[发明专利]基于激光雷达的果蝇视觉启发的三维运动目标检测方法

权利要求书

1.基于激光雷达的果蝇视觉启发的三维运动目标检测方法，其特征在于，包含以下步骤：

步骤(1)：获取场景表达数据：获取的场景表达数据包括连续多帧激光雷达点云数据，并同时记录相应的惯性测量单元数据；

步骤(2)：数据预处理：根据IMU数据，将多帧激光雷达点云转换到当前时刻t对应的局部雷达坐标系下，并通过滤波去除激光雷达点云中的地面点；

步骤(3)：激光雷达点云栅格化：对多帧激光雷达点云进行栅格化处理，栅格分辨率为0.2×0.2×H，其中H由该帧点云垂直方向上最高点与最低点的差值决定；栅格化处理后形成鸟瞰视角的激光雷达栅格图，每个栅格作为果蝇复眼中的一个光感受器；

步骤(4)：运动区域的快速搜索：首先，构造水平和竖直两个方向上的视觉神经通路连接方式：针对每个栅格(i，j)，只在水平方向和竖直方向上选择另一个感受器与其组成视觉通路，即形成“十”字状的视觉神经连接通路，构建搜索半径为R的“十”字状局部搜索区域，其中，五角星栅格只能与四角星栅格相连，而不与圆形栅格相连通；继而，快速计算每个栅格(i，j)在局部搜索区域内的运动得分：

其中，(i，j)表示激光雷达栅格图中每个栅格的坐标值；(x，y)∈[-R，R]表示“十”字状局部搜索区域中的局部坐标值；I_(i，j)(t)和I_(i，j)(t-1)分别表示t时刻和t-1时刻激光雷达栅格占据图中栅格(i，j)的占据属性值；S_h(i，j)和S_v(i，j)表示栅格(i，j)在所述“十”字状局部搜索区域内的运动得分；S_h(i，j)最大值对应的局部坐标值x记为x_sm，S_v(i，j)最大值对应的局部坐标值y记为y_sm，x_sm和y_sm反映了物体运动大致方向，方向向量记为(x_sm，y_sm)；并且，根据计算每个栅格(i，j)的运动得分，运动区域与非运动区域即可准确分割出来；

步骤(5)：运动信息的精细计算：根据步骤(4)的计算结果，基于一个局部范围内的精确匹配模板实现准确计算每个栅格的运动信息；针对运动区域，定义一个局部直角扇形搜索空间以每个栅格(i，j)为原点，以(x_sm，y_sm)为角平分线，半径为R，局部直角扇形搜索空间中每个栅格的局部坐标记为(u，v)；充分利用栅格内点云的信息，输入信号包括三种模态：平均高度图I^h、栅格占据图I以及栅格占据高斯滤波图I^g；与步骤(4)感受器之间的简单连接不同，此阶段采用近似全连接的神经回路密集连接的方式，创造出更多更精细的速度模板，以精确计算运动信息；对于每个栅格(i，j)，以m×m大小的区域块作为操作单位，构造一个能量函数来评价局部模板匹配：

E(u，υ)＝ω₁(1-E′₁(u，υ))+ω₂(1-E′₂(u，υ))+ω₃E′₃(u，υ)，

其中，(u，v)是局部直角扇形搜索空间中的坐标，表示每个栅格(i，j)所在区域块的运动位移量；E′为归一化的不同模态信号对应的能量函数，E′₁、E′₂、E′₃分别描述栅格占据高斯滤波图、栅格占据图和平均高度图三种模态信号输入下对应的能量函数；ω为权重参数，ω₁、ω₂、ω₃分别对应E′₁、E′₂、E′₃能量函数的权重，用来平衡不同模态能量函数的贡献率；E为总能量值，反映了每个区域块在不同位移量时的置信度；υ_i，j为运动向量，每个栅格的运动向量υ_i，j由能量最小化计算得到，并且不同的模态信号对应的能量函数定义如下：

其中，m为区域块尺寸大小；(a，b)表示区域块中每个栅格在区域块局部坐标系中的局部坐标值；分别表示t时刻栅格(a，b)对应的栅格占据高斯滤波值、栅格占据属性值和平均高度值；E₁表示根据栅格占据高斯滤波图计算得出的运动得分，匹配结果越好，得分越高；E₂表示栅格占据属性对应的得分，两个区域块越相似，得分越高；E₃描述了区域块之间高度分布的相似性，越相似得分越低；最后，根据几何信息和运动信息，将栅格聚类，形成物体候选区，并将候选区内的点云提取出来，传递给接下来的检测网络；

步骤(6)：运动点云的认知计算：根据步骤(5)的聚类结果，将物体候选区内的点云送入目标检测网络中，依次经过点云语义分割网络去除地面和背景噪声点；坐标转换网络，进行坐标变换；物体回归网络，进行物体的分类以及三维目标框的回归，以实现运动目标的认知。