；
基于所述球面坐标系，对所述道路图像进行网格分割；
建立球面坐标与网格之间的对应关系，获得所述三维的张量数据。
4.如权利要求3所述的方法，其特征在于，根据所述三维的张量数据分割所述道路图像，具体包括：
将获得的所述三维的张量数据输入所述轻量级深度神经网络；
基于嵌入式设备运行所述轻量级深度神经网络，分割所述道路图像。
5.如权利要求1所述的方法，其特征在于，所述轻量级深度神经网络包括：基于mobilenet网络结构的unet深度神经网络框架；
所述unet深度神经网络框架包括：采用深度可分解卷积算法的encoder网络和decoder网络。
6.一种基于点云数据的道路图像分割的装置，其特征在于，所述装置包括：
降维模块，获取道路图像的点云数据，降维得到对应的三维的张量数据；
分割模块，利用轻量级深度神经网络，根据所述三维的张量数据分割所述道路图像；
其中，所述轻量级深度神经网络基于所述三维的张量数据训练得到。
7.如权利要求6所述的装置，其特征在于，所述装置还包括：激光雷达；
通过激光雷达扫描获得所述道路图像的点云数据。
8.如权利要求7所述的装置，其特征在于，通过所述降维模块，降维得到对应的三维的张量数据，具体包括：
将所述点云数据中三维直角坐标系转化为球面坐标系；
基于所述球面坐标系，对所述道路图像进行网格分割；
建立球面坐标与网格之间的对应关系，获得所述三维的张量数据。
9.如权利要求8所述的装置，其特征在于，所述分割模块，根据所述三维的张量数据分割所述道路图像，具体包括：
将获得的所述三维的张量数据输入所述轻量级深度神经网络；
所述分割模块，基于嵌入式设备运行所述轻量级深度神经网络，分割所述道路图像。
10.如权利要求6所述的装置，其特征在于，所述分割模块中的轻量级深度神经网络包括：基于mobilenet网络结构的unet深度神经网络框架；
所述unet深度神经网络框架包括：采用深度可分解卷积算法的encoder网络和decoder网络。
11.一种电子设备，包括：
至少一个处理器；以及，
与所述至少一个处理器通信连接的存储器；其中，
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：
获取的道路图像的点云数据，降维得到对应的三维的张量数据；
利用轻量级深度神经网络，根据所述三维的张量数据分割所述道路图像；
其中，所述轻量级深度神经网络基于所述三维的张量数据训练得到。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于新智数字科技有限公司，未经新智数字科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201711456428.7/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种基于人脸的身份识别方法及装置
- 下一篇：一种人脸检测的方法、装置及设备
