[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

说明书

本说明书实施例公开了一种基于点云数据的道路图像分割的方法、装置以及电子设备，所述方法包括：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三维的张量数据训练得到。通过采用球面坐标系对采集到的点云数据进行降维处理，能够解决原始采集到的点云数据的稀疏问题，可以提高后期利用深度神经网络进行运算的速度；进一步地，利用轻量级的基于mobilenet网络结构的unet深度神经网络框架，可以基于嵌入式设备(例如，FPGA)运行，能够有效提升运算速度，降低设备的运算功耗。

技术领域

本说明书涉及计算机技术领域，尤其涉及一种基于点云数据的道路图像分割的方法、装置以及电子设备。

背景技术

在自动驾驶领域，道路分割的重要性在于它能够为自动驾驶车辆提供可靠的通行道路区域。传统的道路分割方法往往是根据利用摄像头采集的图像数据来进行道路分割；但是，由于缺乏道路的3d信息，在精度上有所欠缺。

为了解决道路分割的精度的问题，近来激光雷达的使用越来越多，它虽然价格昂贵，但能够提供3d信息，且还可以实现精确定位。近年来更有将激光雷达和图像数据融合使用，可以进一步提升精度。但它们的共同问题是处理的数据量大，从而会导致数据处理速度较慢。本发明则针对这些缺点来设计更加有效且精确的分割算法。

基于现有技术，需要能够更加精确、快速的进行道路分割的方案。

发明内容

本说明书实施例提供一种基于点云数据的道路图像分割的方法、装置以及电子设备，用于解决以下技术问题：需要能够更加精确、快速的进行道路分割的方案。

为解决上述技术问题，本说明书实施例是这样实现的：

本说明书实施例提供的一种基于点云数据的道路图像分割的方法，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。

进一步地，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。

进一步地，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。

进一步地，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。

进一步地，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。

本说明书实施例提供的一种基于点云数据的道路图像分割的装置，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；